姜启源 数学建模 第十章 牙膏的销售量Matlab代码

x1=[-0.05;0.25;0.60;0;0.25;0.20;0.15;0.05;-0.15;0.15;0.20;0.10;0.40;0.45;0.35;0.30;0.50;0.50;0.40;-0.05;-0.05;-0.10;0.20;0.10;0.50;0.60;-0.05;0;0.05;0.55];

y=[7.38;8.51;9.52;7.50;9.33;8.28;8.75;7.87;7.10;8.00;7.89;8.15;9.10;8.86;8.90;8.87;9.26;9.00;8.75;7.95;7.65;7.27;8.00;8.50;8.75;9.21;8.27;7.67;7.93;9.26];

qq=polyfit(x1,y,1);%qq= polyfit(x1,y,n) 返回次数为 n 的多项式 qq(x) 的系数，该阶数是 y 中数据的最佳拟合（在最小二乘方式中）。

y1=polyval(qq,x1);%y = polyval(qq,x1) 计算多项式 y1 在 x 1的每个点处的值。

plot(x1,y1,x1,y,'ro')%plot(X,Y) 创建 Y 中数据对 X 中对应值的二维线图。

%图1:Y对X1的散点图

x1=[-0.05;0.25;0.60;0;0.25;0.20;0.15;0.05;-0.15;0.15;0.20;0.10;0.40;0.45;0.35;0.30;0.50;0.50;0.40;-0.05;-0.05;-0.10;0.20;0.10;0.50;0.60;-0.05;0;0.05;0.55];

x2=[5.50;6.75;7.25;5.50;7.00;6.50;6.75;5.25;5.25;6.00;6.50;6.25;7.00;6.90;6.80;6.80;7.10;7.00;6.80;6.50;6.25;6.00;6.50;7.00;6.80;6.80;6.50;5.75;5.80;6.80];

y=[7.38;8.51;9.52;7.50;9.33;8.28;8.75;7.87;7.10;8.00;7.89;8.15;9.10;8.86;8.90;8.87;9.26;9.00;8.75;7.95;7.65;7.27;8.00;8.50;8.75;9.21;8.27;7.67;7.93;9.26];

qq=polyfit(x2,y,2);

x3=5.25:0.05:7.25;

y2=polyval(qq,x3);

plot(x2,y,'ro',x3,y2)

%图2:Y对X2的散点图

x4=[ones(30,1),x1,x2,x2.^2];

[b,bint,r,rint,stats]=regress(y,x4)%[b,bint,r,rint,stats] = regress(y,X) 还返回向量 stats，其中包含 R2 统计量、F 统计量及其 p 值，以及误差方差的估计值。
%矩阵 X 必须包含一个由 1 组成的列，以便软件正确计算模型统计量。

%表2

x5=[ones(30,1),x1,x2,x2.^2,x1.*x2];

[b,bint,r,rint,stats]=regress(y,x5)%[b,bint,r,rint,stats] = regress(y,X) 还返回向量 stats，其中包含 R2 统计量、F 统计量及其 p 值，以及误差方差的估计值。
%矩阵 X 必须包含一个由 1 组成的列，以便软件正确计算模型统计量。

%表3

x1=[-0.05;0.25;0.60;0;0.25;0.20;0.15;0.05;-0.15;0.15;0.20;0.10;0.40;0.45;0.35;0.30;0.50;0.50;0.40;-0.05;-0.05;-0.10;0.20;0.10;0.50;0.60;-0.05;0;0.05;0.55];

ytu3=17.3244+1.307*x1+(-3.6956)*6.5+0.3486*6.5*6.5;

plot(x1,ytu3)

grid on

%图3

x1=[-0.05;0.25;0.60;0;0.25;0.20;0.15;0.05;-0.15;0.15;0.20;0.10;0.40;0.45;0.35;0.30;0.50;0.50;0.40;-0.05;-0.05;-0.10;0.20;0.10;0.50;0.60;-0.05;0;0.05;0.55];

ytu4=29.1133+11.1342*x1+(-7.608*6.5)+0.6712*6.5*6.5+(-1.4777)*6.5*x1;

plot(x1,ytu4)

grid on

%图4

x2=[5.50;6.75;7.25;5.50;7.00;6.50;6.75;5.25;5.25;6.00;6.50;6.25;7.00;6.90;6.80;6.80;7.10;7.00;6.80;6.50;6.25;6.00;6.50;7.00;6.80;6.80;6.50;5.75;5.80;6.80];

ytu5=17.3244+1.307*0.2+(-3.6956)*x2+0.3486*x2.*x2;

hh=polyfit(x2,ytu5,2);

xtu5=5.25:0.05:7.25;

ytu51=polyval(hh,xtu5);

plot(xtu5,ytu51)

grid on

%图5

x2=[5.50;6.75;7.25;5.50;7.00;6.50;6.75;5.25;5.25;6.00;6.50;6.25;7.00;6.90;6.80;6.80;7.
10;7.00;6.80;6.50;6.25;6.00;6.50;7.00;6.80;6.80;6.50;5.75;5.80;6.80];
ytu6=29.1133+11.1342*0.2+(-7.608*x2)+0.6712*x2.*x2+(-1.4777)*x2*0.2;
hh=polyfit(x2,ytu6,2);
xtu6=5.25:0.05:7.25;
ytu61=polyval(hh,xtu6);
plot(xtu6,ytu61)
grid on
%图6

x2=[5.50;6.75;7.25;5.50;7.00;6.50;6.75;5.25;5.25;6.00;6.50;6.25;7.00;6.90;6.80;6.80;7.
10;7.00;6.80;6.50;6.25;6.00;6.50;7.00;6.80;6.80;6.50;5.75;5.80;6.80];
xtu7=sort(x2);
ytu7=30.2267-7.7558*xtu7+0.6712*xtu7.^2;
plot(xtu7,ytu7)
grid on
hold on
ytu8=32.4535-8.0513*xtu7+0.6712*xtu7.^2;
plot(xtu7,ytu8)
hold off
%图7

x1=[-0.05;0.25;0.60;0;0.25;0.20;0.15;0.05;-0.15;0.15;0.20;0.10;0.40;0.45;0.35;0.30;0.50;0.50;0.40;-0.05;-0.05;-0.10;0.20;0.10;0.50;0.60;-0.05;0;0.05;0.55];
x2=[5.50;6.75;7.25;5.50;7.00;6.50;6.75;5.25;5.25;6.00;6.50;6.25;7.00;6.90;6.80;6.80;7.10;7.00;6.80;6.50;6.25;6.00;6.50;7.00;6.80;6.80;6.50;5.75;5.80;6.80];
xtu8=[x1,x2];
y=[7.38;8.51;9.52;7.50;9.33;8.28;8.75;7.87;7.10;8.00;7.89;8.15;9.10;8.86;8.90;8.87;9.26;9.00;8.75;7.95;7.65;7.27;8.00;8.50;8.75;9.21;8.27;7.67;7.93;9.26];
rstool(xtu8,y,'quadratic')
%图8