Сведения о функциях для аппроксимации кривых
При осуществлении аппроксимации кривой проводится подгонка одиночной функции по всем точкам данных методом наименьших квадратов. Этот метод отличается от интерполяции, при которой кусочные функции подгоняются по смежным точкам данных.
Для дальнейшего анализа данных или определения приемлемости выбранной регрессии может понадобиться применить другие статистические функции, предназначенные для анализа данных.
Линейная и медиан-медианная регрессия
• line, slope, intercept, stderr — линейная регрессия по методу наименьших квадратов для данных и среднеквадратическая ошибка, связанная с линейной регрессией.
• medfit — медиан-медианная линейная регрессия для данных.
Полиномиальная регрессия и регрессия рациональной функции
• loess — локализованная полиномиальная регрессия.
Нелинейная регрессия
• genfit — нелинейная регрессия по методу наименьших квадратов для произвольных функций подгонки.
• expfit — экспоненциальная регрессия по методу наименьших квадратов.
• lnfit, logfit — логарифмическая регрессия по методу наименьших квадратов.
• lgsfit — регрессия логистической кривой по методу наименьших квадратов.
• pwrfit — регрессия кривой мощности по методу наименьших квадратов.
• sinfit — синусоидальная регрессия по методу наименьших квадратов.
Если необходимо включить дополнительную информацию о данных или параметрах для любой из указанных выше аппроксимаций, таких как среднеквадратическое отклонение данных, границы параметров или функции ограничения, следует использовать функцию
LeastSquaresFit для проведения более детальных расчетов.
Другие функции
• linfit — регрессия по методу наименьших квадратов для произвольной линейной комбинации функций.