使用方法 MATLAB
MATLAB编程语言的使用方法
MATLAB编程语言的使用方法MATLAB是一种强大的数值计算和科学编程语言，广泛应用于工程、科学和技术领域。
它的主要特点是简洁易用、功能丰富。
一、MATLAB的基本语法MATLAB的语法基本上和其他编程语言相似，主要包括变量定义、数据类型、运算符和控制结构等。
1. 变量定义在MATLAB中，变量可以直接赋值，无需提前声明或定义数据类型。
例如，可以使用以下方式定义变量x和y：x = 10y = 2.52. 数据类型MATLAB支持多种数据类型，包括数值型、字符型和逻辑型。
- 数值型：MATLAB支持的数值型包括整数型（integers）和浮点型（floating-point numbers）。
例如，可以使用以下方式定义整数变量a和浮点数变量b：a = 5b = 3.14- 字符型：MATLAB中的字符型变量被称为字符串（string）。
可以使用单引号或双引号括起来定义字符串变量。
例如：name = 'John'message = "Hello, World!"- 逻辑型：逻辑型变量只有两个可能的值，即真（true）和假（false）。
例如：isTrue = trueisFalse = false3. 运算符MATLAB支持常见的算术、逻辑和关系运算符。
- 算术运算符：包括加法、减法、乘法、除法等。
例如：result = 2 + 3 - 1 * 4 / 2 % 结果为3- 逻辑运算符：包括与（and）、或（or）和非（not）。
例如：isPositive = (x > 0) && (y > 0) % 判断x和y是否都大于0- 关系运算符：用于比较两个值之间的关系，包括等于、不等于、大于、小于、大于等于和小于等于。
例如：isEqual = (x == y) % 判断x和y是否相等isGreater = (x > y) % 判断x是否大于y4. 控制结构MATLAB支持常见的控制结构，包括条件语句（if语句）、循环语句（for循环和while循环）和函数定义等。
matlab的plot函数用法
matlab的plot函数用法MATLAB中的plot函数是最常用的绘图函数之一，用于创建二维图形。
以下是一些基本的plot函数用法和示例：基本用法：matlab复制代码plot(X, Y)其中，X和Y是等长的向量，分别表示x轴和y轴上的数据点。
例如：matlab复制代码X = [01234];Y = [014916];plot(X, Y);这将绘制一个y = x^2的图形。
2. 多条曲线：matlab复制代码plot(X1, Y1, 'LineSpec1', X2, Y2, 'LineSpec2', ...) 其中，LineSpec是一个字符串，用于指定线条的颜色、线型等。
例如：matlab复制代码X = [01234];Y1 = [014916];Y2 = [00.81.63.24.8];plot(X, Y1, 'r-', X, Y2, 'b--');这将绘制红色的实线和蓝色的虚线。
3. 添加标题、轴标签和图例：matlab复制代码plot(X, Y)title('标题')xlabel('x轴标签')ylabel('y轴标签')legend('图例1', '图例2', ...) 例如：matlab复制代码X = [01234];Y1 = [014916];Y2 = [00.81.63.24.8];plot(X, Y1, 'r-', X, Y2, 'b--');title('y = x^2 和y = 0.8x^2')xlabel('x')ylabel('y')legend('y = x^2', 'y = 0.8x^2') 其他选项：1.使用grid on或grid off来打开或关闭网格。
matlabfunction[]的用法
![matlabfunction[]的用法](https://img.taocdn.com/s3/m/23a6ca52a66e58fafab069dc5022aaea998f41fb.png)
matlabfunction[]的用法matlabfunction是Matlab中的一个函数，用于定义一个新的Matlab函数。
通过使用该函数，用户可以创建自己的函数，将其保存到独立的文件中，并在Matlab环境中使用。
matlabfunction的基本用法如下：matlabfunction 函数名(输入参数1, 输入参数2, 输入参数3, ...)% 函数体end其中，函数名为用户自定义的函数名，用于在程序中调用该函数。
输入参数1, 输入参数2, 输入参数3, ...是函数的输入参数，可以根据具体需求进行定义。
在函数体部分，用户可以编写自己的代码，包括各种Matlab函数和命令，用于实现特定的功能。
函数体中的代码可以包含任意数量的语句和算法，可以使用Matlab提供的内置函数，也可以调用其他自定义函数。
在函数体中，用户可以使用以下语法来定义函数的输出变量：输出变量1 = 算法表达式1;输出变量2 = 算法表达式2;...输出变量n = 算法表达式n;其中，输出变量1, 输出变量2, ..., 输出变量n是用户定义的输出变量。
算法表达式1, 算法表达式2, ..., 算法表达式n是计算输出变量的算法表达式，可以是任意的Matlab表达式。
函数体的最后，用end语句标识函数体的结束。
除了基本用法外，matlabfunction还可以与其他Matlab函数，如syms和solve一起使用，用于实现符号计算和求解。
例如，可以使用matlabfunction定义一个计算平方的函数：matlabfunction y = square(x)y = x^2;end该函数的输入参数为x，输出参数为y，函数体中的代码将输入参数x的平方给予了输出参数y。
使用matlabfunction定义的函数可以在Matlab环境中直接调用：>> a = 2;>> b = square(a)b =4上述代码示例中，将2赋值给变量a，并调用square函数，将结果赋值给变量b，最终输出b的值为4。
matlab tmd潮汐使用方法
matlab tmd潮汐使用方法下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!MATLAB TMD潮汐使用方法引言在海洋工程和地球物理学领域，潮汐是一项重要的研究对象。
使用Matlab进行数据拟合的方法
使用Matlab进行数据拟合的方法概述：数据拟合是数据分析中常用的一种技术，它通过找到适合特定数据集的数学模型，在给定数据范围内预测未知变量的值。
在科学研究、工程分析和金融建模等领域，数据拟合起到了至关重要的作用。
而Matlab作为一种强大的数值计算工具，提供了丰富的函数和工具箱来实现各种数据拟合方法。
本文将介绍几种常见的使用Matlab进行数据拟合的方法。
一、线性回归线性回归是一种基本的数据拟合方法，它用于建立自变量和因变量之间的线性关系。
Matlab中可以使用`polyfit`函数来实现线性拟合。
具体步骤如下：1. 导入数据集。
首先需要将数据集导入到Matlab中，可以使用`importdata`函数读取数据文件。
2. 根据自变量和因变量拟合一条直线。
使用`polyfit`函数来进行线性拟合，返回的参数可以用于曲线预测。
3. 绘制拟合曲线。
使用`plot`函数绘制原始数据点和拟合曲线，比较其拟合效果。
二、多项式拟合多项式拟合是一种常见的非线性拟合方法，它通过拟合多项式函数来逼近原始数据集。
Matlab中使用`polyfit`函数同样可以实现多项式拟合。
具体步骤如下：1. 导入数据集。
同线性回归一样，首先需要将数据集导入到Matlab中。
2. 选择多项式次数。
根据数据集的特点和实际需求，选择适当的多项式次数。
3. 进行多项式拟合。
使用`polyfit`函数，并指定多项式次数，得到拟合参数。
4. 绘制拟合曲线。
使用`plot`函数绘制原始数据点和拟合曲线。
三、非线性拟合有时候，数据集并不能通过线性或多项式函数来准确拟合。
这时，需要使用非线性拟合方法，通过拟合非线性方程来逼近原始数据。
Matlab中提供了`lsqcurvefit`函数来实现非线性拟合。
具体步骤如下：1. 导入数据集。
同样，首先需要将数据集导入到Matlab中。
2. 定义非线性方程。
根据数据集的特点和实际需求，定义适当的非线性方程。
matlabfunction用法
matlabfunction用法一、什么是matlabfunctionmatlabfunction是MATLAB编程语言中的一个函数，用于将MATLAB代码转化为一个独立的、可执行的MATLAB函数文件。
通过matlabfunction，用户可以将MATLAB 代码封装成函数，便于复用和共享。
二、matlabfunction的使用步骤使用matlabfunction需要遵循以下步骤：1. 编写MATLAB代码首先，需要在MATLAB中编写需要转化为函数的代码。
代码可以包括变量定义、函数调用、算法实现等，只要是合法的MATLAB代码都可以被转化为函数。
2. 定义输入输出参数在编写代码时，需要将代码中需要的输入和输出参数定义为MATLAB函数的输入和输出参数。
这样，在转化为函数后，可以在调用函数时传入相应的输入参数，并获取相应的输出结果。
3. 转化为函数完成代码编写和输入输出参数的定义后，就可以通过matlabfunction将代码转化为函数了。
可以通过在MATLAB命令行中输入matlabfunction code的方式快速转化代码为函数。
其中，code表示需要转化的代码。
4. 保存为独立的函数文件转化成功后，可以将生成的函数保存为独立的函数文件。
可以选择自定义函数文件名，并指定保存位置。
保存后，就可以在MATLAB中使用该函数了。
三、matlabfunction的优势matlabfunction的使用具有以下优势：1. 提高代码的封装性通过将MATLAB代码转化为函数，可以将代码逻辑封装为一个独立的单元，并定义输入输出参数，以便复用。
这样可以提高代码的封装性，增加代码的可维护性和可读性。
2. 方便代码共享和交流将MATLAB代码转化为函数后，可以将函数文件分享给其他使用者。
其他使用者可以直接调用函数，并根据需要传入输入参数，获取输出结果。
这极大地方便了代码的共享和交流。
3. 提高代码执行效率将MATLAB代码转化为函数后，可以省去每次都编写重复代码的麻烦。
matlab lmi工具箱使用实例
MATLAB（Matrix Laboratory）是一款广泛应用于科学计算和工程领域的专业软件，其功能强大、灵活性高，并且具有丰富的工具箱支持。
LMI（Linear Matrix Inequality）工具箱是MATLAB中的一种工具箱，用于解决线性矩阵不等式相关的问题。
本文将介绍LMI工具箱的基本使用方法，并结合具体实例进行详细讲解。
一、LMI工具箱的安装1.确保已经安装了MATLAB软件，并且软件版本是R2015b及以上版本。
只有在这些版本中，LMI工具箱才会被自动安装。
2.在MATLAB的命令行中输入“ver”，可以查看当前安装的工具箱列表，确认LMI工具箱是否已经成功安装。
二、LMI工具箱的基本功能1. LMI工具箱主要用于解决线性矩阵不等式问题，例如矩阵的稳定性分析、最优控制问题等。
2. LMI工具箱提供了一系列的函数和工具，能够方便地构建和求解线性矩阵不等式问题，同时也包括了一些经典的稳定性分析方法和控制器设计方法。
三、LMI工具箱的基本使用方法1. 定义变量：在使用LMI工具箱时，首先需要定义相关的变量。
可以使用“sdpvar”函数来定义实数变量，使用“sdpvar”函数和“size”函数可以定义矩阵变量。
2. 构建约束：在定义变量之后，需要构建线性矩阵不等式的约束条件。
可以使用“sdpvar”变量的线性组合来构建约束条件，使用“>=”来表示大于等于关系。
3. 求解问题：构建好约束条件之后，即可使用“optimize”函数来求解线性矩阵不等式问题。
在求解问题时，可以指定优化的目标函数和一些额外的约束条件。
四、LMI工具箱的实例应用下面我们通过一个具体的实例来演示LMI工具箱的使用方法。
假设有一个线性时不变系统，其状态方程可以表示为：$\dot{x} = Ax + Bu$其中，A和B分别为系统的状态矩阵和输入矩阵。
我们希望设计一个状态反馈控制器K，使得系统在闭环下能够保持稳定。
matlab中legend函数的用法
matlab中legend函数的用法一、前言MATLAB是一种强大的数学软件，它可以用于数据分析、图形绘制等多种领域。
在MATLAB中，legend函数是一个非常重要的函数，它可以用于为图形添加标注。
本文将详细介绍MATLAB中legend函数的用法。
二、基本语法在MATLAB中，legend函数的基本语法为：legend('label1','label2',...,'labelN')其中，'label1'、'label2'、...、'labelN'为标注文本。
如果不需要标注文本，则可以省略该参数。
三、添加简单标注下面以一个简单的例子来介绍如何使用legend函数添加标注。
我们先使用以下代码生成一个简单的图形：x = 0:0.1:2*pi;y1 = sin(x);y2 = cos(x);plot(x,y1,x,y2);运行以上代码后，会生成一张包含sin(x)和cos(x)曲线的图形。
接下来，我们可以使用以下代码为图形添加标注：legend('sin(x)','cos(x)');运行以上代码后，会在图形右上角添加两个标注：sin(x)和cos(x)。
四、调整标注位置有时候我们需要调整标注位置以便更好地展示数据。
在MATLAB中，我们可以使用location参数来指定标注位置。
location参数有以下取值：northsoutheastwestnortheastnorthwestsoutheastsouthwestbest其中，best表示自动选择最佳位置。
以下是一个示例代码：legend('sin(x)','cos(x)','location','northwest');运行以上代码后，会将标注移动到图形左上角。
matlab计算特征值用的方法
matlab计算特征值用的方法
在MATLAB中，计算特征值和特征向量有多种方法可供选择。
下面详细介绍其中的几种常用方法：
1. eig函数：eig函数是MATLAB中用于计算方阵的特征值和特征向量的最常用函数。
它的基本语法是：
```
[V, D] = eig(A)
```
其中A是输入的方阵，V是特征向量矩阵，D是对角矩阵，对角线上的元素是特征值。
2. eigs函数：eigs函数是用于计算稀疏或大型方阵的部分特征值和特征向量的函数。
它的使用方法与eig函数类似，但可以指定计算的特征值数量，语法如下：
```
[V, D] = eigs(A, k)
```
其中A是输入的方阵，V是包含k个特征向量的矩阵，D是对角矩阵，对角线上的元素是对应的特征值。
3. svd函数：svd函数是奇异值分解（Singular Value Decomposition）方法，也可以用于计算方阵的特征值和特征向量。
它的使用方法如下：```
[U, S, V] = svd(A)
```
其中A是输入的方阵，U和V是正交矩阵，S是对角矩阵，对角线上的元素是奇异值。
特征值和特征向量可以通过奇异值的平方获得。
这些是MATLAB中计算特征值和特征向量的常用方法。
具体使用哪种方法取决于问题的要求、输入矩阵的特点以及计算效率。
在实际使用中，可以根据具体情况选择适当的方法。
matlab input用法
matlab input用法Matlab是一种强大的数学计算软件，它提供了很多方便的函数来帮助用户进行各种数学计算。
其中，输入函数是一个非常重要的函数，它可以让用户从键盘输入各种数据，并将其作为程序的输入参数。
在本文中，我们将介绍Matlab中输入函数的用法。
1.基本输入函数Matlab中最基本的输入函数是input。
这个函数可以让用户从键盘输入一个数值或一个字符串，并将其存储到一个变量中。
例如，下面的代码将从键盘输入一个整数，并将其存储到变量n中。
n = input('Please enter an integer: ');当用户运行这个程序时，Matlab会在命令窗口中显示一个提示信息，请用户输入一个整数。
用户输入一个整数后，程序将把这个整数存储到变量n中。
除了整数，用户还可以从键盘输入其他类型的数值，例如浮点数、复数、矩阵等等。
在输入时，用户需要按照相应的格式输入。
例如，如果要输入一个实数，可以按照以下格式输入：x = input('Please enter a real number: ');2.高级输入函数除了最基本的输入函数input外，Matlab还提供了一些高级的输入函数。
这些函数可以让用户更加方便地输入数据，并检查数据的合法性。
下面是一些常用的高级输入函数：(1)inputdlg：这个函数可以显示一个对话框，让用户输入一个或多个字符串。
例如，下面的代码将显示一个对话框，让用户输入自己的名字和年龄。
prompt = {'Please enter your na', 'Please enter your age:'};title = 'Input Dialog';dims = [1 35];definput = {'John Doe','25'};answer = inputdlg(prompt,title,dims,definput);(2)menu：这个函数可以显示一个菜单，让用户从多个选项中选择一个。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、散点图 1．1．命令 plot 功能 线性二维图。在线条多于一条时，若用户没有指定使用颜色，则plot循环使用由当前坐标轴颜色顺序属性（current axes ColorOrder property）定义的颜色，以区别不同的线条。在用完上述属性值后，plot又循环使用由坐标轴线型顺序属性（axes LineStyleOrder property）定义的线型，以区别不同的线条。 用法 plot(X,Y) 当X,Y均为实数向量，且为同维向量（可以不是同型向量），X=[x(i)]，Y=[y(i)]，则plot(X,Y)先描出点(x(i)，y(i))，然后用直线依次相连；若X，Y为复数向量，则不考虑虚数部分。若X，Y均为同维同型实数矩阵，X = [X(i)]，Y = [Y(i)]，其中X(i),Y(i)为列向量，则plot(X,Y)依次画出plot(X(i),Y(i))，矩阵有几列就有几条线；若X，Y中一个为向量，另一个为矩阵，且向量的维数等于矩阵的行数或者列数，则矩阵按向量的方向分解成几个向量，再与向量配对分别画出，矩阵可分解成几个向量就有几条线；在上述的几种使用形式中，若有复数出现，则复数的虚数部分将不被考虑。 plot(Y) 若Y为实数向量，Y的维数为m，则plot(Y)等价于plot(X,Y)，其中x=1：m；若y为实数矩阵，则把y按列的方向分解成几个列向量，而y 的行数为n，则plot(Y)等价于plot(X,Y)其中x=[1;2;…;n]；在上述的几种使用形式中，若有复数出现，则复数的虚数部分将不被考虑。 plot(X1,Y1,X2,Y2,…)，其中Xi与Yi成对出现，plot(X1,Y1,X2,Y2,…)将分别按顺序取两数据Xi与Yi进行画图。若其中仅仅有Xi或Yi是矩阵，其余的为向量，向量维数与矩阵的维数匹配，则按匹配的方向来分解矩阵，再分别将配对的向量画出。 plot(X1,Y1,LineSpec1,X2,Y2,LineSpec2…) 将按顺序分别画出由三参数定义Xi,Yi,LineSpeci的线条。其中参数LineSpeci指明了线条的类型，标记符号，和画线用的颜色。在plot 命令中我们可以混合使用三参数和二参数的形式： plot(X1,Y1,LineSpec1,X2,Y2,X3,Y3,LineSpec3) plot(…,'PropertyName',PropertyValue,…) 对所有的用plot生成的line图形对象中指定的属性进行恰当的设置。 h = plot(…) 返回line图形对象句柄的一列向量，一线条对应一句柄值。 说明 参数LineSpec 功能 定义线的属性。Maltab允许用户对线条定义如下的特性： 1．线型
表7-1 定义符 - -- ： -. 线型 实线（缺省值） 划线 点线 点划线 2．线条宽度 指定线条的宽度，取值为整数（单位为像素点） 3．颜色
表7-2 定义符 R（red） G(green) b(blue) c(cy
an) 颜色 红色 绿色 兰色 青色 定义符 M(magenta) y(yellow) k(black) w(w
hite) 颜色 品红 黄色 黑色 白色 4．标记类型
表7-3 定义符 + o(字母) * . x 标记类型 加号 小圆圈 星号 实点 交叉号 定义符 d ^ v > <
标记类型 棱形 向上三角形 向下三角形 向右三角形 向左三角形 定义符 s h P
标记类型 正方形 正六角星 正五角星 5．标记大小 指定标记符号的大小尺寸，取值为整数（单位为像素） 6．标记面填充颜色 指定用于填充标记符面的颜色。取值在上表。 7．标记周边颜色 指定标记符颜色或者是标记符（小圆圈、正方形、棱形、正五角星、正六角星和四个方向的三角形）周边线条的颜色。取值在上表。 在所有的能产生线条的命令中，参数LineSepc可以定义线条的下面三个属性：线型、标记符号、颜色进行设置。对线条的上述属性的定义可用字符串来定义，如：plot(x,y,'-.or') 结合x和y，画出点划线（-.），在数据点（x，y）处画出小圆圈（o），线和标记都用红色画出。其中定义符（即字符串）中的字母、符号可任意组合。若没有定义符，则画图命令plot自动用缺省值进行画图。若仅仅指定了标记符，而非线型，则plot只在数据点画出标记符。
1．2．命令 scatter(x1,y,50,c,'o','filled')
二、一元线性回归 2．1．命令 polyfit最小二乘多项式拟合 [p，S]=polyfit（x，y，m） 多项式y=a1xm+a2xm-1+…+amx+am+1 其中x=（x1，x2，…，xm）x1…xm为（n*1）的矩阵; y为（n*1）的矩阵； p=（a1，a2，…，am+1）是多项式y=a1xm+a2xm-1+…+amx+am+1的系数； S是一个矩阵，用来估计预测误差. 2．2．命令 polyval多项式函数的预测值 Y=polyval（p，x）求polyfit所得的回归多项式在x处的预测值Y； p是polyfit函数的返回值； x和polyfit函数的x值相同。 2．3．命令 polyconf 残差个案次序图 [Y，DELTA]=polyconf（p，x，S，alpha）求polyfit所得的回归多项式在x处的预测值Y及预测值的显著性为1-alpha的置信区间DELTA；alpha缺省时为0.05。 p是polyfit函数的返回值； x和polyfit函数的x值相同； S和polyfit函数的S值相同。 2．4 命令 polytool（x，y，m）一元多项式回归命令
2．5．命令regress多元线性回归（可用于一元线性回归） b=regress( Y, X ) [b, bint,r,rint,stats]=regress(Y,X,alpha) b 回归系数 bint 回归系数的区间估计 r 残差 rint 残差置信区间 stats 用于检验回归模型的统计量，有三个数值：相关系数R2、F值、与F对应的概率p,相关系数R2越接近1，说明回归方程越显著；F > F1-α（k，n-k-1）时拒绝H0，F越大，说明回归方程越显著；与F对应的概率p 时拒绝H0，回归模型成立。 Y为n*1的矩阵； X为（ones(n,1),x1,…,xm）的矩阵； alpha显著性水平（缺省时为0.05）。
三、多元线性回归 3．1．命令 regress（见2。5） 3．2．命令 rstool 多元二项式回归 命令：rstool（x，y，’model’, alpha） x 为n*m矩阵 y为 n维列向量 model 由下列4个模型中选择1个（用字符串输入，缺省时为线性模型）： linear（线性）： purequadratic（纯二次）： interaction（交叉）： quadratic（完全二次）： alpha 显著性水平（缺省时为0.05） 返回值beta 系数 返回值rmse剩余标准差 返回值residuals残差
四、非线性回归 4．1．命令 nlinfit [beta,R,J]=nlinfit(X,Y,’’model’,beta0) X 为n*m矩阵 Y为 n维列向量 model为自定义函数 beta0为估计的模型系数 beta为回归系数 R为残差 J
4．2．命令 nlintool nlintool(X,Y,’model’,beta0,alpha) X 为n*m矩阵 Y为 n维列向量 model为自定义函数 beta0为估计的模型系数 alpha显著性水平（缺省时为0.05）
4．3．命令 nlparci betaci=nlparci(beta,R,J) beta为回归系数 R为残差 J 返回值为回归系数beta的置信区间
4．4．命令 nlpredci [Y,DELTA]=nlpredci(‘model’,X,beta,R,J) Y为预测值 DELTA为预测值的显著性为1-alpha的置信区间；alpha缺省时为0.05。 X 为n*m矩阵 model为自定义函数 beta为回归系数 R为残差 J
五、其它 命令 grid on 命令 axis（坐标轴）([0 60 0 0.025]) 命令 figure 弹出新的画图窗口 命令 获取矩阵的某行某列 x(n,:); 获取矩阵的第n行 x(:,n); 获取矩阵的第n列 命令 rcoplot 画出残差及其置信区间：rcoplot（r，rint） glmfit 一般线性模型拟合 regstats 回归统计量诊断 regstats(responses,DATA,'model')' stats = regstats(responses,DATA,'model','whichstats') 'Q'Q from the QR Decomposition of X 'R'R from the QR Decomposition of X 'beta'Regression Coefficients 'covb'Covariance of Regression Coefficients 'yhat'Fitted Values of the Response Data 'r'Residuals 'mse'Mean Squared Error 'leverage'Leverage 'hatmat'Hat (Projection) Matrix 's2_i'Delete-1 Variance 'beta_i'Delete-1 Coefficients 'standres'Standardized Residuals 'studres'Studentized Residuals 'dfbetas'Scaled Change in Regression Coefficients 'dffit'Change in Fitted Values 'dffits'Scaled Change in Fitted Values 'covratio'Change in Covariance 'cookd'Cook's Distance 'all'Create all of the above statistics 命令 bar(条图) 命令 pie(饼图) 命令 hist(直方图) 命令 help 命令 mean(平均值) 命令 inv(逆概率分布) 命令 pdf(密度) 命令 cdf(分布函数) 命令 stat(均差与方差) 命令rnd(随机函数) 命令 std(标准差) 命令 var(方差) 命令 median(中位数) 命令 skewness(偏度) 命令 kurtosis(峰度) 命令 norm（正态分布） 命令 t（t分布） 命令 f（f分布） 命令 chr2（x2分布）