实验一连续时间系统的时域分析及matlab实现
一．实验目的
熟悉连续时间系统零状态响应的求解及matlab实现，用卷积方法求零状态响应,以及在系统分析中有重要意义的单位冲激响应和单位阶跃响应的求解。
二．实验内容
1．连续系统的冲激响应、阶跃响应及MATLAB 实现
a1
连续系统冲激响应及阶跃响应分别用matlab系统函数impulse()和step()实现，查看两个函数的帮助以确定如何应用。
习题1：
-0.15
-0.1
-0.05
00.050.10.150.20.25Impulse Response
Time (sec)
A m p l i t u d e
2．连续时间系统的零状态响应及MATLAB 实现
MATLAB 的函数lsim( )能对上述微分方程描述的LTI 连续系统的响应进行仿真。lsim( )函数能绘制连续系统在指定的任意时间范围内系统响应的时域波形图，还能求出连续系统在指定的任意时间范围内系统响应的数值解。lsim()函数调用格式为lsim(b,a,x,t)
习题2：已知描述某连续系统的微分方程为：ex
0.10.20.30.40.50.60.70.80.91Linear Simulation Results
Time (sec)
A m p l i t u d e
>> a=[1 2 1]; >> b=[1 2];
>> t=0: 0.1:0.4; >> f=exp(-2*t); >> lsim(b,a,-2,t)
3．用MATLAB 实现连续时间信号的卷积
卷积积分在信号与线性系统分析中具有非常重要的意义，信号经过系统所产生的响应可以用二者的卷积求解。
卷积积分运算实际上可用信号的分段求和来实现，即：
如果我们只求当 t=n ? （n 为整数）时f(t) 的值 f(n ?) ，则由上式可得：
式中
下面是利用MA TLAB 实现连续信号卷积的通用函数sconv( )，
function [f,k]=sconv(f1,f2,k1,k2,p)
%计算连续信号卷积积分f(t)=f1(t)*f2(t)
% f: 卷积积分f(t)对应的非零样值向量
% k： f(t)的对应时间向量
% f1: f1(t)非零样值向量
% f2: f2(t)的非零样值向量
% k1: f1(t)的对应时间向量
% k2: 序列f2(t)的对应时间向量
% p：取样时间间隔
f=conv(f1,f2); %计算序列f1 与f2 的卷积和f
f=f*p;
k0=k1(1)+k2(1); %计算序列f 非零样值的起点位置
k3=length(f1)+length(f2)-2; %计算卷积和f 的非零样值的宽度k=k0:p:k0+k3*p; %确定卷积和f 非零样值的时间向量
subplot(2,2,1)
plot(k1,f1) %在子图1 绘f1(t)时域波形图
title('f1(t)')
xlabel('t')
ylabel('f1(t)')
subplot(2,2,2)
plot(k2,f2) %在子图2 绘f2(t)时波形图
title('f2(t)')
xlabel('t')
ylabel('f2(t)')
subplot(2,2,3)
plot(k,f); %画卷积f(t)的时域波形
h=get(gca,'position');
h(3)=2.5*h(3);
set(gca,'position',h) %将第三个子图的横坐标范围扩为原来的2.5 倍title('f(t)=f1(t)*f2(t)')
xlabel('t')
ylabel('f(t)')
例3：已知两连续时间信号如下图所示，试用MATLAB 求
)(*)()(21t f t f t f =，并绘出时域
波形图。
习题3：已知两连续时间信号如下图所示，试用MATLAB 求)(*)()(21t f t f t f =，并绘出时域波形图。
MATLAB程序设计语言 实 验 报 告 专业及班级：电子信息工程 姓名：王伟 学号：1107050322 日期 2013年6月20日
实验一 MATLAB 的基本使用 【一】 实验目的 1.了解MATALB 程序设计语言的基本特点，熟悉MATLAB 软件的运行环境； 2.掌握变量、函数等有关概念，掌握M 文件的创建、保存、打开的方法，初步具备将一般数学问题转化为对应计算机模型处理的能力； 3.掌握二维图形绘制的方法，并能用这些方法实现计算结果的可视化。 【二】 MATLAB 的基础知识 通过本课程的学习，应基本掌握以下的基础知识： 一. MATLAB 简介 二. MATLAB 的启动和退出 三. MATLAB 使用界面简介 四. 帮助信息的获取 五. MATLAB 的数值计算功能 六. 程序流程控制 七. M 文件 八. 函数文件 九. MATLAB 的可视化 【三】上机练习 1. 仔细预习第二部分内容，关于MATLAB 的基础知识。 2. 熟悉MATLAB 环境，将第二部分所有的例子在计算机上练习一遍 3. 已知矩阵???? ??????=??????????=123456789,987654321B A 。求A*B ，A .* B ，比较二者结果是否相同。并利用MATLAB 的内部函数求矩阵A 的大小、元素和、长度以 及最大值。 程序代码： >> A=[1 2 3;4 5 6;7 8 9]; >> B=[9 8 7;6 5 4;3 2 1]; >> A*B ans =
30 24 18 84 69 54 138 114 90 >> A.*B ans = 9 16 21 24 25 24 21 16 9 两者结果不同 >> [m,n]=size(A) m = 3 n = 3 >> b=sum(A) b = 12 15 18 >> a=length(A) a = 3 >>max(A) ans =
《数学实验》报告 实验名称 Matlab 基础知识 学院 专业班级 姓名 学号 2014年 6月
一、【实验目的】 1.认识熟悉Matlab这一软件，并在此基础上学会基本操作。 2.掌握Matlab基本操作和常用命令。 3.了解Matlab常用函数，运算符和表达式。 4.掌握Matlab工作方式和M文件的相关知识。 5.学会Matlab中矩阵和数组的运算。 二、【实验任务】 P16 第4题 编写函数文件，计算 1! n k k = ∑，并求出当k=20时表达式的值。P27第2题 矩阵A= 123 456 789 ?? ?? ?? ?? ?? ，B= 468 556 322 ?? ?? ?? ?? ?? ，计算A*B,A.*B,并比较两者的区别。 P27第3题 已知矩阵A= 52 91 ?? ?? ?? ，B= 12 92 ?? ?? ?? ，做简单的关系运算A>B,A==B,A
P27第3题 >> A=[5 2;9 1];B=[1 2;9 2]; >>A>B >>A==B >>A> (A==B)&(A
matlab建立多元线性回归模型并进行显着性检验及预测问题 例子; x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]'; X=[ones(16,1) x]; 增加一个常数项Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]'; [b,bint,r,rint,stats]=regress(Y,X) 得结果：b = bint = stats = 即对应于b的置信区间分别为[，]、[,]; r2=, F=, p= p<, 可知回归模型y=+ 成立. 这个是一元的，如果是多元就增加X的行数！ function [beta_hat,Y_hat,stats]=regress(X,Y,alpha) % 多元线性回归(Y=Xβ+ε)MATLAB代码 %？ % 参数说明 % X：自变量矩阵，列为自变量，行为观测值 % Y：应变量矩阵，同X % alpha：置信度，[0 1]之间的任意数据 % beta_hat：回归系数 % Y_beata：回归目标值，使用Y-Y_hat来观测回归效果 % stats：结构体，具有如下字段 % =[fV,fH]，F检验相关参数，检验线性回归方程是否显着 % fV：F分布值，越大越好，线性回归方程越显着 % fH：0或1，0不显着；1显着(好) % =[tH,tV,tW]，T检验相关参数和区间估计，检验回归系数β是否与Y有显着线性关系 % tV：T分布值，beta_hat(i)绝对值越大,表示Xi对Y显着的线性作用% tH：0或1，0不显着；1显着 % tW：区间估计拒绝域，如果beta(i)在对应拒绝区间内，那么否认Xi对Y显着的线性作用 % =[T,U,Q,R]，回归中使用的重要参数 % T：总离差平方和，且满足T=Q+U % U：回归离差平方和 % Q：残差平方和 % R∈[0 1]：复相关系数，表征回归离差占总离差的百分比，越大越好% 举例说明 % 比如要拟合y=a+b*log(x1)+c*exp(x2)+d*x1*x2，注意一定要将原来方程线化% x1=rand(10,1)*10; % x2=rand(10,1)*10; % Y=5+8*log(x1)+*exp(x2)+*x1.*x2+rand(10,1); % 以上随即生成一组测试数据 % X=[ones(10,1) log(x1) exp(x2) x1.*x2]; % 将原来的方表达式化成Y=Xβ，注意最前面的1不要丢了
云南大学数学与统计学实验教学中心 实验报告 一、实验目的 1.熟悉MATLAB的运行环境. 2.学会初步建立数学模型的方法 3.运用回归分析方法来解决问题 二、实验内容 实验一：某公司出口换回成本分析 对经营同一类产品出口业务的公司进行抽样调查,被调查的13家公司,其出口换汇成本与商品流转费用率资料如下表。试分析两个变量之间的关系,并估计某家公司商品流转费用率是6.5%的出口换汇成本. 实验二：某建筑材料公司的销售量因素分析 下表数据是某建筑材料公司去年20个地区的销售量（Y，千方），推销开支、实际帐目数、同类商品
竞争数和地区销售潜力分别是影响建筑材料销售量的因素。1）试建立回归模型，且分析哪些是主要的影响因素。2）建立最优回归模型。 提示：建立一个多元线性回归模型。
三、实验环境 Windows 操作系统; MATLAB 7.0. 四、实验过程 实验一：运用回归分析在MATLAB 里实现 输入：x=[4.20 5.30 7.10 3.70 6.20 3.50 4.80 5.50 4.10 5.00 4.00 3.40 6.90]'; X=[ones(13,1) x]; Y=[1.40 1.20 1.00 1.90 1.30 2.40 1.40 1.60 2.00 1.00 1.60 1.80 1.40]'; plot(x,Y,'*'); [b,bint,r,rint,stats]=regress(Y,X,0.05); 输出： b = 2.6597 -0.2288 bint = 1.8873 3.4322 -0.3820 -0.0757 stats = 0.4958 10.8168 0.0072 0.0903 即==1,0?6597.2?ββ，-0.2288,0?β的置信区间为[1.8873 3.4322],1,?β的置信区间为[-0.3820 -0.0757]； 2r =0.4958, F=10.8168, p=0.0072 因P<0.05, 可知回归模型 y=2.6597-0.2288x 成立. 1 1.5 2 2.5 散点图 估计某家公司商品流转费用率是6.5%的出口换汇成本。将x=6.5代入回归模型中，得到 >> x=6.5; >> y=2.6597-0.2288*x y = 1.1725
信号与系统MATLAB第一次实验报告 一、实验目的 1.熟悉MATLAB软件并会简单的使用运算和简单二维图的绘制。 2.学会运用MATLAB表示常用连续时间信号的方法 3.观察并熟悉一些信号的波形和特性。 4.学会运用MATLAB进行连续信号时移、反折和尺度变换。 5.学会运用MATLAB进行连续时间微分、积分运算。 6.学会运用MATLAB进行连续信号相加、相乘运算。 7.学会运用MATLAB进行连续信号的奇偶分解。 二、实验任务 将实验书中的例题和解析看懂，并在MATLAB软件中练习例题，最终将作业完成。 三、实验内容 1.MATLAB软件基本运算入门。 1). MATLAB软件的数值计算： 算数运算 向量运算：1.向量元素要用”[]”括起来，元素之间可用空格、逗号分隔生成行向量，用分号分隔生成列向量。2.x=x0:step:xn.其中x0位初始值，step表示步长或者增量，xn 为结束值。 矩阵运算：1.矩阵”[ ]”括起来；矩阵每一行的各个元素必须用”,”或者空格分开；矩阵的不同行之间必须用分号”;”或者ENTER分开。2.矩阵的加法或者减法运算是将矩阵的对应元素分别进行加法或者减法的运算。3.常用的点运算包括”.*”、”./”、”.\”、”.^”等等。 举例：计算一个函数并绘制出在对应区间上对应的值。
2).MATLAB软件的符号运算：定义符号变量的语句格式为”syms 变量名” 2.MATLAB软件简单二维图形绘制 1).函数y=f(x)关于变量x的曲线绘制用语：>>plot(x,y) 2).输出多个图像表顺序：例如m和n表示在一个窗口中显示m行n列个图像，p表 示第p个区域，表达为subplot(mnp)或者subplot(m,n,p) 3).表示输出表格横轴纵轴表达范围：axis([xmax,xmin,ymax,ymin]) 4).标上横轴纵轴的字母：xlabel(‘x’),ylabel(‘y’) 5).命名图像就在subplot写在同一行或者在下一个subplot前：title(‘……’) 6).输出：grid on 举例1： 举例2： 3.matlab程序流程控制
回归分析MATLAB 工具箱 一、多元线性回归 多元线性回归：p p x x y βββ+++=...110 1、确定回归系数的点估计值： 命令为：b=regress(Y , X ) ①b 表示???? ?? ????????=p b βββ?...??10 ②Y 表示????????????=n Y Y Y Y (2) 1 ③X 表示??? ??? ????? ???=np n n p p x x x x x x x x x X ...1......... .........1 (12) 1 22221 11211 2、求回归系数的点估计和区间估计、并检验回归模型： 命令为：[b, bint,r,rint,stats]=regress(Y ,X,alpha) ①bint 表示回归系数的区间估计. ②r 表示残差. ③rint 表示置信区间. ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r 2、F 值、与F 对应的概率p. 说明：相关系数2 r 越接近1,说明回归方程越显著；)1,(1-->-k n k F F α时拒绝0H ,F 越大,说明回归方程越显著；与F 对应的概率p α<时拒绝H 0,回归模型成立. ⑤alpha 表示显著性水平(缺省时为0.05) 3、画出残差及其置信区间. 命令为：rcoplot(r,rint) 例1.如下程序. 解：(1)输入数据. x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]'; X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]'; (2)回归分析及检验. [b,bint,r,rint,stats]=regress(Y ,X) b,bint,stats 得结果：b = bint =
matlab实验心得体会 篇一：matlab实验心得总结 通过《matlab仿真》实验使我学习掌握了许多知识。首先是对matlab 有了一个全新的认识，其次是对matlab的更多操作和命令的使用有了更高的掌握，最重要的事对matlab的处理能力有了一个更高的飞跃尤其是对相关函数的使用及相关问题的处理。 就对matlab相关的命令操作而言，通过这次实验的亲身操作和实践，学习掌握了许多原本不知道的或者不太熟悉的命令。比如说相关m文件的建立，画图用到的标注，配色，坐标控制，同一张图里画几幅不同的图像，相关参数的设置以及相关函数的调用格式等等。就拿建立一个数学方程而言，通过设置不同的参数达到所需要的要求和结果，而且还可以在不同的窗口建立不同的函数而达到相同的效果，比如说可以再命令窗口和m文件中通过不同的命令设置的到相同的所需的效果图。而自己对于矩阵及闭环传递函数的建立原本所掌握的知识几乎为零，而通过这次实验使我彻底的掌握了相关的命令操作和处理的方法，在这里我们不仅可以通过建立函数和参数来达到目标效果，而且还可以通过可视化的编程达到更快更方便，更简洁的效果。就拿可视化编程而言原本根本就只是听说而已罢了，从来就没有亲身去尝试过，然而现在自己却可以和容易的通过搭建不同功能木块来实现相关的函数及功能。这些在原本根本就不敢相信，然而通过《matlab仿真》的学习和实验亲身操作这些原本看似不可能的操作在此就变的轻而易举的事了。
再此我不得不题到的事指导老师教我们怎么去搭建构造相关闭环传递函数的实验，这个实验几乎在我们的这次实验中占据了非常大的比重，在后面的几个大一点的实验中几乎都是涉及这个方面的内容，我现在想说的事怎么去搭建相关的函数和功能模块对我们来说几乎已经不是什么难事了，就拿怎么去对模块功能的实现以及分析确实是个重点和难点。通过对同一个模块分析其对应的不同的参数分析图的建立去分析和解释其对应的相关功能和技术指标和性能分析是非常重要的，我们不可能只需要建立相关的模块和功能就说自己掌握了所有的相关知识和技术，真正的技术和知识是怎么去分析和解释相关的技术指标和功能参数才是重中之重。就此而言，我坦诚的说自己所掌握的还是十分的有限的，但是老师给我们介绍的相关方法和技巧还是十分有效果的，如果自己真的想在这方面有什么建树对自己以后的要求还是需要更改的要求的，万不可以就此止步不前，自命不凡，我们还需掌握和了解还有许多许多，我们真正所掌握的只是皮毛，要想取得更大的成绩就得不断的去努力学习和汲取相关的知识和技巧。万不可自以为傲，裹足不前，matlab真的是个非常强大和有用的工具我们真正的能把它学懂学透的话还是需要下非常大的功夫和努力的。然而，不是说兴趣才是最大的老师嘛，我也相信，只要你自己有兴趣，即使它再怎么强大和难搞，我们能做的还是非常多的，关键的就只是在于你自己的态度了。我这里想说的事，matlab对于我来说是非常有吸引力的，我不敢说自己多么喜欢它，但是兴趣确实蛮高的，所以我相信在以后的学习和工作当中matlab将成为我非常有用的帮忙工具和好伙伴，也许这要说有点太草率了，但是我觉得对它的评价怎么也不会让每一个接触
1、 考察温度x 对产量y 的影响，测得下列10组数据： 区间（置信度95%）. x=[20:5:65]'; Y=[13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3]'; X=[ones(10,1) x]; plot(x,Y,'r*'); [b,bint,r,rint,stats]=regress(Y,X); b,bint,stats; rcoplot(r,rint) %残差分析，作残差图 结果： b = 9.1212 0.2230 bint = 8.0211 10.2214 0.1985 0.2476 stats = 0.9821 439.8311 0.0000 0.2333 即01 ??9.1212,0.2230ββ==；0?β的置信区间为[8.0211,10.2214]1?β的置信区间为[0.1985,0.2476]; 2r =0.9821 , F=439.831, p=0.0000 ,p<0.05, 可知回归模型 y=9.1212+0.2230x 成立. 将x=42带入得到18.4872.
从残差图可以看出，所有数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型y=9.1212+0.2230x能较好的符合原始数据。 2 某零件上有一段曲线，为了在程序控制机床上加工这一零件，需要求这段曲线的解析表达式，在曲线横坐标xi处测得纵坐标yi共11对数据如下： 求这段曲线的纵坐标y关于横坐标x的二次多项式回归方程。 t=0:2:20; s=[0.6 2.0 4.4 7.5 11.8 17.1 23.3 31.2 39.6 49.7 61.7]; T=[ones(11,1) ,t',(t.^2)']; [b,bint,r,rint,stats]=regress(s',T); b,stats; Y=polyconf(p,t,S) plot(t,s,'k+',t,Y,'r') %预测及作图 b = 1.0105 0.1971 0.1403
MATLAB---回归预测模型 Matlab统计工具箱用命令regress实现多元线性回归，用的方法是最小二乘法，用法是： b=regress(Y,X) [b,bint,r,rint,stats]=regress(Y,X,alpha) Y,X为提供的X和Y数组，alpha为显著性水平（缺省时设定为0.05），b,bint 为回归系数估计值和它们的置信区间，r,rint为残差（向量）及其置信区间，stats是用于检验回归模型的统计量，有四个数值，第一个是R2，第二个是F，第三个是与F对应的概率 p ，p <α拒绝 H0，回归模型成立，第四个是残差的方差 s2 。 残差及其置信区间可以用 rcoplot(r,rint)画图。 例1合金的强度y与其中的碳含量x有比较密切的关系，今从生产中收集了一批数据如下表 1。 先画出散点图如下： x=0.1:0.01:0.18; y=[42,41.5,45.0,45.5,45.0,47.5,49.0,55.0,50.0]; plot(x,y,'+') 可知 y 与 x 大致上为线性关系。
设回归模型为 y =β 0 +β 1 x 用regress 和rcoplot 编程如下： clc,clear x1=[0.1:0.01:0.18]'; y=[42,41.5,45.0,45.5,45.0,47.5,49.0,55.0,50.0]'; x=[ones(9,1),x1]; [b,bint,r,rint,stats]=regress(y,x); b,bint,stats,rcoplot(r,rint) 得到 b =27.4722 137.5000 bint =18.6851 36.2594 75.7755 199.2245 stats =0.7985 27.7469 0.0012 4.0883 即β 0=27.4722 β 1 =137.5000 β0的置信区间是[18.6851,36.2594]， β1的置信区间是[75.7755,199.2245]； R2= 0.7985 ， F = 27.7469 ， p = 0.0012 ， s2 =4.0883 。 可知模型（41）成立。 观察命令 rcoplot(r,rint)所画的残差分布，除第 8 个数据外其余残差的置信区间均包含零点第8个点应视为异常点，
课程设计实验体会 学生姓名：李祥胜 学生学号：20120704 专业班级：光信息科学与技术 指导老师：miss Chen 学院：信息工程学院 题目: MATLAB学期实验总结
MATLAB概念及介绍 MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB集成环境主要包括五个部分：MATLAB语言、MATLAB工作环境、句柄图形、MATLAB数学函数库和数学建模、小波分析、MATLAB API(App lication Program Interface)。MATLAB语言是以数组为基本数据单位，包括控制流程语句、函数、数据结构、输人输出及面向对象等特点的高级语言。利用SIMULINK对系统进行仿真与分析，在进入虚拟实验环境后，不需要书写代码，只需使用鼠标拖动库中的功能模块并将它们连接起来，再按照实验要求修改各元器件的参数。通过虚拟实验环境建立实验仿真电路模型，可使一些枯燥的电路变得有趣味，复杂的波形变得形象生动，使得各种复杂的能量转换过程比较直观地呈现。 1.1、MATLAB语言特点及优势 1.1.1、语言特点 MATLAB被称为第四代计算机语言，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB的最突出的特点就是简洁。MATLAB用更直观的、符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB 给用户带来的是最直观、最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点。 （1）语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。 （2)运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短，具体运算符见附表。 （3）MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程的特性。 （4）语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。 （5）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。
本次教程的主要内容包含： 一、多元线性回归 2# 多元线性回归：regress 二、多项式回归 3# 一元多项式：polyfit或者polytool 多元二项式：rstool或者rsmdemo 三、非线性回归 4# 非线性回归：nlinfit 四、逐步回归 5# 逐步回归：stepwise 一、多元线性回归 多元线性回归： 1、b=regress(Y, X ) 确定回归系数的点估计值
2、[b, bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检验回归模型 ①bint表示回归系数的区间估计. ②r表示残差 ③rint表示置信区间 ④stats表示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 说明：相关系数r2越接近1，说明回归方程越显著；时拒绝H0，F越大，说明回归方程越显著；与F对应的概率p<α时拒绝H0 ⑤alpha表示显著性水平(缺省时为0.05) 3、rcoplot(r,rint)画出残差及其置信区间 具体参见下面的实例演示 4、实例演示，函数使用说明 (1)输入数据 1.>>x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]'; 2.>>X=[ones(16,1) x]; 3.>>Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]'; 复制代码 (2)回归分析及检验 1. >> [b,bint,r,rint,stats]=regress(Y,X) 2. 3. b = 4. 5. -1 6.0730 6.0.7194 7. 8. 9.bint =
通过《matlab仿真》实验使我学习掌握了许多知识。首先是对matlab有了一个全新的认识，其次是对matlab的更多操作和命令的使用有了更高的掌握，最重要的事对matlab的处理能力有了一个更高的飞跃尤其是对相关函数的使用及相关问题的处理。 就对matlab相关的命令操作而言，通过这次实验的亲身操作和实践，学习掌握了许多原本不知道的或者不太熟悉的命令。比如说相关m文件的建立，画图用到的标注，配色，坐标控制，同一张图里画几幅不同的图像，相关参数的设置以及相关函数的调用格式等等。就拿建立一个数学方程而言，通过设置不同的参数达到所需要的要求和结果，而且还可以在不同的窗口建立不同的函数而达到相同的效果，比如说可以再命令窗口和m文件中通过不同的命令设置的到相同的所需的效果图。而自己对于矩阵及闭环传递函数的建立原本所掌握的知识几乎为零，而通过这次实验使我彻底的掌握了相关的命令操作和处理的方法，在这里我们不仅可以通过建立函数和参数来达到目标效果，而且还可以通过可视化的编程达到更快更方便，更简洁的效果。就拿可视化编程而言原本根本就只是听说而已罢了，从来就没有亲身去尝试过，然而现在自己却可以和容易的通过搭建不同功能木块来实现相关的函数及功能。这些在原本根本就不敢相信，然而通过《matlab仿真》的学习和实验亲身操作这些原本看似不可能的操作在此就变的轻而易举的事了。 再此我不得不题到的事指导老师教我们怎么去搭建构造相关闭环传递函数的实验，这个实验几乎在我们的这次实验中占据了非常大的比重，在后面的几个大一点的实验中几乎都是涉及这个方面的内容，我现在想说的事怎么去搭建相关的函数和功能模块对我们来说几乎已经不是什么难事了，就拿怎么去对模块功能的实现以及分析确实是个重点和难点。通过对同一个模块分析其对应的不同的参数分析图的建立去分析和解释其对应的相关功能和技术指标和性能分析是非常重要的，我们不可能只需要建立相关的模块和功能就说自己掌握了所有的相关知识和技术，真正的技术和知识是怎么去分析和解释相关的技术指标和功能参数才是重中之重。就此而言，我坦诚的说自己所掌握的还是十分的有限的，但是老师给我们介绍的相关方法和技巧还是十分有效果的，如果自己真的想在这方面有什么建树对自己以后的要求还是需要更改的要求的，万不可以就此止步不前，自命不凡，我们还需掌握和了解还有许多许多，我们真正所掌握的只是皮毛，要想取得更大的成绩就得不断的去努力学习和汲取相关的知识和技巧。万不可自以为傲，裹足不前，matlab真的是个非常强大和有用的工具我们真正的能把它学懂学透的话还是需要下非常大的功夫和努力的。然而，不是说兴趣才是最大的老师嘛，我也相信，只要你自己有兴趣，即使它再怎么强大和难搞，我们能做的还是非常多的，关键的就只是在于你自己的态度了。我这里想说的事，matlab对于我来说是非常有吸引力的，我不敢说自己多么喜欢它，但是兴趣确实蛮高的，所以我相信在以后的学习和工作当中matlab将成为我非常有用的帮忙工具和好伙伴，也许这要说有点太草率了，但是我觉得对它的评价怎么也不会让每一个接触过它的人吝啬是自己赞美之词。它不仅仅可以用来建模分析函数，还可以用来进行图形的建模和仿真，还可以用来分析系统和函数的参数稳定性等等。再次就不一一列举了，我怕三天也不会说完的。
1.研究科研人员的年工资与他的论文质量、工作年限、获得资助指标之间的关系.24位科研人员的调查数据(ex81.txt): 设误差ε~（0，σ 2 ）, 建立回归方程; 假定某位人员的观测值 , 预测年工资及置信度为 95%的置信区间. 程序为：A=load('ex81.txt') Y=A(:,1) X=A(1:24,2:4) xx=[ones(24,1) X] b = regress(Y,X) Y1=xx(:,1:4)*b x=[1 5.1 20 7.2] s=sum(x*b) 调出Y 和X 后，运行可得： b = 17.8469 1.1031 0.3215 1.2889 010203(,,)(5.1,20,7.2)x x x =
x = 1.0000 5.1000 20.0000 7.2000 s = 39.1837 所以，回归方程为：Y= 17.8469+1.1031X1+0.3215X2+1.2889X3+ε 当 时，Y=39.1837 2、 54位肝病人术前数据与术后生存时间(ex82.txt,指标依次为凝血值，预后指数，酵素化验值，肝功能化验值，生存时间）. (1) 若用线性回归模型拟合, 考察其各假设合理性; (2) 对生存是时间做对数变换，用线性回归模型拟合, 考察其各假设合理性; (3) 做变换 用线性回归模型拟合, 考察其各假设合理性; (4) 用变量的选择准则，选择最优回归方程 010203 (,,)(5.1,20,7.2)x x x =0.0710.07 Y Z -=
(5)用逐步回归法构建回归方程 程序为：A=load('ex82.txt') Y=A(:,5) X=A(1:54,1:4) xx=[ones(54,1) X] [b,bint,r,rint,stats]=regress(Y,xx) 运行结果为： b = -621.5976 33.1638 4.2719 4.1257 14.0916 bint = -751.8189 -491.3762 19.0621 47.2656 3.1397 5.4040 3.0985 5.1530 -11.0790 39.2622
核科学技术学院 实验报告 实验项目名称MATLAB符号计算 所属课程名称MATLAB及应用 实验类型上机实验 实验日期12月日 指导教师谢芹 班级 学号 姓名 成绩 一、实验名称 MATLAB符号计算 二、实验目的
（1）掌握定义符号对象的方法 （2）掌握符号表达式的运算法则以及符号矩阵运算 （3）掌握求符号函数极限及导数的方法 （4）掌握求符号函数定积分和不定积分的方法 三、实验原理 1. 函数极限及导数的方法 （1）函数极限：limit(F,x,a) 求符号函数f(x)的极限值。即计算当变量x趋近于常数a时，f(x)函数的极限值。 （2）limit(f)：求符号函数f(x)的极限值。符号函数f(x)的变量为函数findsym(f)确定的默认变量；没有指定变量的目标值时，系统默认变量趋近于0，即a=0的情况。 （3）limit(f,x,a,'right')：求符号函数f的极限值。'right'表示变量x从右边趋近于a。 （4）limit(f,x,a,‘left’)：求符号函数f的极限值。‘left’表示变量x从左边趋近于a。 2. 微分： diff(s)：没有指定变量和导数阶数，则系统按findsym函数指示的默认变量对符号表达式s求一阶导数。 diff(s,'v')：以v为自变量，对符号表达式s求一阶导数。 diff(s,n)：按findsym函数指示的默认变量对符号表达式s求n阶导数，n为正整数。 diff(s,'v',n)：以v为自变量，对符号表达式s求n阶导数。 3. 函数定积分和不定积分的方法： int(s)：没有指定积分变量和积分阶数时，系统按findsym函数指示的默认变量对被积函数或符号表达式s求不定积分。 int(s,v)：以v为自变量，对被积函数或符号表达式s求不定积分。 int(s,v,a,b)：求定积分运算。a,b分别表示定积分的下限和上限。 梯形法：trapz(x,y)：x为分割点构成的向量，y为被积函数在分割点上的函数值构成的向量； 抛物线法：quad(f,a,b,tol)，f是被积函数，[a,b]是积分区间，tol是精度。
Matlab 实现多元回归实例 （一）一般多元回归 一般在生产实践和科学研究中，人们得到了参数(),,n x x x =???1和因变量y 的数据，需要求出关系式()y f x =，这时就可以用到回归分析的方法。如果只考虑 f 是线性函数的情形，当自变量只有一个时，即，(),,n x x x =???1中n =1时，称 为一元线性回归，当自变量有多个时，即，(),,n x x x =???1中n ≥2时，称为多元线性回归。 进行线性回归时，有4个基本假定： ① 因变量与自变量之间存在线性关系； ② 残差是独立的； ③ 残差满足方差奇性； ④ 残差满足正态分布。 在Matlab 软件包中有一个做一般多元回归分析的命令regeress ，调用格式如下： [b, bint, r, rint, stats] = regress(y,X,alpha) 或者 [b, bint, r, rint, stats] = regress(y,X) 此时，默认alpha ＝ 0.05. 这里，y 是一个1n ?的列向量，X 是一个()1n m ?+的矩阵，其中第一列是全1向量（这一点对于回归来说很重要，这一个全1列向量对应回归方程的常数项），一般情况下，需要人工造一个全1列向量。回归方程具有如下形式： 011m m y x x λλλε=++???++ 其中，ε是残差。 在返回项[b,bint,r,rint,stats]中， ①01m b λλλ=???是回归方程的系数； ②int b 是一个2m ?矩阵，它的第i 行表示i λ的(1-alpha)置信区间； ③r 是1n ?的残差列向量； ④int r 是2n ?矩阵，它的第i 行表示第i 个残差i r 的(1-alpha)置信区间； 注释：残差与残差区间杠杆图，最好在0点线附近比较均匀的分布，而不呈现一定的规律性，如果是这样，就说明回归分析做得比较理想。 ⑤ 一般的，stast 返回4个值：2R 值、F_检验值、阈值f ，与显著性概率相关的p 值（如果这个p 值不存在，则，只输出前3项）。注释：
北京理工大学珠海学院实验报告 ZHUHAI CAMPAUS OF BEIJING INSTITUTE OF TECHNOLOGY 班级2012电气2班学号xxxxxxxxxx姓名陈冲指导教师张凯成绩 实验题目(实验四)方程求根实验地点及时间JB501 2013/12/31（3-4节） 一、实验目的 1.掌握用程序语言来编辑函数。 2.学会用MATLAB编写resecm.m以及Newtoniter.m函数分别实现二分法、牛顿迭代法求解。 二、实验环境 Matlab软件 三、实验内容 1、以书中第11页题目1和第154页题目16为例编辑程序来实现计算结果。 2、使用MATLAB进行编写： 第一步：编写resecm.m函数，代码如下
第二步：编写Newtoniter.m函数，代码如下 第三步：利用上述函数编辑命令：（可见实验结果中的截图）1.在此之前先建立一个名为f.m的M文件，代码如下 function y=f(x); y=x^3-x-1; 再编代码： clear all; resecm(‘f’,1,2,0.01) 得到结果：ans=1.3247 2.再建文件名为li6_4fun.m的M文件，代码如下 function y=li6_4fun(x); y=x^3+2*x^2+10*x-20; 和dili6_4fun.m的M文件，代码如下 function y=dili6_4fun(x); y=3*x^2+4*x+10;
再编代码： 得到结果：x=1.3688 若在语句中添加format long;语句，且精确到14位，则结果为 x=1.36880810782137 四、实验题目 1、用二分法求方程310x x --=在[]1,2内的近似值，要求误差不超过310-。 16、早在1225年，有人曾求解方程32 210200x x x ++-=（见前述题1）并给了高精度的实根* 1.368808107x =，试用牛顿法求得这个结果。 前述题：1、试取01x =，用迭代公式 1220210k k k x x x += ++，0,1,2,...k = 求方程32210200x x x ++-=的根，要求准确到310-。 五、实验结果
利用MATLAB进行回归分析 一、实验目的： 1．了解回归分析的基本原理，掌握MATLAB实现的方法； 2. 练习用回归分析解决实际问题。 二、实验内容： 题目1 社会学家认为犯罪与收入低、失业及人口规模有关，对20个城市的犯罪率y（每10万人中犯罪的人数）与年收入低于5000美元家庭的百分比1x、失业率2x和人口总数3x（千人）进行了调查，结果如下表。 （1）若1x~3x中至多只许选择2个变量，最好的模型是什么？ （2）包含3个自变量的模型比上面的模型好吗？确定最终模型。 （3）对最终模型观察残差，有无异常点，若有，剔除后如何。 理论分析与程序设计： 为了能够有一个较直观的认识，我们可以先分别作出犯罪率y与年收入低于5000美元家庭的百分比1x、失业率2x和人口总数 x（千人）之间关系的散点图，根据大致分布粗略估计各因素造 3 成的影响大小，再通过逐步回归法确定应该选择哪几个自变量作为模型。
编写程序如下： clc; clear all; y=[11.2 13.4 40.7 5.3 24.8 12.7 20.9 35.7 8.7 9.6 14.5 26.9 15.7 36.2 18.1 28.9 14.9 25.8 21.7 25.7]; %犯罪率（人/十万人） x1=[16.5 20.5 26.3 16.5 19.2 16.5 20.2 21.3 17.2 14.3 18.1 23.1 19.1 24.7 18.6 24.9 17.9 22.4 20.2 16.9]; %低收入家庭百分比 x2=[6.2 6.4 9.3 5.3 7.3 5.9 6.4 7.6 4.9 6.4 6.0 7.4 5.8 8.6 6.5 8.3 6.7 8.6 8.4 6.7]; %失业率 x3=[587 643 635 692 1248 643 1964 1531 713 749 7895 762 2793 741 625 854 716 921 595 3353]; %总人口数（千人） figure(1),plot(x1,y,'*'); figure(2),plot(x2,y,'*'); figure(3),plot(x3,y,'*'); X1=[x1',x2',x3']; stepwise(X1,y) 运行结果与结论：
一Matlab作方差分析 方差分析是分析试验（或观测）数据的一种统计方法。在工农业生产和科学研究中，经常要分析各种因素及因素之间的交互作用对研究对象某些指标值的影响。在方差分析中，把试验数据的总波动（总变差或总方差）分解为由所考虑因素引起的波动（各因素的变差）和随机因素引起的波动（误差的变差），然后通过分析比较这些变差来推断哪些因素对所考察指标的影响是显著的，哪些是不显著的。 【例1】（单因素方差分析）一位教师想要检查3种不同的教学方法的效果，为此随机地选取水平相当的15位学生。把他们分为3组，每组5人，每一组用一种方法教学，一段时间以后，这位教师给15位学生进行统考，成绩见下表1。问这3种教学方法的效果有没有显著差异。 表1 学生统考成绩表 Matlab中可用函数anova1(…)函数进行单因子方差分析。 调用格式：p=anova1(X) 含义：比较样本m×n的矩阵X中两列或多列数据的均值。其中，每一列表示一个具有m 个相互独立测量的独立样本。 返回：它返回X中所有样本取自同一总体（或者取自均值相等的不同总体）的零假设成立的概率p。
解释：若p 值接近0（接近程度有解释这自己设定），则认为零假设可疑并认为至少有一个样本均值与其它样本均值存在显著差异。 Matlab 程序： Score=[75 62 71 58 73;81 85 68 92 90;73 79 60 75 81]’; P=anova1(Score) 输出结果：方差分析表和箱形图 ANOVA Table Source SS df MS F Prob>F Columns 604.9333 2 302.4667 4.2561 0.040088 Error 852.8 12 71.0667 Total 1457.7333 14 1 2 3 60 65707580 8590V a l u e s Column Number 由于p 值小于0.05，拒绝零假设，认为3种教学方法存在显著差异。
matlab实验报告总结 电气工程学院自动化102班 2012年12月21日 实验一 MATLAB环境的熟悉与基本运算 一、实验目的 1．熟悉MATLAB开发环境 2．掌握矩阵、变量、表达式的各种基本运算 二、实验基本知识 1.熟悉MATLAB环境 MATLAB桌面和命令窗口、命令历史窗口、帮助信息浏览器、工作空间浏览器、文件和搜索路径浏览器。 2.掌握MATLAB常用命令 变量与运算符变量命名规则如下： 变量名可以由英语字母、数字和下划线组成变量名应以英文字母开头长度不大于31个区分大小写 MATLAB中设置了一些特殊的变量与常量，列于下表。 MATLAB运算符，通过下面几个表来说明MATLAB的各种常用运算符 表2 MATLAB算术运算符 表3 MATLAB关系运算符 表4 MATLAB逻辑运算符 表5 MATLAB特殊运算 的一维、二维数组的寻访
表6 子数组访问与赋值常用的相关指令格式 的基本运算 表7 两种运算指令形式和实质内涵的异同表 的常用函数 表8 标准数组生成函数 表9 数组操作函数 三、实验内容 1、新建一个文件夹 2、启动，将该文件夹添加到MATLAB路径管理器中。 3、保存，关闭对话框 4、学习使用help命令，例如在命令窗口输入help eye，然后根据帮助说明，学习使用指令eye 5、学习使用clc、clear，观察command window、command history和workspace等窗口的变化结果。 6、初步程序的编写练习，新建M-file，保存，学习使用MATLAB的基本运算符、数组寻访指令、标准数组生成函数和数组操作函数。 注意：每一次M-file的修改后，都要存盘。 练习A： help rand，然后随机生成一个2×6的数组，观察command window、command history和workspace等窗口的变化结果。