rcoplot(r,rint)函数使用来画 regress()拟合后的数据残差图的, r和rint是regress()的两个返回值。r代表残差,rint代表各个数据点相应的95%置信区间。 *** 作方法如下:
1、首在matlab中regress()函数可以进行掘陆搭回归分析,regress()函数主要用于线性回归方法如下。
2、对含常数项的一元回归模型,可将X变为n-2矩阵,其中第一列全为1。
3、相关系数r^2越大,悉宴说明回归判拿方程越显著;与F对应的概率P<alpha时候拒绝H0,回归模型成立。
4、用该函数求得的一个多元线性函数方法代码,x1-x4都是用xlsread()函数读取表格信息方法。
5、最后ones(size(x))是一列与数据组数等长的单位列向量,目的是产生常数项。
说多了都是虚幻,祈祷能坚持下去吧,因为坚持才是世界上最痛苦的事情。来点实际的吧:MatLab实现数据分布拦弯羡检验的程序function f=p_judge(A,alpha)% 本程序用于判别所给数据源在置信率为0.05时的概率分布形式。A的形式为n×1。A=A(:)[mu,sigma]=normfit(A)p1=normcdf(A,mu,sigma)[H1,s1]=kstest(A,[A,p1],alpha)n=length(A)if H1==0disp('该数据源服从正态分布。')elsedisp('该数据源不服从正态分布。')endphat=gamfit(A,alpha)p2=gamcdf(A,phat(1),phat(2))[H2,s2]=kstest(A,[A,p2],alpha)if H2==0disp('该数据源服从γ分布。')elsedisp('该数据简拍源不服从γ分布。')endlamda=poissfit(A,alpha)p3=poisscdf(A,lamda)[H3,s3]=kstest(A,[A,p3],alpha)if H3==0disp('该数据源服从泊松分布。')elsedisp('该数据源不服从泊松分布。')endmu=expfit(A,alpha)p4=expcdf(A,mu)[H4,s4]=kstest(A,[A,p4],alpha)if H4==0disp('该数据源服从指数分布。')elsedisp('该数据源不服从指数分布。'闹迹)end[phat, pci] = raylfit(A, alpha)[H5,s5]=kstest(A,[A,p5],alpha)if H5==0disp('该数据源服从rayleigh分布。')elsedisp('该数据源不服从rayleigh分布。')end欢迎分享,转载请注明来源:内存溢出
评论列表(0条)