La primera pregunta de mi tarea de MATLAB

Supongamos que hay un conjunto de tipos de datos y=y(x), donde x={0, 1, 2, 3, 4, 5}, y={0, 20, 60, 68, 77, 110} Si queremos aproximar este conjunto de datos con la ecuación más simple, debe ser una ecuación lineal de primer orden. Primero, trace este conjunto de datos de la siguiente manera. La línea oblicua en la figura es una ecuación que usamos para representar estos datos asumiendo aleatoriamente una ecuación lineal de primer orden y = 20x. Las instrucciones de MATLAB para el gráfico anterior se enumeran a continuación y se calcula la suma de los errores cuadrados entre el valor y de esta ecuación lineal y el valor y de los datos originales. >> x=) >> plot(x,y1,x,y,'o'), title('Estimación lineal'), grid Tal suposición arbitraria de una ecuación lineal no tiene base si la establece otra persona. Es posible utilizar diferentes ecuaciones lineales, por lo que necesitamos tener una forma más precisa de determinar la ecuación lineal ideal. Podemos exigir que la suma de los errores cuadrados sea mínima como criterio para determinar la ecuación lineal ideal. Este método se llama error de mínimos cuadrados o regresión lineal. La función polyfit de MATLAB proporciona un método de regresión desde polinomios de primer orden a polinomios de alto orden. Su sintaxis es polyfit(x,y,n), donde x,y son el grupo de datos de entrada yn es el orden del polinomio. es el método de regresión lineal de primer orden. El polinomio establecido por la función polyfit se puede escribir como El valor de salida obtenido de la función polyfit son los coeficientes mencionados anteriormente. Tomando como ejemplo la regresión lineal de primer orden, n = 1, por lo que solo hay dos valores de salida. Si la instrucción es coef=polyfit(x,y,n), entonces coef(1)= , coef(2)=,...,coef(n+1)= . Tenga en cuenta que la ecuación anterior tendrá n+1 coeficientes para un polinomio de orden n. Veamos la siguiente demostración de regresión lineal: >> x=) >> plot(x,ybest,x,y,'o'), title('Estimación de regresión lineal'), grid