函数 > 数据分析 > 曲线拟合 > LeastSquaresFit 和 confidence 函数
LeastSquaresFit 和 confidence 函数
LeastSquaresFit(vx, vy, F, guess, conf, [Stdy], [LBUB], [Acc]) - 返回数据 vxvy 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 vxvy 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 LeastSquaresFitconfidence 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。
这对您有帮助吗?