LeastSquaresFit 和 confidence 函数
• LeastSquaresFit(vx, vy, F, guess, conf, [Stdy], [LBUB], [Acc]) - 返回数据 vx 和 vy 的非线性拟合函数 F 的参数及其置信限，置信度为 conf，可选标准差为 Stdy，可选上下界为可接受的参数值，精度为 Acc。
LeastSquaresFit 函数输出的第一列包含拟合参数的值。其余两列包含参数置信区间的左右边界。
如果使用多个可选自变量，则必须按如上所示的相对顺序进行指定。
• confidence(vx, vy, F, b, conf) - 返回数据 vx 和 vy 的拟合函数 F(x, b) 在参数 b 上的置信限。
confidence 函数输出的第一列包含有关每个参数的值的方差。第二列的第一个元素包含用来计算区间的 t 分布的百分点函数值。第二列的其余元素为零。
为了查找每个参数置信区间的下限或上限，可以从参数值的矢量减去或加上 confidence 函数输出的第一列。
自变量
• vx, vy 为长度相同的实数据值矢量，分别与数据集中的 x 值和 y 值相对应。
• F(x, b) 为拟合函数，由一个变量与任意参数数 b 组成。
◦ 参数数不能超过 vx 的长度。
◦ 调用 LeastSquaresFit 或 confidence 之前必须定义函数 F。
◦ 可以使用 b 作为矢量，或使用函数的自变量列表中的一系列标量变量来指定函数 F(x, b)。
◦ 输入拟合函数自变量时，仅写入拟合函数的名称 (写入 F 而非 F(x, b))。
• guess 为估值矢量，每个参数具有一个估值。
• conf 是所需的置信限，以介于 0 和 1 (包含 0 和 1) 之间的百分比表示。
• Stdy (可选) 是 y 中标准差的矢量。Stdy 的长度必须与 vy 相同。
• LBUB (可选) 是参数上下界的两列矩阵，具有 m + n 行。
• Acc (可选) 为收敛精度。Acc 的默认值为 10–7。
• b 为实数值矢量，与拟合函数 F 的参数值相对应。