1.1.命令
功能
用法
plot(Y)
plot(X1,Y1,X2,Y2,…),其中Xi与Yi成对出现,plot(X1,Y1,X2,Y2,…)将分别按顺序取两数据Xi与Yi进行画图。若其中仅仅有Xi或Yi是矩阵,其余的为向量,向量维数与矩阵的维数匹配,则按匹配的方向来分解矩阵,再分别将配对的向量画出。
plot(X1,Y1,LineSpec1,X2,Y2,LineSpec2…)
plot(X1,Y1,LineSpec1,X2,Y2,X3,Y3,LineSpec3)
plot(…,'PropertyName',PropertyValue,…)
h = plot(…)
说明
功能
1.线型
表7-1
定义符 | - | -- | : | -. |
线型 | 实线(缺省值) | 划线 | 点线 | 点划线 |
2.线条宽度
指定线条的宽度,取值为整数(单位为像素点)
3.颜色
表7-2
定义符 | R(red) | G(green) | b(blue) | c(cyan) |
颜色 | 红色 | 绿色 | 兰色 | 青色 |
定义符 | M(magenta) | y(yellow) | k(black) | w(white) |
颜色 | 品红 | 黄色 | 黑色 | 白色 |
4.标记类型
表7-3
定义符 | + | o(字母) | * | . | x |
标记类型 | 加号 | 小圆圈 | 星号 | 实点 | 交叉号 |
定义符 | d | ^ | v | > | <</font> |
标记类型 | 棱形 | 向上三角形 | 向下三角形 | 向右三角形 | 向左三角形 |
定义符 | s | h | P | | |
标记类型 | 正方形 | 正六角星 | 正五角星 | | |
5.标记大小
指定标记符号的大小尺寸,取值为整数(单位为像素)
6.标记面填充颜色
指定用于填充标记符面的颜色。取值在上表。
7.标记周边颜色
指定标记符颜色或者是标记符(小圆圈、正方形、棱形、正五角星、正六角星和四个方向的三角形)周边线条的颜色。取值在上表。
在所有的能产生线条的命令中,参数LineSepc可以定义线条的下面三个属性:线型、标记符号、颜色进行设置。对线条的上述属性的定义可用字符串来定义,如:plot(x,y,'-.or')
结合x和y,画出点划线(-.),在数据点(x,y)处画出小圆圈(o),线和标记都用红色画出。其中定义符(即字符串)中的字母、符号可任意组合。若没有定义符,则画图命令plot自动用缺省值进行画图。若仅仅指定了标记符,而非线型,则plot只在数据点画出标记符。
1.2.命令
二、一元线性回归
2.1.命令
多项式y=a1xm+a2xm-1+…+amx+am+1
其中x=(x1,x2,…,xm)x1…xm为(n*1)的矩阵;
y为(n*1)的矩阵;
p=(a1,a2,…,am+1)是多项式y=a1xm+a2xm-1+…+amx+am+1的系数;
S是一个矩阵,用来估计预测误差.
2.2.命令
Y=polyval(p,x)求polyfit所得的回归多项式在x处的预测值Y;
p是polyfit函数的返回值;
x和polyfit函数的x值相同。
2.3.命令
[Y,DELTA]=polyconf(p,x,S,alpha)求polyfit所得的回归多项式在x处的预测值Y及预测值的显著性为1-alpha的置信区间DELTA;alpha缺省时为0.05。
p是polyfit函数的返回值;
x和polyfit函数的x值相同;
S和polyfit函数的S值相同。
2.4
2.5.命令regress多元线性回归(可用于一元线性回归)
b=regress( Y,
[b, bint,r,rint,stats]=regress(Y,X,alpha)
b
bint
r
rint
stats
Y为n*1的矩阵;
X为(ones(n,1),x1,…,xm)的矩阵;
alpha显著性水平(缺省时为0.05)。
三、多元线性回归
3.1.命令
3.2.命令
命令:rstool(x,y,’model’, alpha)
x
y为
model
linear(线性):
purequadratic(纯二次):
interaction(交叉):
quadratic(完全二次):
alpha
返回值beta
返回值rmse剩余标准差
返回值residuals残差
四、非线性回归
4.1.命令
[beta,R,J]=nlinfit(X,Y,’’model’,beta0)
X
Y为
model为自定义函数
beta0为估计的模型系数
beta为回归系数
R为残差
J
4.2.命令
nlintool(X,Y,’model’,beta0,alpha)
X
Y为
model为自定义函数
beta0为估计的模型系数
alpha显著性水平(缺省时为0.05)
4.3.命令
betaci=nlparci(beta,R,J)
beta为回归系数
R为残差
J
返回值为回归系数beta的置信区间
4.4.命令
[Y,DELTA]=nlpredci(‘model’,X,beta,R,J)
Y为预测值
DELTA为预测值的显著性为1-alpha的置信区间;alpha缺省时为0.05。
X
model为自定义函数
beta为回归系数
R为残差
J
五、其它
命令
命令
命令
命令
x(n,:);
x(:,n);
命令
画出残差及其置信区间:rcoplot(r,rint)
glmfit
regstats
regstats(responses,DATA,'model')'
stats = regstats(responses,DATA,'model','whichstats')
'Q'Q from the QR Decomposition of X
'R'R from the QR Decomposition of X
'beta'Regression Coefficients 'covb'Covariance of Regression Coefficients
'yhat'Fitted Values of the Response Data
'r'Residuals
'mse'Mean Squared Error
'leverage'Leverage 'hatmat'Hat (Projection) Matrix 's2_i'Delete-1 Variance 'beta_i'Delete-1 Coefficients 'standres'Standardized Residuals 'studres'Studentized Residuals 'dfbetas'Scaled Change in Regression Coefficients 'dffit'Change in Fitted Values 'dffits'Scaled Change in Fitted Values 'covratio'Change in Covariance 'cookd'Cook's Distance 'all'Create all of the above statistics
命令
命令
命令
命令
命令
命令
命令
命令
命令
命令rnd(随机函数)
命令
命令
命令
命令
命令
命令
命令
命令
命令
命令