곡선피팅값구하기

이예제에서는곡선피팅을다루는방법을보여줍니다。

데이터를불러와서다항식곡선피팅하기

负载人口普查曲线匹配=匹配(cdate,pop，“poly3”，“正常化”，“上”）

曲线拟合=线性模型Poly3:曲线拟合(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x由平均值1890和std 62.05归一化系数(95%置信限):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)

출력에는피팅된모델방정식，피팅된계수，피팅된계수에대한신뢰한계가@시됩니다。

피팅，데이터，잔차，예측한계플로팅하기

情节(curvefit cdate流行)

图中包含一个轴对象。axis对象包含2个line类型的对象。这些对象代表数据，拟合曲线。

잔차피팅을플로팅합니다。

情节(curvefit cdate、流行、“残差”）

图中包含一个轴对象。axis对象包含2个line类型的对象。这些对象表示数据，零线。

피팅에대한예측한계를플로팅합니다。

情节(curvefit cdate、流行、“predfunc”）

图中包含一个轴对象。axis对象包含4个line类型的对象。这些对象表示数据、拟合曲线、预测边界。

지정된점에서피팅값구하기

Y =拟合模型(x)형식으로x에대한값을지정하여특정점에서피팅값을구합니다。

curvefit (1991)

Ans = 252.6690

여러점에서피팅값구하기

값으로구성된벡터에서모델을실행하여2050년까지외삽합니다。

curvefit (xi)

ans =6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468

해당값에대한예측한계를구합니다。

Ci = predint(曲线拟合，xi)

ci =6×2267.8589 286.0674 294.3070 316.5770 321.5924 349.4208 349.7275 384.6329 378.7255 422.2462 408.5919 462.3017

외삽된피팅범위에대해피팅및예측구간을플로팅합니다。피팅은기본적으로데이터범위에대해플로팅됩니다。피팅에서외삽된값을보려면피팅을플로팅하기전에좌표축x의상한을2050으로설정하십시오。예측구간을플로팅하려면플롯유형으로predobs또는predfun을사용하십시오。

情节(cdate、流行,“o”) xlim([1900,2050])持有在情节(curvefit“predobs”)举行从

图中包含一个轴对象。axis对象包含4个line类型的对象。这些对象代表拟合曲线，预测边界。

모델방정식가져오기

피팅이름을입력하여모델방정식,피팅된계수,피팅된계수에대한신뢰한계를표시합니다。

curvefit

曲线拟合=线性模型Poly3:曲线拟合(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x由平均值1890和std 62.05归一化系数(95%置信限):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)

모델방정식만구하려면公式를사용하십시오。

公式(curvefit)

Ans = 'p1*x^3 + p2*x^2 + p3*x + p4'

계수이름과값가져오기

계수를이름으로지정합니다。

P1 = curve . P1

P1 = 0.9210

P2 =曲线。P2

P2 = 25.1834

모든계수이름을가져옵니다。피팅방정식(예:F (x) = p1*x^3+…)을살펴보며각계수에대한모델항을확marketing합니다。

coeffnames (curvefit)

ans =4 x1细胞{'p1'} {'p2'} {'p3'} {'p4'}

모든계수값을가져옵니다。

coeffvalues (curvefit)

ans =1×40.9210 25.1834 73.8598 61.7444

계수에대한신뢰한계가져오기

계수에대한신뢰한계를사용하여피팅을계산하고비교할수있습니다。계수에대한신뢰한계는계수의정확도를결정합니다。서로멀리떨어진한계는불확실성을나타냅니다。선형계수에대해한계가영점을교차하는경우,이는해당계수0과가다르다는사실을확신할수없음을의미합니다。일부모델항이0 rm계수를가진다면이는피팅에도움이되지않습니다。

confint (curvefit)

ans =2×4-0.9743 23.5736 70.3308 59.6907 2.8163 26.7931 77.3888 63.7981

적합도통계량검토하기

명령줄에서적합도통계량을가져오기위해다음중하나를수행할수있습니다。

곡선피팅앱을열고피팅>작업공간에저장을선택하여피팅과적합도를작업공간으로내보냅니다。
适合함수를사용하여gof출력수를지정합니다。

gof와출력인수를지정하여피팅을다시생성해적합도통계량과피팅알고리즘정보를가져옵니다。

[curvefit,gof,output] = fit(cdate,pop，“poly3”，“正常化”，“上”）

曲线拟合=线性模型Poly3:曲线拟合(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x由平均值1890和std 62.05归一化系数(95%置信限):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 =带字段的结构:上证指数:149.7687 rsquare: 0.9988 dfe: 17 adjrsquare: 0.9986 rmse: 2.9682

输出=带字段的结构:numobs: 21 numparam: 4残差:[21x1 double]雅可比矩阵:[21x4 double] exitflag: 1算法:'QR分解和求解'迭代:1

잔차의히스토그램을플로팅하여대략적으로정규분포를따르는지확합니다。

直方图(output.residuals, 10)

图中包含一个轴对象。坐标轴对象包含一个直方图类型的对象。

피팅，데이터및잔차플로팅하기

情节(curvefit cdate、流行、“健康”，“残差”传说)位置西南次要情节(2,1,1)传奇位置西北

图中包含2个轴对象。坐标轴对象1包含2个line类型的对象。这些对象代表数据，拟合曲线。坐标轴对象2包含2个line类型的对象。这些对象表示数据，零线。

방법 찾기

피팅에서사용할수있는모든방법을나열합니다。

方法(curvefit)

cfit类的方法:argnames confint formula numcoeffs setoptions category dependnames indepnames plot type cfit differentiate integrate predint coeffnames feval islinear probnames coeffvalues fitoptions numargs probvalues

피팅명령을사용하는방법을알아보려면帮助명령을사용하십시오。

帮助cfit /区分

微分一个拟合结果对象。派生1 = DIFFERENTIATE(FITOBJ,X)在X指定的点上对模型FITOBJ进行微分，并在派生1中返回结果。FITOBJ是由Fit或CFIT函数生成的Fit对象。X是一个向量。派生1是与X大小相同的向量，数学上，派生1 = D(FITOBJ)/D(X)。[衍生品1，衍生品2]= DIFFERENTIATE(FITOBJ, X)分别计算模型FITOBJ的一阶导数和二阶导数，衍生品1和衍生品2。参见CFIT/INTEGRATE, FIT, CFIT。