函數 > 數據分析 > 曲線擬合 > LeastSquaresFit 與信心函數
LeastSquaresFit 與信心函數
LeastSquaresFit(vx, vy, F, guess, conf, [Stdy], [LBUB], [Acc]) - 針對信心水準 conf,傳回數據 vxvy 的非線性擬合函數 F 之參數及其信心限制,對於精確度 Acc 的可接受參數值,使用選用的標準差 Stdy 以及選用的下限與上限。
LeastSquaresFit 函數輸出的第一欄包含擬合參數的值。其餘兩欄包含參數之信心區間的左右邊界。
若使用多個選用引數,這些引數必須以上述相對順序指定。
confidence(vx, vy, F, b, conf) - 傳回數據 vxvy 之擬合函數 F(x, b) 的參數 b 所使用的信心限制。
confidence 函數輸出的第一欄包含每個參數值的變異數。第二欄的第一個元素包含用以計算區間的 T-測試百分點函數值。第二欄中的其餘的元素為零。
為求每個參數之信心區間的上下限,您可以從參數值向量,加減 confidence 函數輸出的第一欄。
引數
vx, vy 是長度相同之實數數據值的向量,分別對應至數據集中的 xy 值。
F(x, b) 是含有任意數目參數之一個變數 b 的擬合函數。
參數的數目不可超過 vx 的長度。
您必須先定義函數 F,再呼叫 LeastSquaresFitconfidence
您可以透過 b 作為向量,或透過函數引數清單中的一系列純量變數,指定函數 F(x, b)
輸入擬合函數引數時,僅會寫入擬合函數的名稱 (寫入 F 而非 F(x, b))。
guess 是估值向量,其中每一個估值各表示一個參數。
conf 是所需的信心限制,並以介於 0 與 1 (含) 之間的數字所表示的百分比表示。
Stdy (選用) 是 y 中的標準差向量。Stdy 的長度必須與 vy 相同。
LBUB (選用) 是對參數設定上下邊界的兩欄式矩陣,共 m + n 列。
Acc (選用) 是收斂精度。Acc 的預設值為 10–7
b 是實數向量,與擬合函數 F 的參數值相對應。
這是否有幫助?