主要内容
评估曲线适合
此示例显示如何使用曲线拟合。
加载数据并适合多项式曲线
加载普查curvefit = fit（cdate，pop，'poly3'那'正常化'那'上'）
curvefit =线性模型poly3：curvefit（x）= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4，其中x由平均1890和std 62.05系数标准化（具有95％的置信度）：P1 = 0.921（-0.9743,2.816）P2 = 25.18（23.57,26.79）P3 = 73.86（70.33,77.39）P4 = 61.74（59.69,63.8）
输出显示拟合系数的拟合模型方程，装配系数和置信度界限。
绘制拟合，数据，残差和预测范围
绘图（曲线文件，Cdate，Pop）
绘制残留物适合。
绘图（曲线装订，Cdate，Pop，'残留'）
绘制拟合上的预测范围。
绘图（曲线装订，Cdate，Pop，'predfunc'）
评估特定点的适合
通过指定值来评估特定点的拟合X，使用此表格：y = fittedmodel（x）。
Curvefit（1991）
ans = 252.6690.
评估许多点的拟合值
评估价值矢量的模型以推断到2050年。
XI =（2000：10：2050）。';Curvefit（xi）
ans =.6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468
在这些值上获取预测范围。
ci = predint（curvefit，xi）
ci =6×2267.8589 286.0674 294.3070 316.5770 321.5924 349.4208 349.7275 349.7275 384.6329 349.7275 384.6329 349.72975 384.6329 384.6329 34842229978/42222975 384.6329 349.72554222975 384.6329 349.72975 384.6329 349.72554222975 384.6329 349.72554222975 384.6329 349.7208 384.6329 384.6329 378.7255 422.2462 408.5919 4627275 384.6329 349。
绘制在外推合适范围的拟合和预测间隔。默认情况下，拟合在数据的范围内绘制。要查看从拟合外推的值，请在绘制拟合之前将轴的上X限制设置为2050。绘制预测间隔，使用促进要么预先作为情节类型。
情节（Cdate，Pop，'o'）XLIM（[1900,2050]）持有上绘图（曲线装，'predbs'抱紧关闭
获取模型方程
输入适合名称以显示拟合系数的模型方程，装配系数和置信度。
曲线装备
curvefit =线性模型poly3：curvefit（x）= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4，其中x由平均1890和std 62.05系数标准化（具有95％的置信度）：P1 = 0.921（-0.9743,2.816）P2 = 25.18（23.57,26.79）P3 = 73.86（70.33,77.39）P4 = 61.74（59.69,63.8）
只获取模型方程，使用式。
公式（Curvefit）
ans ='p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4'
获取系数名称和值
按名称指定系数。
p1 = curvefit.p1.
P1 = 0.9210.
p2 = curvefit.p2.
P2 = 25.1834.
获取所有系数名称。看看FIT方程（例如，f（x）= p1 * x ^ 3 + ...）查看每个系数的模型术语。
Coeffnames（曲线码）
ans =.4x1细胞{'p1'} {'p2'} {'p3'} {'p4'}
获取所有系数值。
Coffvalues（Curvefit）
ans =.1×40.9210 25.1834 73.8598 61.7444
在系数上获得信心范围
在系数上使用置信度界限来帮助您评估和比较适合。系数上的置信度界限决定了它们的准确性。相距甚远的界限表明不确定性。如果界限交叉零用于线性系数，这意味着您无法确定这些系数与零不同。如果某些模型术语具有零系数，则它们并不适合。
挤压（曲线装饰）
ans =.2×4-0.9743 23.5736 70.3308 59.6907 2.8163 22.7931 77.3888 63.7981
检查健康统计数据
要获得命令行的良好统计数据，您可以：
打开曲线拟合应用程序并选择适合>保存到工作区将适合和良好的适合作为工作区出口。
指定
GOF.使用该输出参数适合功能。
重新创造配合指明GOF.和输出参数获取拟合统计和拟合算法信息。
[CurveFit，GOF，输出] = FIT（CDate，POP，'poly3'那'正常化'那'上'）
curvefit =线性模型poly3：curvefit（x）= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4，其中x由平均1890和std 62.05系数标准化（具有95％的置信度）：P1 = 0.921（-0.9743,2.816）P2 = 25.18（23.57,26.79）P3 = 73.86（70.33,77.39）P4 = 61.74（59.69,63.8）
GOF =结构与字段：SSE：149.7687 RSQUARE：0.9988 DFE：17 adjrsquare：0.9986 RMSE：2.9682
输出=结构与字段：numobs：21 numparam：4残差：[21x1 double] jacobian：[21x4 double] extflag：1算法：'qr分解和解决'迭代：1
绘制残留的直方图，以寻找大致正常的分布。
直方图（Output.Residuals，10）
绘制拟合，数据和残差
绘图（曲线装订，Cdate，Pop，'适合'那'残留'）传奇位置西南子图（2,1,1）传奇位置西北
查找方法
列出可以使用适合使用的每个方法。
方法（Curvefit）
方法CFIT类：Argnames unfint公式Numcoeffs SetOptions类别Depenname Indepnames绘图类型CFIT差异集成预测COEffnames Feval Islinequens Coffvalues Fitoptions Numargs Probalues
使用救命命令以了解如何使用拟合方法。
救命CFIT /差异化
区分差异化拟合结果对象。Deriv1 = Scensyiate（fitobj，x）将模型fitobj与x指定的点区分开来，并返回deriv1的结果。fitobj是由拟合或CFIT功能生成的适合对象。x是矢量。Deriv1是与x的尺寸相同的向量。数学上讲，deriv1 = d（fitobj）/ d（x）。[deriv1，deriv2] =分化（fitobj，x）分别计算型号fitobj的第一和第二导数，deriv1和deriv2。另见CFIT /集成，适合CFIT。
您还可以从以下列表中选择一个网站：
