区分和整合飞度
这个例子展示了如何找到一个合适的第一和第二的衍生物，和嵌合的积分，在预测器值。
创建基准正弦信号：
XDATA =（0：0.1：2 * PI）';Y0 = SIN（XDATA）;
噪音添加到信号：
噪声= 2 * * Y0 randn（大小（0））。％依赖性响应噪声YDATA = Y0 +噪声;
配合定制的正弦模型的噪声数据：
F = fittype（'A * SIN（B * X）'）;FIT1 =拟合（XDATA，YDATA，F，'起点'，[1 1]）;
查找配合在预测的衍生品：
[D1，D2] =分化（FIT1，XDATA）;
绘制数据，拟合，和它们的衍生物：
副区（3,1,1）图（FIT1，XDATA，YDATA）％CFIT图法副区（3,1,2）图（XDATA，D1，'M'）％的双图法格上传说（“第一衍生物”）副区（3,1,3）图（XDATA，D2，'C'）％的双图法格上传说（“第二衍生物”）
注意，衍生物也可被计算并直接与CFIT plot方法绘制如下。剧情方法，但是，不会对衍生品返回数据。
图（FIT1，外部数据，YDATA，{'适合'，'DERIV1'，'deriv2'}）
查找配合在预测的积分：
INT =整合（FIT1，XDATA，0）;
图中的数据，配合，和积分：
副区（2,1,1）图（FIT1，XDATA，YDATA）％CFIT图法副区（2,1,2）图（XDATA，INT，'M'）％的双图法格上传说（'积分'）
请注意，积分也可以计算并直接与CFIT情节绘制方法，如下所示。剧情方法，但是，不会对整体的返回数据。
图（FIT1，外部数据，YDATA，{'适合'，'积分'}）
您还可以选择从下面的列表中的网站：
