Red de conocimiento informático - Aprendizaje de código fuente - Método de mínimos cuadrados para ajustar funciones exponenciales, problema de ajuste lineal Polyfit de Matlab

Método de mínimos cuadrados para ajustar funciones exponenciales, problema de ajuste lineal Polyfit de Matlab

Método 1

y=[50 40 30 20 10]; t=[55 63 73 100 121]

yp=log(y); p = polifit(t, yp, 1);

b=-p(1)

a=exp(p(2))

yf= a*exp(-b*t);

yf-y

plot(t, y, 'r ', t, yf, 'b-')

legend('punto original', 'línea de ajuste')

Método 2

Ajuste: exp1'.

[xData, yData] = prepareCurveData(t, y);

Establece el tipo de ajuste y las opciones.

ft = fittype( 'exp1' );

opts = fitoptions( ft

opts.StartPoint = [145.2 -0.3]; >

Ajustar un modelo a los datos.

[fitresult, gof] = fit(xData, yData, ft, opts);

Dibuja la relación entre los resultados del ajuste y los datos. t', 'exp1', 'Ubicación', 'Noreste' );

Etiquetas de ejes

xlabel( 't' );

ylabel( 'y). ' );

fitresult

gof

Método 3

y=[50 40 30 20 10 ]';

yp=log(y);

t=[55 63 73 100 121]';

tl=ones(tamaño(t));

t1=[tl t];

p=t1\yp;

b=-p(2)

a=exp(p(1 ))

yf=a*exp(-b*t );

yf-y

plot(t, y, 'r ', t, yf, 'b-')

legend('punto original', 'línea ajustada')

Método 4

regresión