实际工作中,变量间未必都有线性关系,如服药后血药浓度与时间的关系;疾病疗效与疗程长短的关系;毒物剂量与致死率的关系等常呈曲线关系。曲线拟合(curve fitting)是指选择适当的曲线类型来拟合观测数据,并用拟合的曲线方程分析两变量间的关系。曲线拟合的方法很多,本节只介绍曲线直线化。
一、曲线直线化的意义
曲线直线化是曲线拟合的重要手段之一。对于某些非线性的资料可以通过简单的变量变换使之直线化,这样就可以按最小二乘法原理求出变换后变量的直线方程,在实际工作中常利用此直线方程绘制资料的标准工作曲线,同时根据需要可将此直线方程还原为曲线方程,实现对资料的曲线拟合。
二、常用的非线性函数
1.指数函数(exponential function)
Y=aebX(12.29)
对式(12.29)两边取对数,得
lnY=lna+bX(12.30)
b>0时,Y随X增大而增大;b<0时,Y随X增大而减少。见图12.4(a)、(b)。当以lnY和X绘制的散点图呈直线趋势时,可考虑采用指数函数来描述Y与X间的非线性关系,lna和b分别为截距和斜率。
更一般的指数函数
Y=aebX+k(12.31)
式中k为一常量,往往未知, 应用时可试用不同的值。
2.对数函数(lograrithmic function)
Y=a+blnX(X>0)(12.32)
b>0时,Y随X增大而增大,先快后慢;b<0时,Y随X增大而减少