%后面的为注释,红部分代码需要根据实际情况更改
%最小二乘法线性拟合y=ax+b
x=[,1,,2,,3,,4,,5];%自变量
y=[191,321,442,565,686,819,930,1032,1153,1252];%因变量
xmean=mean(x);ymean=mean(y);
sumx2=(x-xmean)*(x-xmean)';
sumxy=(y-ymean)*(x-xmean)';
a=sumxy/sumx2;%解出直线斜率a(即传感器灵敏度)
b=ymean-a*xmean;%解出直线截距b
z=((a*(x(1,10))+b-(y(1,10)))/(y(1,10)));%“10”是自变量的个数，z为非线性误差(即线性度)
a
b
z
%作图,先把原始数据点用蓝"十"字描出来
figure
plot(x,y,'+');     
hold on
% 用红绘制拟合出的直线
px=linspace(0,6,50);%(linspace语法(从横坐标负轴起点0画到横坐标正轴终点6，50等分精度))
py=a*px+b;
plot(px,py,'r');
运行结果：    matlab拟合数据
a =                            b =
另一种简单一点的方法：
%最小二乘法线性拟合y=ax+b
x=[,1,,2,,3,,4,,5];%自变量
y=[191,321,442,565,686,819,930,1032,1153,1252];%因变量
p=polyfit(x,y,1);
p
运行结果：
p =
       

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。