实际工作中,变量间未必都有线性关系,如服药后血药浓度与时间的关系;疾病疗效与疗程长短的关系;毒物剂量与致死率的关系等常呈曲线关系。曲线拟合(curve fitting)是指选择适当的曲线类型来拟合观测数据,并用拟合的曲线方程分析两变量间的关系。曲线拟合的方法很多,本节只介绍曲线直线化。
一、曲线直线化的意义
曲线直线化是曲线拟合的重要手段之一。对于某些非线性的资料可以通过简单的变量变换使之直线化,这样就可以按最小二乘法原理求出变换后变量的直线方程,在实际工作中常利用此直线方程绘制资料的标准工作曲线,同时根据需要可将此直线方程还原为曲线方程,实现对资料的曲线拟合。
二、常用的非线性函数
1.指数函数(exponential function)
Y=aebX(12.29)
对式(12.29)两边取对数,得
lnY=lna+bX(12.30)
b>0时,Y随X增大而增大;b<0时,Y随X增大而减少。见图12.4(a)、(b)。当以lnY和X绘制的散点图呈直线趋势时,可考虑采用指数函数来描述Y与X间的非线性关系,lna和b分别为截距和斜率。
更一般的指数函数
Y=aebX+k(12.31)
式中k为一常量,往往未知, 应用时可试用不同的值。
2.对数函数(lograrithmic function)
Y=a+blnX(X>0)(12.32)
b>0时,Y随X增大而增大,先快后慢;b<0时,Y随X增大而减少,先快后慢,见图12.4(c)、(d)。当以Y和lnX绘制的散点图呈直线趋势时,可考虑采用对数函数描述Y与X之间的非线性关系,式中的b和a分别为斜率和截距。
更一般的对数函数
Y=a+bln(X+k) (12.33)
式中k为一常量,往往未知。
YYYY
XXXX
(a)lnY=lna+bX(b)lnY=lna-bX(c)Y=a+blnX(d)Y=a-blnX
图12.4曲线示意
3.幂函数(power function)
Y=aXb(a>0,X>0)(12.34)
式中b>0时,Y随X增大而增大;b<0时,Y随X增大而减少。
对式(12.34)两边取对数,得
lnY=lna+blnX(12.35)
所以,当以lnY和lnX绘制的散点图呈直线趋势时,可考虑采用幂函数来描述Y和X间的非线性关系,lna和b分别是截距和斜率。
更一般的幂函数
Y=aXb+k(12.36)
式中k为一常量,往往未知。
三、利用线性回归拟合曲线的一般步骤
(一)绘制散点图,选择合适的曲线类型
一般根据资料性质结合专业知识便可确定资料的曲线类型,不能确定时,可在方格坐标纸上绘制散点图,根据散点的分布,选择接近的、合适的曲线类型。
(二)进行变量变换
Y’=f(Y),X’=g(X)(12.37)
使变换后的两个变量呈直线关系。
(三)按最小二乘法原理求线性方程和方差分析
(四)将直线化方程转换为关于原变量X、Y的函数表达式
[例10.8] 某研究室以已知浓度X的
免疫球蛋白A(IgA,)作火箭电泳,测得火箭高度Y(mm)如表12.2资料(1)、(2)列。试求Y关于X的非线性回归方程。
表10.2火箭电泳实验资料
IgA()
X
(1)
|
火箭高度(mm)
Y
(2)
|
(3)
|
(4)
|
0.2
|
7.6
|
-1.60944
|
7.22842
|
0.4
|
12.3
|
-0.91629
|
12.61907
|
0.6
|
15.7
|
-0.51083
|
15.77239
|
0.8
|
18.2
|
-0.22314
|
18.00972
|
1.0
|
18.7
|
0
|
19.74512
|
1.2
|
21.4
|
0.18232
|
21.16304
|
1.4
|
22.6
|
0.33647
|
22.36188
|
1.6
|
23.8
|
0.47000
|
23.40036
|
1.以资料(1)、(2)列数据在方格纸上作散点图,见图12.5,图形与图12.4(c)相近,故可尝试对数变换。
3.按最小二乘法原理求Y关于X’的线性方程,得
=19.75+7.78X’
通过对回归系数的假设检验表明该线性方程具有统计学意义。
4.求曲线方程将X’=lnX代入求得的直线方程,得
- 大小: 9.6 KB
- 大小: 21 KB
- 大小: 352 Bytes
分享到:
相关推荐
三次样条曲线拟合是一种在数据点之间构造平滑曲线的方法,广泛应用于数据插值、曲线设计和信号处理等领域。这种技术确保了曲线在每个数据点处都具有连续的一阶导数和二阶导数,从而产生平滑且自然的过渡效果。 三次...
贝塞尔曲线是一种在计算机图形学和数学中广泛使用的参数化曲线,它提供了对形状的精细控制,特别是在曲线拟合和路径设计中。本资源包含MATLAB源码,用于实现从一阶到八阶的贝塞尔曲线拟合,以及一个拟合后评价标准的...
在数据分析和科学计算中,曲线拟合是一种常用的技术,它旨在找到一条数学曲线来最佳地贴合一组给定的数据点。这有助于揭示隐藏在数据背后的规律,预测未知数据点,或者简化复杂的数据模式。本主题将详细介绍三种不同...
样条曲线拟合是数值分析领域中的一种常见技术,它用于构建一条光滑的曲线来逼近离散数据点。在C++中实现样条曲线拟合,通常涉及到几个关键概念和算法,包括基函数、控制点、插值和拟合过程。 样条曲线的基本组成...
### MATLAB三维曲线拟合 在MATLAB中进行三维曲线拟合是一种常见的数据分析方法,它可以帮助我们理解复杂数据集之间的关系,并通过数学模型来预测未知的数据点。本篇将详细介绍如何在MATLAB中实现三维曲线拟合,包括...
曲线拟合是数学建模中的一个重要概念,它用于通过数学函数来近似描述一组数据点的趋势,以便于分析数据、预测结果或者简化复杂的计算过程。Java作为一种通用的编程语言,提供了丰富的库和工具来实现曲线拟合。在这个...
磷酸铁锂电池OCV-SOC曲线拟合python程序源码(高分项目).zip磷酸铁锂电池OCV-SOC曲线拟合python程序 实现了两种拟合方法:1.多项式拟合;2.对数-多项式拟合 使用方法:cmd 输入:python ocvFitting.py ocv文件路径 ...
函数逼近与曲线拟合 函数逼近与曲线拟合是数学中的一种重要方法,旨在找到近似函数,以便更好地描述和分析实际问题。在本节中,我们将讨论函数逼近与曲线拟合的基本概念、方法和应用。 一、函数逼近 函数逼近是指...
在MATLAB中,闭合曲线拟合是一种将数据点拟合成一个封闭图形的过程,常见于处理周期性数据或需要描绘连续、循环现象的情况。闭合曲线拟合的应用广泛,包括但不限于信号处理、图像分析、物理建模等领域。下面将详细...
在“曲线拟合”这一主题中,LabVIEW提供了强大的数学处理能力,使得用户能够对实验数据进行模型化分析,找到最佳的数学表达式来近似数据点,这在数据分析和预测中非常有用。 标题“附件-使用LabVIEW的‘曲线拟合’...
曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合csv数据读取曲线拟合...
在MATLAB中,曲线拟合是一项非常重要的任务,它用于找到数据点之间的数学关系,从而构建模型或预测未知数据。本资源"MATLAB曲线拟合代码"提供了一个名为"nihe50.m"的MATLAB脚本,可以帮助用户快速进行各种类型的曲线...
在VB.NET 2010中进行曲线拟合是一项重要的数据处理任务,它涉及将一组离散的XY点数据拟合成一个连续的数学函数,以便更好地理解和预测数据趋势。这个过程通常用于科学研究、工程分析以及各种数据分析场景。在这个...
曲线拟合与线性回归是数据建模和分析中的核心概念,尤其在计算机科学和统计学领域中广泛应用。本文将详细探讨这两个主题,并结合C#编程语言,介绍如何实现它们。 首先,我们要理解曲线拟合的基本思想。曲线拟合是一...
曲线拟合是数据分析和科学计算中的一个重要概念,它旨在通过数学模型来近似表示一组数据点,以便于预测、分析趋势或简化复杂的数据结构。在C++编程中,实现曲线拟合可以帮助我们处理各种工程问题,例如信号处理、...
在LabVIEW中,曲线拟合是数据分析的重要工具,它可以帮助我们找到数据趋势,建立数学模型,以便预测未知值或进行进一步的数据处理。本篇将详细探讨LabVIEW中的线性拟合和多项式拟合。 线性拟合是数据分析中最基础的...
本资源提供的是一个MATLAB源码包,用于实现1到8阶的贝塞尔曲线拟合,同时包含了拟合效果的评价标准,如均方根误差(RMSE)和平方和误差(SSE)。下面将详细介绍这些概念以及如何利用MATLAB进行贝塞尔曲线的拟合。 ...
B样条曲线拟合是一种在计算机图形学、工程计算和数据分析等领域广泛应用的数学技术。它通过构造一组控制点和相应的权重来定义一个光滑的曲线,能够灵活地适应各种形状,同时保持良好的局部控制特性。在本项目中,...
本资料包"matlab-疲劳曲线拟合算法(S-N曲线)-线性回归"提供了使用MATLAB进行S-N曲线拟合的详细算法程序,方便用户直接运行和分析。 MATLAB是一种强大的数值计算和可视化软件,尤其适用于数据分析、算法开发和模型...
在IT领域,曲线拟合和数据平滑化是数据分析中的重要技术,特别是在处理实验数据、图像处理或模拟预测等场景中。本项目标题为“曲线拟合-散点图平滑化曲线自动生成”,说明其主要功能是通过编程实现将散点数据转化为...