matlab判断数据趋势

我试用matlab拟合了一下,但是如果要达到比较理想的拟合效果,x的最高幂次方要达到14. 所以我求出来的系数可能不是很准确. 从0次幂到14次幂的系数分为如下： 10^

给你举个例子,思路就是看一列四舍五入后是否有与原始数据相同的元素,因为整数四舍五入后不会变：>>aa=0.72240.97300.43240.17340.060560.00000.649060.000

x=[13.21314.98.27.925.316.016.37.5];>>y=[23242120213930329];>>[R,P]=corrcoef(x,y)R=1.00000.88340.883

用zscore,标准化的目的是：使得平均值为0,标准差为1,这样可以使不同量纲的数据放在一个矩阵.>>A=magic(4)A=16231351110897612414151>>[Z,MU,SIGMA]

可以进行数据拟合,根据误差来判断是什么分布,最好用SAS或者SPSS处理数据

用s函数的变型.A=[...199230199331199432199534199642199748199855199958200062200163200265200365200466];x=A(:,

据我所知,matlab应该没有直接的根据数据判断分布类型的方法或命令.我提供一种思路,不一定有用,仅供参考：1.首先筛选数据可能的概率分布类型.有可能你知道数据的分布类型了,只是不知道其参数；有可能你

推荐这个模型比较好.GeneralmodelExp2:f(x)=a*exp(b*x)+c*exp(d*x)Coefficients(with95%confidencebounds):a=2524(22

a=randperm(10);%a为1~10随意打乱顺序b=[1,3,5,7,9];%b为一组下标数据c=a(b);%将矩阵中对应下标的数据取出,结果存在c矩阵中(c为a矩阵的第[1,3,5,7,9]

举个例子x=randn(100,1);y=randn(100,1);z=x.^2-y.^2;%我这里就随便生成了,你的话假设A就是那个100*3的矩阵,那么就x=A(:,1);y=A(:,2);z=A

错.例如：2100500400050000就不可以.

你好,代码如下：count=0;fori=1:size(x)-2if(0.9*x(i+1)

得用拟合或插值.常用的拟合有多项式拟合POLYFIT插值有INTERP1,SPLINE,LAGR1等.

上面那组好,SSE和RMSE比较小拟合度R接近于1*统计参数模型的拟合优度1.误差平方和（SSE）2.R-Square（复相关系数或复测定系数）3.AdjustedR-Square（调整自由度复相关系

第一组,数据都比较接近,可选用平均数,算出结果是：52.857第二组,有一个200特别大,用中位数,先由小到大排列,63637074768192200,中位数应该是75第三组,数据相差不大,且80特别

提取X的2到8行的第1列

确定啥啊?你自己还是看一下曲线拟合的那个几个函数吧!很简单的!

x1=[.];x2=[.];%x1和x2均为数据矩阵x=[ones(length(x1),1);x1';x2'];y=[.];[b,bint,r,rint,stats]=regress(y,x);%b

这,这是二值函数啊,手动给出一个解吧：y=-2*sgn(x-31);其中sgn是符号函数如果要用连续函数拟合的话,可以用sigmod函数：y=-2/(exp(-x+31.5)+1)+1;

可以用的,而且冗余值越多对于最小二乘拟合越精确（前提是没有坏值）比方说我一个x=1有5个y2,3,4,5,6则把x写为x=[11111]y=[23456]就可以了.程序楼上两位已经给了,借用下.p=p