用Matlab作线性回归

1. 用Matlab作线性回归

x=[
1.99 2.00 1.00;
11.43 14.76 12.86;
44.29 50.00 50.00;
72.86 81.43 75.71;
87.61 89.51 87.61;
93.33 92.86 94.29];

day=[1:6]'; %天数

%这里我想，应当是想得到发芽率与天数的关系，而跟组无关
%所以这里我将它们横向求平均。求出每天的平均出芽率

xx=sum(x,2)/size(x,2);

A=[day,ones(size(day))];
c=A\xx;

k=c(1);
b=c(2);
yy=k*day+b;

plot(day,xx,'r*',day,yy)
%红色的*点，是平均出芽率与天数的关系
%线是拟合出来的


%=====================================
%那我就拿第一组做试验
%实际上就是将xx=sum(x,2)/size(x,2)
%这句改成xx=x(:,1);  
%第二组，你就改成xx=x(:,2);


x=[
1.99 2.00 1.00;
11.43 14.76 12.86;
44.29 50.00 50.00;
72.86 81.43 75.71;
87.61 89.51 87.61;
93.33 92.86 94.29];

day=[1:6]'; %天数
xx=x(:,1);
A=[day,ones(size(day))];
c=A\xx;

k=c(1);
b=c(2);
yy=k*day+b;

plot(day,xx,'r*',day,yy)

2. matlab线性回归

n=[1.5464 1.5227 1.5092 1.4998]

λ=[404.7 435.8 546.1 577.0]

D=λ^2
D=【                 】
E=inv(D)
设L=n-a
b=L/D
b=(n-a)/D    b=n/D-a/D            

或者 n＊（λ^2）=a＊（λ^2）+b     
         令Q=n＊（λ^2）
     Q=a＊λ^2+b  
        Q已知，λ^2已知， b=Q-a＊λ^2

你的系数加哪个位置的，可以继续参考解下来

3. 如何用matlab进行逐步回归法分析

1、首先打开matlab软件。

2、创建一个自己需要使用的数学模型，如图所示。

3、根据传递函数，绘制根轨迹图。

4、得到根轨迹图，利用rlocfind函数计算用户选定点的增益和其它闭环极点。

5、进行根轨迹分析，如图所示。

6、在逐步回归法分析工具界面查看它的bode图。

4. 如何用matlab进行逐步回归法分析

1、首先打开matlab软件。

2、创建一个自己需要使用的数学模型，如图所示。

3、根据传递函数，绘制根轨迹图。

4、得到根轨迹图，利用rlocfind函数计算用户选定点的增益和其它闭环极点。

5、进行根轨迹分析，如图所示。

6、在逐步回归法分析工具界面查看它的bode图。

5. matlab多元线性回归

y=[320 320 160 710 320 320 320 160 710 320];
x1=[2.3 1.7 1.3 1.7 1.7 1.6 1 1.7 1.7 1.7];
x2=[2.3 1.7 1.7 1.6 1.7 1.7 1 1.7 1.7 1.7];
x3=[2.3 1.7 1.3 1.7 1.7 1.7 2 1.7 1.7 1.7];
x4=[2.3 1.7 1.7 1.7 1.7 1.7 1 1.7 1.8 2.7];
x5=[2.3 1.7 1.7 1.3 1.7 1.4 1 1.7 1.7 1.7];
x6=[2.3 1.7 1.7 1.7 1.5 1.7 1 1.7 1.7 1.7];
x7=[2.3 1.7 1.7 1.7 1.7 1.4 1 1.7 1.7 1.7];
x8=[2.3 1.7 1.7 1.7 1.7 1.7 1 1.7 1.7 1.7];
x9=[2.3 1.7 1.7 1.4 1.7 1.7 1 1.7 1.7 1.7];
x10=[2.3 1.7 1.7 1.7 1.5 1.7 1 1.7 1.7 1.7];
X=[ones(length(y),1) x1' x2' x3' x4' x5' x6' x7' x8' x9' x10'];
A=X\y';
a0=A(1);
a1=A(1);
a2=A(2);
a3=A(3);
a4=A(4);
a5=A(5);
a6=A(6);
a7=A(7);
a8=A(8);
a9=A(9);
a10=A(10);

6. matlab 画图 多元线性回归分析

Matlab中统计工具箱用命令regress实现多元线性回归，用的方法是最小二乘法，基本用法是：
b=regress(Y,X)
Y,X是因变量和自变量，b为回归系数的估计值。
当然，也可以让结果更详细，这个你可以自己查看帮助文档  doc  regress
这里使用：
[b,bint,r,rint,stats]=regress(Y,X)
其中，bint为回归系数的置信区间，r,rint为残差及其置信区间，stats为计算回归模型的统计量。

所以，设房屋销售均价为Y，其余四个变量分别为X1,X2,X3,X4
则代码如下：
 clc clear x=[]; Y=[]; X=[ones(length(x),1),x]; [b,bint,r,rint,stats]=regress(Y,X,0.05)X,Y的数据你填进去就可以了。

7. 知道一组数据，如何用matlab的线性回归和线性拟合求出两者的关系函数，求代码？

1、用matlab的线性回归求函数关系，可以用regress函数。
x=[2010 2011 2012 2013 2014 2015 2016 2017]';y=[10.70 9.60 7.83 7.78 7.40 6.93 6.73 6.88]';
X=[x x.^2 x.^3];
a= regress(y,X);
2、用matlab的线性拟合求函数关系，可以用lsqcurvefit函数。
fun=@(a,x)a(1)*x+a(2)*x.^2++a(3)*x.^3
x0=[230  -0.3  0];
a = lsqcurvefit(fun,x0,x,y);
3、线性函数方程，y=231.3102056*x-0.2294924531*x²+0.00005692307356*x³
4、运行结果

8. matlab求二元线性回归

clc,clear
x=[1 2 3 4 5 6];
y=[1 4 9 16 25 36];
z=[9.982 10.324 10.720 10.934 11.125 11.282];
X=[ones(length(z),1),x',y'];
z=z';
[b,bint,r,rint,stats]=regress(z,X);
b%所求的系数

结果最终是：z=0.4786x-0.0312y+9.5253