matlab数据拟合回归分析 PPT课件

内容Р回归分析? 线性: [b, bint, r, rint, stats] = regress(Y, X, alpha)? 多元二项式回归:rstool (x,y, 'model',alpha)? 逐步回归:stepwise (x,y,inmodel,penter,premove)?常用函数拟合? 1、多项式拟合:P=polyfit(x,y,n)? 2、函数线性组合的曲线拟合方法? 3、最小二乘曲线拟合:РX=lsqcurvefit (FUN,X0,XDATA,YDATA,LB,UB,OPTIONS)Р直线拟合:?a=polyfit(x,y,1),?b=polyfit(x,z,1),Р同一条直线 y=0.33x+0.96(z=0.33x+0.96)Р从拟合到回归Рx=[ 0 1 2 3 4 ], y=[ 1.0 1.3 1.5 2.0 2.3 ] ( + 号)?x=[ 0 1 2 3 4 ], z=[ 0.6 1.95 0.9 2.85 1.8 ](*号)Р问题:你相信哪个拟合结果?怎样给以定量评价?Р得到?a= 0.33 0.96?b= 0.33 0.96Р一、数学模型Р例1 测16名成年女子的身高与腿长所得数据如下:Р以身高x为横坐标,以腿长y为纵坐标将这些数据点(xI,yi)在平面直角坐标系上标出.Р散点图Р解答Р一元线性回归分析的主要任务是:Р返回Р二、模型参数估计Р1、回归系数的最小二乘估计Р其中РåРåР=Р=Р=Р=РnРiРiРnРiРiРyРnРyРxРnРxР1Р1Р1Р,Р1Р,РåРåР=Р=Р=Р=РnРiРiРiРnРiРiРyРxРnРxyРxРnРxР1Р1Р2Р2Р1Р,Р1Р.Р(Ⅰ)F检验法Р(Ⅱ)t检验法Р(Ⅲ)r检验法