Kurvenanpassungsfunktionen
Wenn Sie eine Kurvenanpassung vornehmen, führen Sie eine einzige Funktion – im Sinne der Methode der kleinsten Quadrate – durch alle Datenpunkte. Diese Methode unterscheidet sich von der Interpolation, bei der abschnittsweise Funktionen durch angrenzende Datenpunkte geführt werden.
Wenn Sie Ihre Daten weiter analysieren oder ermitteln möchten, wie brauchbar eine gewählte Regression ist, möchten Sie vielleicht andere statistische Funktionen zur Datenanalyse anwenden.
Lineare und Median-Median-Regression
• medfit – Median-Median-Regression für Daten
Polynom- und rationale Funktionsregression
• loess – Lokale Polynomregression
Nichtlineare Regression
• genfit – Nichtlineare Kleinste-Quadrate-Regression für beliebige Ausgleichsfunktionen
• expfit – Exponentielle Kleinste-Quadrate-Regression
• lgsfit – Kleinste-Quadrate-Regression einer logistischen Kurve
• pwrfit – Kleinste-Quadrate-Regression einer Potenzkurve
• sinfit – Kleinste-Quadrate-Regression der Sinusfunktion
Wenn Sie zusätzliche Informationen zu den Daten oder den Parametern der obigen Anpassungen hinzufügen möchten, wie die Standardabweichung der Daten, Grenzen der Parameter oder Bedingungsfunktionen, können Sie die Berechnung mithilfe der Funktion
LeastSquaresFit detaillierter durchführen.
Andere Funktionen
• linfit – Kleinste-Quadrate-Regression für eine beliebige lineare Kombination von Funktionen
• multidfit – Allgemeine multivariate Anpassung