matlab 分段线性拟合,分段线性插值的matlab实现用matlab实现分段线性插值不需要编制 .ppt...

多元二项式回归多元二项式回归可用命令其中输入数据分别为矩阵和维列向量为显著性水平缺省时为由下列个模型中选择个用字符串输入缺省时为线性模型线性纯二次交叉命令产生一个交互式画面画面中有个图形这个图形分别给出了一个独立变量另个变量取固定值与的拟合曲线以及的置信区间可以通过键入不同的的值来获得相应的值图的左下方有两个下拉式菜单一个菜单用以向工作区传送数据包括回归系数剩余标准差残差另一个菜单用以在上述个模型中选择可以分别选个模型并比较它们的剩余标准差其中最接近于的模型是最好的我们再作一遍例商品销售量与价格

(2)多元二项式回归 多元二项式回归可用命令：rstool(x,y,model,alpha)。其中，输入数据x、y分别为n×m矩阵和n维列向量；alpha为显著性水平(缺省时为0.05)；model由下列4个模型中选择1个(用字符串输入，缺省时为线性模型)： linear(线性)： y = b0 + b1x1 +....+ bmxm ； purequadratic(纯二次)： y = b0 + b1x1 +....+ bmxm + interaction(交叉)： y = b0 + b1x1 +....+ bmxm + 命令rstool产生一个交互式画面，画面中有m个图形，这m个图形分别给出了一个独立变量xi(另m-1个变量取固定值)与y的拟合曲线，以及y的置信区间。可以通过键入不同的xi的值来获得相应的y值。 图的左下方有两个下拉式菜单，一个菜单Export用以向Matlab工作区传送数据，包括beta(回归系数)、rmse(剩余标准差)、residuals(残差)。另一个菜单model用以在上述4个模型中选择。可以分别选4个模型，并比较它们的剩余标准差，其中最接近于0的模型是最好的。 我们再作一遍例8商品销售量与价格问题，选择纯二次模型，即 y = b0 + b1* x1 + b2*x2 + b3*x12 + b4* x22 。 编程如下： x1=[120 140 190 130 155 175 125 145 180 150] ' ; x2=[100 110 90 150 210 150 250 270 300 250] ' ; y=[102 100 120 77 46 93 26 69 65 85] ' ; x=[x1 x2]; rstool(x,y, ' purequadratic ' ) 得到一个交互式画面，给出两幅图形。左边图形是x1固定时的曲线y(x1)及其置信区间，右边图形是x2固定时的曲线y(x2)及其置信区间。用鼠标移动图中的十字线，或在图下方窗口内输入，可改变x1、x2。画面左边给出y的预测值即其置信区间，用这种画面可以回答例8提出的“若谋市本厂产品售价160(元)，竞争对手售价170(元)，预测商品在该市的销售量”问题。 在画面左下方的下拉式菜单Export中选择“all”，则beta、rmse和residuals都传送到Matlab工作区中。在Matlab工作区中输入命令： beta,rmse 得到结果：beta=-312.5871 7.2701 -1.7337 -0.0228 0.0037 rmse=16.6436 如果在另一菜单model选择其它多元二项式模型，比较它们的剩余标准差就会发现，本例的所选模型的 rmse=16.6436最小。 注：本例中的模型亦可化为多元线性回归来做。请读者自己编程并比较结果。 3 非线性回归 非线性回归可用命令nlinfit,nlintool,nlparci,nlpredci来实现。命令格式如下： 回归：回归可用命令[beta,r,J]=nlinfit(x,y,model,beta0)或者nlintool(x,y,model,beta0,alpha)来实现。其中命令[beta,r,J]=nlinfit(x,y,model,beta0)的作用为确定回归系数；而命令nlintool(x,y,model,beta0,alpha)产生一个交互式的画面，画面中有拟合曲线和y的置信区间。通过 左下方的Export下拉式菜单，可以输出回归系数等。 某些非线性回归也可化为多元线性回归来解。 例10 在研究化学动力学反应过程中，建立了一个反应速度和反应物含量的数学模型，形式为 其中 b1 ，…，b5 式未知系数， x1 , x2 , x3 是三种反应物(氢，n戊烷，异构戊烷)的含量， y 是反应速度。今测的一组数据如下表，试由此确定参数 b1 ，…， b5 ，并给出置信区间。 b1 ，…， b5 的参考值为(0.1,0.05,0.02,1,2)。 序号 反应速度y 氢x1 n戊烷x2 异构戊烷x3 1 8.55 470 300 10 2 3.79 285 80 10 3 4.82 470 300 120 4 0.02 470