拟合总结范文.doc

拟合总结范文 直线拟合回归统计Multiple RR SquareAdjusted R Square标准误差观测值方差分析0.3672240.1348540.10863714.15244Significance F35df SSMS F回归分析残差总计11030.2676609.6197639.8861030.267200.29155.1438370.033334Coefficients9.8211131.1标准误差5.8556121.846624t StatP-value1.6772142.268003Lower95%-2.092220.431164Upper95%21.734457.945132Intercept0.102950.034.188148多项式拟合?2210xbxbby+nnxb 一、Excel进行拟合 1、多项式最高方次不超过6可采用添加趋势线的方法首先将待拟合数据输入Excel表格，插入散点图或折线图然后将鼠标指针移到散点图中数据点，右击键，选择添加趋势线（在菜单栏的图表菜单中选择添加趋势线）在出现的对话框类型卡中选定多项式曲线拟合，具体用几阶可在拟合的过程中看那一种拟合的效果最佳。 在选项卡中选定显示公式和R平方值选项，根据实际情况确定是否设置截距值按“确定”按钮立即得到拟合多项式及决定系数值。 检验越大，曲线拟合的越好。 如何单变量求解？ 2、多项式超过6时+?2210xbxbbynnxb设x1=x,x2=x2,x3=x3x9=x9化为多元线性拟合 二、多元线性回归y=b3322110xbxbxbby?点击“工具”“数据分析”“回归”“确定”-，在“Y值输入区域”填入y值，在X输入区域“填入多个x变量。 -”确定“。 结果回归统计Multiple RR SquareAdjusted RSquare标准误差观测值方差分析0.3745660.1402990.08656814.32656Significance F0.08903435df SSMS F回归分析残差21071.8726568.014535.9359205.25042.61113232总计347639.886Coefficients2.3362091.14.8标准误差17.649922.2937523.70xxt StatP-value0.1323642.08680.450226Lower95%-33.61550.114382-5.87399Upper95%38.287929.4588239.20747Intercept0.8955250.0449580.6555834.7866021.666739Multiple相关系数R，越接近1越好。 RSquareR的平方F越大越好。 Coefficients所在一列表示回归系数，依次是210bbb 二、matlab拟合（最小二乘拟合） 1、直线拟合直线拟合时可先做剔除异常点首先把数据复杂在文本文档中（txt）。 导入数据fileimport data找到文本文档-next-finish。 程序x=data(:,1);%第一列y=data(:,2);%第二列plot(x,y,r+)%画散点图%画残差分布图、参数求解、检验X=ones(size(x),1),x;b,bint,r,rint,stats=regress(y,X);figure b,bint,stats,rcoplot(r,rint)5101520253035-4-3-2-10123456Residual CaseOrder PlotResidualsCaseNumber红色的为异常点，把这些点剔除，再重新做一次。 b=2.0975-b00.0351-b1bint=1.37502.82000.00740.0628stats=0.16336.63520.01451.5225模型Y=b0+b1x检验 （1）复相关系数R的平方=stats的第一个数，越接近1越好。 （2）F为stats的第二个数，越大越好。 （3）P为为stats的第三个数，很小才行 2、多项式拟合首先把数据复杂在文本文档中（txt）。 导入数据fileimport data找到文本文档-next-finish。 程序x=data(:,1);%第一列y=data(:,2);%第二列p=polyfit(x,y,n)%其中n为阶数，可自己设定zi=linspace(1,20,100);w=size(zi)z=polyval(p,zi);%求预测的y值xlabel(x轴名称)ylabel(y轴名称)plot(x,y,o,zi,z,k:)%画原散点图和预测的折线图legend(原始数据,n阶曲线)title(图的名称)s=sqrt(sum(y-z).2)./(w-2)%求剩余标准差,w为数据的长度结果模型y=p (1)xn+p (2)xn-1+p(n)x+p(n+1)检验S越小图形越好。 2插值问题在应用领域中，由有限个已知数据点，构造一个解析表达式，由此计算数据点之间的函数值，称之为插值。 一、一元插值一元插值是对一元数据点(xi,yi)进行插值。 1线性插值由已知数据点连成一条折线，认为相临两个数据点之间的函数值就在这两点之间的连线上。 一般来说，数据点数越多，线性插值就越精确。 调用格式yi=interp1(x,y,xi,linear)%线性插值zi=interp1(x,y,xi,spline)%三次样条插值wi=interp1(x,y,xi,cubic)%三次多项式插值说明yi、zi、wi为对应xi的不同类型的插值。 x、y为已知数据点。 例1已知数据x0.1.2.3.4.5.6.7.8.91y.3.511.41.61.9.6.4.81.52求当xi=0.25时的yi的值。 程序x=0:.1:1;y=.3.511.41.61.6.4.81.52;yi0=interp1(x,y,0.025,linear)xi=0:.02:1;yi=interp1(x,y,xi,linear);zi=interp1(x,y,xi,spline);wi=interp1(x,y,xi,cubic);plot(x,y,o,xi,yi,r+,xi,zi,g*,xi,wi,k.-)legend(原始点,线性点,三次样条,三次多项式)要得到给定的几个点的对应函数值，可用xi=0.25000.35000.4500yi=interp1(x,y,xi,spline) (二)二元插值二元插值与一元插值的基本思想一致，对原始数据点(x,y,z)构造见世面函数求出插值点数据(xi,yi,zi)。 一、单调节点插值函数，即x,y向量是单调的。 调用格式1zi=interp2(x,y,z,xi,yi,linear)liner是双线性插值(缺省)调用格式2zi=interp2(x,y,z,xi,yi,nearest)nearest是最近邻域插值调用格式3zi=interp2(x,y,z,xi,yi,spline)spline是三次样条插值说明这里x和y是两个独立的向量，它们必须是单调的。 z是矩阵，是由x和y确定的点上的值。 z和x,y之间的关系是z(i,:)=f(x,y(i)z(:,j)=f(x(j),y)即当x变化时，z的第i行与y的第i个元素相关，当y变化时z的第j列与x的第j个元素相关。 如果没有对x,y赋值，则默认x=1:n,y=1:m。 n和m分别是矩阵z的行数和列数。 例2已知某处山区地形选点测量坐标数据为x=00.511.522.533.544.55y=00.511.522.533.544.555.56海拔高度数据为z=8990878592919693908782929698999591898684828496989592908885848381858081828995969392898686828587989996978885828382858994959392918684888892939495898786838192929697989693958482818485858182808081859093958486819899989796958487808185828384879095868880828184858683828180828788899899979698949287其地貌图为对数据插值加密形成地貌图。 程序x=0:.5:5;y=0:.5:6;z=8990878592919693908782929698999591898684828496989592908885848381858081828995969392898686828587989996978885828382858994959392918684888892939495898786838192929697989693958482818485858182808081859093958486819899989796958487808185828384879095868880828184858683828180828788899899979698949287;mesh(x,y,z)%绘原始数据图xi=linspace(0,5,50);%加密横坐标数据到50个yi=linspace(0,6,80);%加密纵坐标数据到60个xii,yii=meshgrid(xi,yi);%生成网格数据zii=interp2(x,y,z,xii,yii,cubic);%插值mesh(xii,yii,zii)%加密后的地貌图hold on%保持图形xx,yy=meshgrid(x,y);%生成网格数据plot3(xx,yy,z+0.1,ob)%原始数据用O绘出 2、二元非等距插值调用格式zi=griddata(x,y,z,xi,yi,指定插值方法)插值方法有linear%线性插值(默认)bilinear%双线性插值cubic%三次插值bicubic%双三次插值nearest%最近邻域插值例用随机