根据一组数据拟合方程

X=[76543210-12]Y=[201350-3-4-30511]polyfit(X,Y,2)ans=0.7554-2.75031.4219f(x)=0.7554x²-2.7503x+1

给你拟合了下,如图：

%xi重新取值clearx=[-2.30259,-1.60944,-1.20397,-0.91629,-0.69315,...-0.51083,-0.35667,-0.22314,-0.10536,0

拟合的时候把y当作自变量,x当作未知数这样拟合出来的函数是x=f(y)知道y求x就容易了

输入数据.菜单/分析/拟合/线性拟合（或者MENU/ANALYSIS/FITING/FITLINEAR）即可

使用polyfit函数就可以拟合曲线了比如给出的坐标分别是x和y,则有P=polyfit(x,y,3)这样得到的P就是多项式的系数.这里的3指的是三次多项式!祝你学习愉快!再问：我想把曲线变得更平滑一

这个用matlab去做,spss好像不行我替别人做这类的数据分析蛮多的

选中数学,然后“插入”“图表”,选择xy散点图,再“添加趋势线”,选择模型,显示公式就行

/***最小二乘法计算类**@authorAdministrator**/publicclassLeastSquareMethod{\x05privatedouble[]x;\x05privatedo

程序如下：x=[1.75,2.25,2.5,2.875,2.686,2.563];y=[0.26,0.32,0.44,0.57,0.50,0.46];plot(x,y,'g.',

你可以把步取去密一点,然后把拟合后的多项式用plot函数画出来不就行了吗?再问：拟合后得到的不是多项式的系数吗？只知道系数怎么画对应的函数图像？再答：知道系数后，可以用polyval计算啊！比如说：你

这不用什么软件,这其实就是采用最小二乘法,自己知道了原理,完全可以自己编个程序.原理就是,求和[y-f(t)]^2的最小值,根据最小值条件可以计算出kl,k2.f(t)就是按照每组实验数据代入y的计算

原因是对初值（主要是B(2)）非常敏感,很容易陷入局部最优.你可以取初值为[1,0.05]试一下,应该可以得到比较满意的结果.

可以用曲线拟合工具箱：在命令窗口输入cftool就可以打开

A=[3.863.904.174.224.234.234.264.244.264.28];x=[2.482.452.082.001.981.971.911.941.921.90];y=[5.435.4

你这个程序是对的呀,也只是有一点的小毛病呀clearall%线性拟合的程序：x=[1515.215.415.615.81616.216.416.616.8]; y=[0.010.0150.0

如果用regress进行拟合的话,输出加上state,分别给出R方,F值和显著性.如果用的是其他拟合,R=corrcoef(T,Y),Y是原始数据,T是用你拟合后求得方程,用这个方程得到的数据再问：请

这个太难了,或者说是有太多的不确定性因为连一个大概的函数形式都没有给出来也就是说可能性太多,这组数据可以拟合出无数多种函数结果如果什么函数形式都不给出的话,或者用多项式拟合吧下面是尝试用11次多项式拟

拟合直线就是线性回归方程,都是用最小二乘法算出来的再问：���ֱ���ж�����ع�ֱ��ֻ��һ���Dz���˵�ع鷽�����ȷ�����ֱ��再答：�ţ����ֱ�ߵ���϶ȿ��Կ��ƣ�

polyfit(x,y,4)得出的5个数分别为y=a1*x^4+a2*x^3+a3*x^2+a4*x+a1中的系数如果拟合精度不够的话可以增加到多次n,polyfit(x,y,n)