最小覆盖模型matlab_MATLAB进行最小二乘拟合(已知经验模型)
实验内容及要求某类疾病发病率为y‰和年龄段x(每五年为一段,例如0~5岁为第一段,6~10岁为第二段……)之间有形如的经验关系,观测得到的数据表如下:x123456789y0.8982.383.071.842.021.942.222.774.02x10111213141516171819y4.765.466.5310.916.522.535.750.661.681.8实验要求:(1)用最小二乘法确
实验内容及要求
某类疾病发病率为y‰和年龄段x(每五年为一段,例如0~5岁为第一段,6~10岁为第二段……)之间有形如的经验关系,观测得到的数据表如下:
x123456789
y0.8982.383.071.842.021.942.222.774.02
x10111213141516171819
y4.765.466.5310.916.522.535.750.661.681.8
实验要求:
(1)用最小二乘法确定模型中的参数a和b(提示函数:lsqcurvefit,lsqnonlin)。
(2)利用MATLAB画出离散数据及拟合函数图形。
(3)利用MATLAB画出离散点处的误差图,并计算相应的均方误差。
程序源码:tic
x=1:19;%给定的x,y数据
y=[0.898 2.38 3.07 1.84 2.02 1.94 2.22 2.77 4.02 4.76 5.46 6.53 10.9 16.5 22.5 35.7 50.6 61.6 81.8];
a0=[1 1];%设定计算初始值
for i=1:50
a=lsqcurvefit('Modelfun',a0,x,y);
a0=a;
end
y1=a(1)*exp(a(2)*x);
plot(x,y,'o',x,y1);hold on %离散点及拟合函数图形
y2=y1-y;
Jerr=norm(y2,2);%均方差
plot(x,y2,'r-');hold off %误差图
title('离散点、拟合函数及误差图形')
legend('离散点','插值函数','误差');
a0
Jerr
toc
实验结果
①待定参数a和b分别为:0.2369和0.3090
②离散点数据、拟合函数图形如下图:
Elapsed time is 0.696368 seconds.
③离散点处的误差图已经一同画在上图中。且计算出的相应的均方差为:Jerr =8.6553
魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐



所有评论(0)