1樓：匿名使用者
[b,bint,r,rint,stats] = regress(y,x,alpha) book.ilovematlab.**
%y 多元擬合
來的變數值的向自量
%x 多元擬合的自變數的值的矩陣
%alpha 顯著性水平，預設的時候為0.05%b 迴歸得到的自變數係數
%bint b的95%的置信區間矩陣
%r 殘差向量
%rint 區間矩陣。試試吧
2樓：匿名使用者
舉個例子，希望有所幫助。regress的核心也就是最小二乘了專。屬% by lyqmath
clc; clear all; close all;
x = 1:60;
y = 5*x + 10;
y = y + 10*rand(1, size(x, 2));
data = [y' x']; % 60*2的矩陣b = regress(data(:, 1), [data(:, 2) ones(size(data, 1), 1)]);figure; hold on; box on;
plot(x, y, 'r+');
xt = linspace(min(x), max(x));
yt = b(1)*xt + b(2);
plot(xt, yt, 'b-');
funstr = sprintf('y = %.3f*x + %.3f', b(1), b(2));
title([funstr ' by lyqmath'], 'fontweight', 'bold', 'color', 'r');
3樓：du瓶邪
就是bai
迴歸一下dur和
zhit之間的dao線性內
關係容：
t=[90 210 330 570 690 1350]';
r=[1.9010 1.7875 1.5169 1.1658 0.9845 0.2695]';
t=[ones(6,1),t]
[b,bint,r,rint,stats]=regress(r,t,0.05)
matlab中的regress函式。。。。
4樓：紫色學習
matlab中的regress函式等bai號右邊完整為：duregress（y,x,alpha）
zhi bint是迴歸係數的區間估dao計，回r是殘差，rint是置信區間，stats是用於檢驗答迴歸模型的統計量，有三個數值：相關係數r^2，f值，與f對應的概率p，alpha是顯著性水平(預設的時候為0.05)。
相關係數r^2越大，說明迴歸方程越顯著；與f對應的概率p 例如：t=[90 210 330 570 690 1350]'; r=[1.9010 1.7875 1.5169 1.1658 0.9845 0.2695]'; t=[ones(6,1),t] [b,bint,r,rint,stats]=regress(r,t,0.05) regress函式是迴歸一下r和t之間的線性關係。 5樓：淚之夢幻 在matlab統計工具箱中使用命令regress()實現多元線性迴歸，呼叫格式為 b=regress(y，x) 或 [b，bint，r，rint，statsl = regess(y，x，alpha) 其中因變數資料向量y和自變數資料矩陣x按以下排列方式輸入 對一元線性迴歸，取k=1即可。alpha為顯著性水平(預設時設定為0.05)，輸出向量b，bint為迴歸係數估計值和它們的置信區間，r，rint為殘差及其置信區間，stats是用於檢驗迴歸模型的統計量，有四個數值，第一個是r2，其中r是相關係數，第二個是f統計量值，第三個是與統計量f對應的概率p，第四個是 an estimate of the error variance（一個錯誤的方差估計）。 stats引數解釋如下： r2表示方差解釋率，r2越接近1說明資料擬合程度越好。 f統計量用於檢驗模型是否通過檢驗。通過查f分佈表，如果f>f分佈表中對應的值，則通過檢驗。p為f 統計量對應的概率，越接近0越好，當p<α時拒絕h0，迴歸模型成立！！！ 第4個引數不知何用。畫出殘差及其置信區間，用命令rcoplot(r，rint) 6樓：暗物質 在matlab軟體包中有一個做抄一般多元迴歸分析的命令regress，呼叫格式如下： [b, bint, r, rint, stats] = regress(y,x,alpha) 或者 [b, bint, r, rint, stats] = regress(y,x) 此時，預設置信度alpha ＝ 0.05。 這裡，y是一個 的列向量，x是一個 的矩陣，其中第一列是全1向量（這一點對於迴歸來說很重要，這一個全1列向量對應迴歸方程的常數項），一般情況下，需要人工造一個全1列向量。迴歸方程具有如下形式（待定引數 具有線性關係）： 其中， 是殘差。 在返回項[b,bint,r,rint,stats]中， ① 是迴歸方程的係數； ② 是一個 矩陣，它的第 行表示 的(1-alpha)可信區間； ③ 是 的殘差列向量； ④ 是 矩陣，它的第 行表示第 個殘差 的(1-alpha)可信區間； matlab中regress函式 7樓：糊塗小仙 等號右邊完整應寫作：regress（y,x,alpha） bint是迴歸係數的區間估計，r是殘差，版rint是置信區權間，stats是用於檢驗迴歸模型的統計量，有三個數值：相關係數r^2，f值，與f對應的概率p，alpha是顯著性水平(預設的時候為0.05)。 相關係數r^2越大，說明迴歸方程越顯著；與f對應的概率p 8樓：痕殤 依次返回判定係數r^2、f的統計變數的觀測值、檢驗的p值和誤差方差б^2…… 9樓：丙柳馬佳紹輝 在matlab軟體包中有一個做一般多元迴歸分析的命令regress，呼叫格式如下: [b,bint, r,rint, stats] =regress(y,x,alpha) 或者[b, bint, r,rint, stats] =regress(y,x) 此時專，預設置信度alpha =0.05。 這裡，y是一個屬 的列向量，x是一個 的矩陣，其中第一列是全1向量(這一點對於迴歸來說很重要，這一個全1列向量對應迴歸方程的常數項)，一般情況下，需要人工造一個全1列向量。迴歸方程具有如下形式(待定引數 具有線性關係): 其中，是殘差。 在返回項[b,bint,r,rint,stats]中，①是迴歸方程的係數; ②是一個 矩陣，它的第 行表示的(1-alpha)可信區間;③是 的殘差列向量;④是 矩陣，它的第 行表示第 個殘差的(1-alpha)可信區間; 怎麼用matlab中的regress命令程式設計求出引數a,b,c y=a+bx+cx^2 10樓：匿名使用者 在matlab統計工具箱中copy使用命令regress()實現多元線性bai回du歸， zhi呼叫格式為 b=regress(y，x) 或[b，bint，r，rint，stats] = regress(y，x，alpha) 其中dao因變數資料向量y和自變數資料矩陣x按以下排列方式輸入對一元線性迴歸，取k=1即可。alpha為顯著性水平(預設時設定為0.05)，輸出向量b，bint為迴歸係數估計值和它們的置信區間，r，rint為殘差及其置信區間，stats是用於檢驗迴歸模型的統計量，有三個數值，第一個是r2，其中r2是相關係數，第二個是f統計量值，第三個是與統計量f對應的概率p，當p<α 時拒絕h0，迴歸模型成立。 畫出殘差及其置信區間，用命令rcoplot(r，rint) 11樓：匿名使用者 ^x=[1978 ... 1989]; y=[0.1825 ... 0.1504]; x1=[ones(size(x)) x x.^抄2]; b=regress(y,x1) x,y自己賦值，bai得du 到的b就是 zhi對應 dao的a,b,c 12樓：匿名使用者 二次迴歸方程應該用,regress是線性迴歸 p=polyfit(x,y,n) 13樓：小心心贏贏 這個我不會幫不了你，不好意思。 rand 生成0 1之間的一個隨機數 rand 100 1 將這個隨機數擴大99倍 100 rand 100 1 用100減去這個擴大99倍的隨機數 round 100 rand 100 1 對減後的結果四捨五入。其中涉及兩個函式 rand 生成隨機數函式 round 四捨五入函式。matlab中 ... 矩陣a第一列的轉置矩陣。x,y 表示 二維矩陣第x行第y列位置的元素，x為 則表示所有的行。因此，a 1 就表示a的第1列的所有元素，這是一個列向量。矩陣a右上角加一短撇 即a 表示a的轉置矩陣 交換a的行列位置，當a為複數矩陣，是共軛轉置，因此a 1 表示將矩陣a的第一列轉置，最終就得到了一個行向... 用eig這個函式，eig就是特徵值eigenvalue 特徵值 和eigenvector 特徵向量 的縮寫，可以返回特徵值和特徵向量 v,d eig a 輸入矩陣a，輸出特徵向量v和特徵值d v的第n列為d的第n個特徵值的特徵向量 matlab中，求特徵值的函式eigs d 是一個對來角線矩陣，對角...matlab中,matlab中xround100rand1001這個語句是什麼意思
matlab中1 什麼意思，matlab中 a 1 2 是什麼意思
matlab中如何求特徵值，MATLAB中，求特徵值的函式eigs