区分和集成一个健康
这个例子展示了如何找到一个合适的第一和第二的衍生品,和合适的积分预测价值。
创建一个基准正弦信号:
xdata =(0: .1:2 *π)';y0 =罪(xdata);
添加噪声信号:
噪音= 2 * y0。* randn(大小(y0));% Response-dependent噪音ydata = y0 +噪声;
适应嘈杂的数据与一个定制的正弦模型:
f = fittype (“* sin (b * x)”);fit1 =适合(xdata ydata f,曾经繁荣的[1]);
在预测:找到合适的衍生品
(d1, d2) =区分(fit1 xdata);
图数据,健康,和衍生品:
次要情节(1,1)情节(fit1、xdata ydata)% cfit绘制方法次要情节(3、1、2)情节(xdata d1,“米”)%双重阴谋方法网格在传奇(的一阶导次要情节(3,1,3)情节(xdata, d2,“c”)%双重阴谋方法网格在传奇(“二阶导数”)
请注意,衍生品也可以直接与cfit阴谋计算和绘制方法,如下所示。情节的方法,然而,不返回数据的衍生品。
情节(fit1 xdata ydata, {“健康”,“deriv1”,“deriv2”})
找到合适的积分预测:
int =集成(fit1 xdata 0);
图数据,健康,和积分:
次要情节(2,1,1)情节(fit1、xdata ydata)% cfit绘制方法次要情节(2,1,2)情节(int, xdata“米”)%双重阴谋方法网格在传奇(“积分”)
注意,积分还可以直接与cfit阴谋计算和绘制方法,如下所示。情节的方法,然而,不返回数据积分。
情节(fit1 xdata ydata, {“健康”,“积分”})
