最小二乘法估计参数matlab程序

最小二乘法是一种常用的参数估计方法，它可以用来拟合已知数据点，找到最优的模型参数。在Matlab中，可以使用lsqcurvefit函数实现最小二乘法估计参数的功能。

lsqcurvefit函数需要指定几个输入参数，包括模型函数，初始参数估计值，自变量数据和因变量数据，以及一些可选参数。具体使用方法如下：

1. 假设我们要拟合的模型函数为y = a*exp(-b*x)，其中a和b是待估计的参数。首先需要定义这个函数：

function y = myfun(x, p)
y = p(1)*exp(-p(2)*x);

2. 然后，需要准备好自变量和因变量的数据。假设我们有以下数据：

x = [0, 1, 2, 3, 4];
y = [2.1, 1.6, 1.2, 0.9, 0.5];

3. 接下来，需要给出初始的参数估计值。可以根据数据的特点来估计参数的值。这里我们随便给出一组初始值，a0=2, b0=0.5：

p0 = [2, 0.5];

4. 最后，可以调用lsqcurvefit函数进行参数估计：

p = lsqcurvefit(@myfun, p0, x, y);

这行代码会返回一个包含估计参数的向量p，其中p(1)为a的估计值，p(2)为b的估计值。

需要注意的是，lsqcurvefit函数也可以调用一些可选参数，比如最大迭代次数、停止条件等等。具体可见Matlab的文档。