实验9 人口预测与数据拟合（最小二乘法）

最小二乘法数学原理请参考：多元函数及其微分法






这个在前面的三次样条插值部分已经接触过了。只不过在二者侧重有所不同。
数据插值的部分使用三次样条插值重点是：将所有数据进行分块处理，使曲线变得光滑，且可以避免一些龙格的问题。
最小二叉树重点是：对所有数据直接处理，使曲线对所有已知的数据点进行处理，目的只有使曲线与数据的误差更小，但是随着自定义的经验公式的影响，某些情况下可能会误差理论上对测量的数据小但对现实的情形大，更类似于一般的多项式插值。

分别拟合3次和6次多项式曲线，并分析该组数据的总体发展趋势。

clear;close all;clc;
x=0:0.1:1;
y=[-0.4471	1.978	3.28	6.16	7.08	7.35	7.66	9.56	9.48	9.3	11.2];
plot(x,y,'k.','markersize',25);% 绘制数据点
p=polyfit(x,y,3);% 针对数据点，计算三次多项式基函数1,x,x^2,x^3的系数
p1=polyfit(x,y,6);% 针对数据点，计算三次多项式基函数1,x,x^2,x^3,x^4,x^5,x^6的系数
t=0:0.01:1.2;
s<