stats计算的结果,分别表示复相关系数r^2=0.9914,检验回归方差显著性的统计量F=345.6401,对应所得F统计量的概率P=0.003,估计误差方差=0.1172。 r^2越接近1,回归效果越显著;p<0.05表明方程成立。 rcoplot(r,rint)%残差图制作,红色表示异常点(不经过x=0) 1. 预测及作图 z=b(1)+b(2)*xplot(x,Y,'k+',...
y1=fun(a,x); %调用已知拟合函数，求出y1值 s1=(y-y1).^2;S1=sum(s1)y_ave=mean(y);s2=(y-y_ave).^2;S2=sum(s2)RR2=1-S1/S2
用regress吧，例如 x=[1,2.5,5,7,9];y=[3,6.2,11,15,18.9];format long p=polyfit(x,y,1)[B,BINT,R,RINT,STATS] = regress(y',[x; ones(size(x))]')结果：p = 1.978909952606635 1.123341232227488 B = 1.978909952606635 1.123341232227488 BINT = 1.930553149300408 ...
MATLAB线性回归方程与非线性回归方程的相关计算 每次比赛都需要查一下,这次直接总结到自己的博客中。 以这个为例子: 2.线性方程的相关计算 x=[1,2,3,4,5]';%参数矩阵 X=[ones(5,1),x];%产生一个5行一列的矩阵,后接x矩阵 Y=[3.95,5.23,7.6,9.48,11.89]'; [b,bint,r,rint,stats]=regress(Y,X...