A propos des fonctions d'ajustement de courbe
Lorsque vous procédez à un ajustement de courbe, vous ajustez une fonction unique, dans le sens des moindres carrés, au travers de tous les points de données. Cette méthode contraste avec l'interpolation, selon laquelle les fonctions sont ajustées par morceaux entre des points de données adjacents.
Pour analyser vos données de manière plus approfondie ou déterminer si l'utilisation de la régression choisie est adaptée, vous pouvez appliquer d'autres fonctions statistiques pour l'analyse de données.
Régression linéaire et médiane-médiane
• line, slope, intercept, stderr : régression linéaire par la méthode des moindres carrés pour les données et erreur standard associée à la régression linéaire
• medfit : régression de ligne du type médiane-médiane pour les données
Régression de fonction rationnelle et polynomiale
• loess : régression polynomiale localisée
Régression non linéaire
• genfit : régression non linéaire par la méthode des moindres carrés pour les fonctions d'ajustement arbitraire
• expfit : régression exponentielle par la méthode des moindres carrés
• lnfit, logfit : régression logarithmique par la méthode des moindres carrés
• lgsfit : régression d'une courbe logistique par la méthode des moindres carrés
• pwrfit : régression d'une courbe de puissance par la méthode des moindres carrés
• sinfit : régression sinusoïdale par la méthode des moindres carrés
Pour intégrer d'autres informations sur les données ou les paramètres des ajustements ci-dessus, comme l'écart-type des données, les limites des paramètres ou des fonctions de contrainte, utilisez la fonction
LeastSquaresFit pour effectuer un calcul plus détaillé.
Autres fonctions
• linfit : régression par la méthode des moindres carrés pour une combinaison linéaire arbitraire de fonctions