2008年（787）
分类：
2008-09-25 16:08:43
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(cyan) |
|
颜色 |
红色 |
绿色 |
兰色 |
青色 |
|
定义符 |
M(magenta) |
y(yellow) |
k(black) |
w(white) |
|
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
--------------------------------------------
