matlab中如何把拟合曲线方程输出来

X=[x.*x;y.*y]'X=829.555278.8899815.502283.3021809.914785.1006784.952393.4509779.470695.3552774.00809

t=[0:54];y=[1.4712 1.45327 1.44467 1.42513 1.41487 1.40393 1.382667&nb

【1】用cftool>>cftool回车,出现一个对话框.【1】Data输入相应的x,y,然后createdataset；【2】fitting,选择提供的各种模型,逐个试试,总能找到残差最小的,相关系

好像没有吧要算的话就把函数转化为x^2/a+y^2/b=1转化成b*x^2+a*y^2=a*b求超定方程组就可以了吧

如上所述,采用polyfit来拟合,二次多项式polyfit(x,y,2)x=[0.110.130.190.210.270.370.530.590.710.790.891.07];y=[3868-10

对于线性函数,除了polyfit（）,还可以用regress（）等对于非线性函数,可以用lsqcurvefit（）或nlinfit（）等根据你提供的数据,可以拟合成如下关系Q=0.52429N^1.6

左下角有三个图标,一个是直线,一个是三个点,一个是三个点,一个是点线,选三个点的,设置x、y,然后analysis--fitting,第一个是直线拟合,第二个是多项式拟合,第四个是曲线拟合,一个个试下

两边取自然对数lnY=lnA-BX,令Z=lnY,C=-B,D=lnAZ=CX+D拟合这个直线就OK

好像是最小二乘拟合：最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来,最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单,编制程序也不困难,所以它颇受人们重视,应用相当

x=[27560000,55120000,82680000,88192000,110240000,137800000]y=[1743170000,1894750000,2053220000,20670

要是你的数据是线性的话,可以用多项式拟合：polyfit(x,y,n)n为所需要拟合多项式的次数,返回值为多项式系数；若是非线性的话,你得有一个和你绘图曲线吻合的函数模型,然后在这个函数模型基础上求这

1,必须知道曲面形式（平面曲线拟合也要知道曲线的形式对吧）2,最好可以把曲面形式中的待定参数改写成线性的形式.等你给出曲面形式我们再来讨论这个问题吧.3,大量的数据.我想这个总是没有问题的.后续需要请

这样好些,比多项式精度高许多.functionhhx=[123456];y=[214575949898];b0=[111111];a=nlinfit(x,y,@mymodel,b0)xx=min(x)

fprintf('y=%f*x+%f',p(1),p(2));再问：Thankyou。能用，采纳。非常感谢。

首先请问你用的是哪个版本的Origin?7.5还是更低?8.0还是更高?详细的操作请看我的百度空间《曲线的拟合》这一小节的内容,每一步都很详细.

用nlinfit（）函数拟合可以得到c=782.2573 α1=0.0089  β1=1.4990  α2=7.5534 β2=89.481

求导再问：问题是x=[306090120150180210240270300]y=[4.104.013.933.853.773.703.633.563.493.42]求y=3.82处切线，可否详细一点

%1非线性拟合warningoffx=[100200400600800]';y=[406080120150]';f=fittype('a+b*x^m');options=fitoptions('a+b

求个相对误差不就行了吗ex=0.18*(2*x).^(-0.6)+0.012*(2*x).^(-0.08567);delta=(y-ex)./ex;plot(x,delta);

S=（L2的曲线积分－L1的曲线积分）用三次样条插值和复化辛普森公式计算：例如x0=[0.91.31.72.12.633.23.33.54.04.65.05.56.06.36.67.07.37.88.