统计回归模型matlab案例
时间: 2023-08-06 22:13:40 浏览: 68
以下是一个简单的统计回归模型的 MATLAB 案例:
假设你有一个包含两个变量的数据集,其中一个是自变量 x,另一个是因变量 y。你想要建立一个简单线性回归模型来预测 y 值,基于 x 的值。
首先,你需要将数据导入 MATLAB 中,并创建一个散点图来观察 x 和 y 之间的关系。例如,假设你的数据存储在名为“data.csv”的文件中:
```matlab
data = readtable('data.csv');
scatter(data.x, data.y);
xlabel('x');
ylabel('y');
```
接下来,你可以计算 x 和 y 的相关系数,以便确定它们之间的相关性。可以使用 MATLAB 的 corrcoef 函数来计算相关系数:
```matlab
r = corrcoef(data.x, data.y);
disp(['Correlation coefficient: ', num2str(r(1,2))]);
```
然后,你可以使用 MATLAB 的 fitlm 函数来建立一个简单线性回归模型。该函数将自变量和因变量作为输入参数,并返回一个包含回归系数、截距、拟合优度等信息的线性模型对象:
```matlab
model = fitlm(data, 'y ~ x');
disp(model);
```
最后,你可以使用模型对象的 predict 函数来进行预测。例如,如果你想要预测 x=2.5 时的 y 值,可以使用以下代码:
```matlab
x_pred = 2.5;
y_pred = predict(model, table(x_pred));
disp(['Predicted y value for x=', num2str(x_pred), ': ', num2str(y_pred)]);
```