MATLAB回归分析

最新推荐文章于 2023-07-23 21:59:29 发布

原创

最新推荐文章于 2023-07-23 21:59:29 发布 · 1.1k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#MATLAB #拟合 #多项式拟合 #线性拟合 #多元线性拟合

本文详细介绍了如何在MATLAB中进行一元和多元线性回归分析，包括理论建模、举例说明、结果检验和逐步回归的步骤。通过实例展示了数据的线性关系，并强调了模型检验的重要性，如相关系数、F检验和残差分析。同时，介绍了逐步回归的选择过程，以优化模型中的变量选择。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一元回归

命令	说明
p=polyfit(x,y,n)	对x、y进行n阶幂函数的拟合 $p(x)=p1xn+p2xn−1+⋯+pnx+pn+1p(x)=p_1x^n+p_2x^{n-1}+ \dots+p_nx+p_{n+1}$
[p,S]=polyfit(x,y,n)	结构体S可用作polyval的输入来获取误差估计值
[p,S,mu]=polyfit(x,y,n)	返回的mu(1)为mean(x)；mu(2)为std(x)

举例

x = [10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25];
y = [19 24 18 25 20 28 37 40 30 20 15 26 23 17 14 17];
plot(x,y,'*');
hold on
y1 = polyfit(x,y,1);
f1 = poly2sym(y1);
y2 = polyfit(x,y,2);
f2 = poly2sym(y2);
y3 = polyfit(x,y,3);
f3 = poly2sym(y3);
fplot(f1,'r');
fplot(f2,'b');
fplot(f3,'k');
axis([10 25 10 45]);