matlab 曲线拟合

曲线拟合(转载:http://blog.sina.com.cn/s/blog_8e1548b80101c9iu.html)

补:拟合多项式输出为str

　　1.poly2str([p],'x')

　　2.

　　　　fn=sprintf('%.16f%s%.16f%s%.16f%s%.16f',p(1),'*x^3+',p(2),'*x^2+',p(3),'*x+',p(4));
　　　　vpa(fn,精度)

补2:字符串拼接

　　1.STR=sprintf('%d%s.....',对应类型的值,对应类型的值);

　　2.strcat('',''..............)

实例：温度曲线问题

气象部门观测到一天某些时刻的温度变化数据为：

t	0	1	2	3	4	5	6	7	8	9	10
T	13	15	17	14	16	19	26	24	26	27	29

试描绘出温度变化曲线。

曲线拟合就是计算出两组数据之间的一种函数关系，由此可描绘其变化曲线及估计非采集数据对应的变量信息。

曲线拟合有多种方式，下面是一元函数采用最小二乘法对给定数据进行多项式曲线拟合，最后给出拟合的多项式系数。

1.线性拟合函数：regress()

调用格式：  b=regress(y,X)

                     [b,bint,r,rint,stats]= regress(y,X)

                     [b,bint,r,rint,stats]= regress(y,X,alpha)

说明：b=regress(y,X)返回X与y的最小二乘拟合值，及线性模型的参数值β、ε。该函数求解线性模型：

y=Xβ+ε

β是p´1的参数向量；ε是服从标准正态分布的随机干扰的n´1的向量；y为n´1的向量；X为n´p矩阵。

bint返回β的95%的置信区间。r中为形状残差，rint中返回每一个残差的95%置信区间。Stats向量包含R²统计量、回归的F值和p值。

例1：设y的值为给定的x的线性函数加服从标准正态分布的随机干扰值得到。即y=10+x+ε ；求线性拟合方程系数。

程序： x=[ones(10,1) (1:10)'];

      y=x*[10;1]+normrnd(0,0.1,10,1);

      [b,bint]=regress(y,x,0.05)

结果：  x =

     1     1

     1     2

     1     3

     1     4

     1     5

     1     6

     1     7

     1     8

     1     9

     1    10

y =

   10.9567

   11.8334

   13.0125

   14.0288

   14.8854

   16.1191

   17.1189