Протестируйте, насколько хорошо данные смоделированы линейной, квадратичной или экспоненциальной функцией.
1. Задайте набор данных.
2. Запишите столбец 0 и столбец 1 в отдельные векторы.
Линейная аппроксимация
1. Используйте функции
intercept и
slope, чтобы получить значения для отрезка, отсекаемого на оси, и наклона.
2. Постройте график линейной аппроксимирующей функции LF вместе с X и Y.
Квадратичная аппроксимация
1. Задайте порядок полинома.
2. Используйте функцию
polyfit для расчета аппроксимирующей функции.
◦ В предыдущих версиях этого примера использовалась устаревшая функция regress для получения матрицы коэффициентов, передаваемой затем в функцию interp для получения аппроксимирующей функции.
◦ Функция polyfit, рекомендуемая как замена устаревшей функции regress, возвращает аппроксимирующую функцию, и поэтому больше нет необходимости использовать функцию
interp.
◦ В качестве эксперимента измените значение степени полинома, чтобы увидеть соответствующее изменение аппроксимирующей функции, как показано на графике ниже.
3. Постройте график квадратичной аппроксимирующей функции QF.
Экспоненциальная аппроксимация
Экспоненциальная аппроксимирующая функция представлена выражением:
1. Укажите начальные приближения для параметров a, b и c.
2. Определите вектор приближения.
3. Используйте функцию
expfit для расчета трех коэффициентов экспоненциальной кривой.
4. Постройте график экспоненциальной аппроксимирующей функции EF.
5. Просмотрите три графика, чтобы увидеть, насколько хорошо аппроксимирующая модель подогнана к данным.
