文档帮助中心文档
多项式的评估
y = polyval (p, x)
(y),δ)= polyval (p, x,年代)
y = polyval (p, x,[],μ)
(y),δ)= polyval (p, x,年代,μ)
例子
y= polyval (p,x)对多项式p在每一点x.这个论点p向量的长度是多少n + 1哪个元素是an的系数(递减幂)nth-degree多项式:
y= polyval (p,x)
y
p
x
n + 1
n
p ( x ) = p 1 x n + p 2 x n − 1 + ... + p n x + p n + 1 .
多项式系数p可以通过像polyint,polyder,polyfit,但你可以指定任何向量作为系数。
polyint
polyder
polyfit
在矩阵的意义上求多项式的值,使用polyvalm代替。
polyvalm
[y,δ) = polyval (p,x,年代)使用可选输出结构年代所产生的polyfit生成误差估计。δ在预测未来观测时的标准误差是多少x通过p (x).
[y,δ) = polyval (p,x,年代)
δ
年代
p (x)
y= polyval (p,x[],μ)或[y,δ) = polyval (p,x,年代,μ)使用可选输出μ所产生的polyfit集中和缩放数据。μ(1)是意思是(x),μ(2)是性病(x).使用这些值,polyval中心x在0处缩放到单位标准差,
y= polyval (p,x[],μ)
μ
[y,δ) = polyval (p,x,年代,μ)
μ(1)
意思是(x)
μ(2)
性病(x)
polyval
x ^ = x − x ¯ σ x .
这种定心和缩放变换改进了多项式的数值性质。
全部折叠
计算多项式 p ( x ) = 3. x 2 + 2 x + 1 在点 x = 5 , 7 , 9 .多项式系数可以用向量表示(3 2 1).
(3 2 1)
P = [3 2 1];X = [5 7 9];y = polyval (p, x)
y =1×386 162 262
求定积分
我 = ∫ - 1 3. ( 3. x 4 - 4 x 2 + 1 0 x - 2 5 ) d x .
创建一个向量来表示被积多项式 3. x 4 - 4 x 2 + 1 0 x - 2 5 .的 x 3. 项不存在,因此系数为0。
P = [3 0 -4 10 -25];
使用polyint用积分常数对多项式积分等于0.
0
q = polyint (p)
q =1×60.6000 0 -1.3333 5.0000 -25.0000 0
求积分的值问在积分的极限。
问
= 1;b = 3;I = diff(polyval(q,[a b])))
我= 49.0667
拟合一个线性模型到一组数据点,并绘制结果,包括95%的预测区间的估计。
创建一些样本数据点的向量(x, y).使用polyfit对数据拟合一次多项式。指定两个输出以返回线性拟合的系数以及误差估计结构。
x = 1:10 0;Y = -0.3*x + 2*randn(1100);[p, S] = polyfit (x, y, 1);
计算一阶多项式p在x.将误差估计结构指定为第三个输入,以便polyval计算标准误差的估计。返回标准误差估计δ.
[y_fitδ]= polyval (p, x, S);
绘制原始数据、线性拟合和95%预测区间 y ± 2 Δ .
情节(x, y,“波”)举行在情节(x, y_fit,的r -)情节(x, y_fit + 2 *δ,“m——”, x, y_fit-2 *δ,“m——”)标题(“95%预测区间的数据线性拟合”)传说(“数据”,“线性适应”,“95%的预测区间”)
创建一个1750 - 2000年人口数据表,并绘制数据点。
年= (1750:25:2000)';Pop = 1e6*[791 856 978 1050 1262 1544 1650 2532 6122 8170 11560]';T = table(year, pop)
T =11×2表年流行____ _________ 1750 7.91e+08 1775 8.56e+08 1800 9.78e+08 1825 1.05e+09 1850 1.262 2e+09 1875 1.544e+09 1900 1.65e+09 1925 2.532 2e+09 1950 6.122e+09 1975 8.17e+09 2000 1.156e+10
情节(年,流行,“o”)
使用polyfit用三个输出拟合一个五次多项式,使用定心和缩放,改善了问题的数值性质。polyfit将数据集中在一年,将其缩放到标准差为1,避免了拟合计算中出现病态的Vandermonde矩阵。
一年
(p ~μ)= polyfit (T。年T.pop 5);
使用polyval有四个输入要评估p随着时间的推移,(year-mu(1)) /μ(2).将结果与最初的年份进行对比。
(year-mu(1)) /μ(2)
f = polyval (p,年,[],μ);持有在情节(一年,f)从
多项式系数,指定为向量。例如,向量(1 0 1)代表了多项式 x 2 + 1 ,向量(3.13 -2.21 5.99)代表了多项式 3.13 x 2 − 2.21 x + 5.99 .
(1 0 1)
(3.13 -2.21 5.99)
有关更多信息,请参见创建和计算多项式.
数据类型:单|双复数的支持:金宝app是的
单
双
查询点,指定为向量。polyval对多项式p在x并返回相应的函数值y.
误差估计结构。该结构是来自的可选输出[p, S] = polyfit (x, y, n)可以用来得到误差估计。年代包含以下字段:
[p, S] = polyfit (x, y, n)
R
df
normr
如果数据y是随机的,那么估计的协方差矩阵是p是(Rinv * Rinv”)* normr ^ 2 / df,在那里Rinv是R.
(Rinv * Rinv”)* normr ^ 2 / df
Rinv
定心和缩放值,指定为一个二元向量。这个向量是来自的可选输出(p, S,μ)= polyfit (x, y, n)这是用来改善拟合和评估多项式的数值性质p.的值μ(1)是意思是(x),μ(2)是性病(x).这些值用于将查询点居中x以单位标准差表示。
(p, S,μ)= polyfit (x, y, n)
指定μ评估p在缩放的点上,(x - mu(1)) /μ(2).
(x - mu(1)) /μ(2)
函数值,返回为与查询点大小相同的向量x.向量包含对多项式求值的结果p在每一点x.
预测的标准错误,返回为与查询点大小相同的向量x.一般来说,为的间隔y±Δ对应于未来大样本观测的68%的预测区间,并且y±2Δ大约95%的预测区间。
如果系数p最小二乘估计是由polyfit,以及输入到的数据中的错误polyfit是独立的,正态的,方差是常数的,那么y±Δ至少有50%的预测间隔。
使用注意事项及限制:
如果x是一个高的数组,那么它必须是一个列向量。
有关更多信息,请参见高大的数组.
backgroundPool
ThreadPool
这个函数完全支持基于线程的环境。金宝app有关更多信息,请参见在线程环境中运行MATLAB函数.
该功能完全支持GPU阵列。金宝app有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
该函数完全支持分布式数组。金宝app有关更多信息,请参见使用分布式数组运行MATLAB函数(并行计算工具箱).
polyfit|polyvalm|polyder|polyint
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系