Quando si esegue il curve fitting, una singola funzione, nel senso dei minimi quadrati, viene adattata in corrispondenza di tutti i punti dati. Questo metodo è in contrasto con l'interpolazione, con la quale le funzioni a pezzi si adattano ai punti dati adiacenti.
Per analizzare ulteriormente i dati o per determinare l'appropriatezza della regressione scelta, è possibile applicare ulteriori funzioni statistiche per l'analisi dei dati.
Regressione lineare e mediana-mediana
• line, slope, intercept, stderr - Restituiscono la regressione lineare ai minimi quadrati per i dati e l'errore standard associato alla regressione lineare.
• medfit - Restituisce la regressione mediana-mediana per i dati.
Regressione di funzione polinomiale e razionale
• loess - Restituisce la regressione polinomiale locale.
• genfit - Restituisce la regressione non lineare ai minimi quadrati per funzioni di fit arbitrarie.
• expfit - Restituisce la regressione esponenziale ai minimi quadrati.
• lnfit, logfit - Restituiscono la regressione logaritmica ai minimi quadrati.
• lgsfit - Restituisce la regressione della curva logistica ai minimi quadrati.
• pwrfit - Restituisce la regressione della curva di potenza ai minimi quadrati
• sinfit - Restituisce la regressione sinusoidale ai minimi quadrati.
Se si desidera includere ulteriori informazioni sui dati o sui parametri dei fit sopra descritti, ad esempio una deviazione standard nei dati, limiti per i parametri o funzioni di vincolo, è consigliabile utilizzare la funzione LeastSquaresFit, che consente di eseguire il calcolo in modo più dettagliato.
Altre funzioni
• linfit - Restituisce la regressione ai minimi quadrati per una combinazione lineare arbitraria di funzioni.