O método dos mínimos quadrados é comumente usado em dados de ajuste. A solução para o problema dos mínimos quadrados é o coeficiente ou conjunto de coeficientes que minimiza a soma dos quadrados dos resíduos . Resíduos são a diferença entre o valor real e os value.Scientists equipados e engenheiros usam Matlab, um software desenvolvido pela MathWorks , para realizar a análise de mínimos quadrados. Você pode usar a função " fminsearch " - mas isso pode ser muito complicado e demorado - ou a Curva de montagem caixa de ferramentas - o que é caro. Alternativamente , você pode usar Ezyfit . Ezyfit é gratuito, rápido e fácil de usar Matlab caixa de ferramentas. Instruções de instalação
Ezyfit
1

Baixe Ezyfit . Extraí-lo para uma pasta no seu computador. Não adicioná-lo ao seu diretório Matlab ( "Program Files /Matlab " ) .
2

Selecione "File > Set Path ... " na barra de menu e selecione a pasta que contém Ezyfit para adicionar Ezyfit ao seu caminho Matlab .
3

Restart Matlab para carregar Ezyfit pela primeira vez . Posteriormente, Ezyfit será carregado automaticamente quando você inicia Matlab .
Gerar lineares dados de exemplo
4

Tipo "x = 0:1:100 " na janela de comando para gerar uma série de valores de x.
5

tipo "y = rand (1, length ( x)) " para gerar aleatoriamente ay valor para cada valor de x .
6

digite " y = y . * ( x * 2) " para criar um gradiente de 2. Tome cuidado para usar a multiplicação de matriz " . * " Após o segundo y ao invés de multiplicação de matrizes " * ", caso contrário você vai gerar um erro de multiplicação de matrizes .
7

Type " plot (x , y, ' kx ') " para plotar os pontos em um gráfico de dispersão .
Realize os Mínimos Quadrados Fit
8 Tipo

" showfit (' a * x + b ') "para executar uma linear de mínimos quadrados caber . Ezyfit imprime a solução , isto é, os valores dos coeficientes de montagem " a" e " b " e de coeficientes de correlação de "R " .
9

Tipo showfit " ( ' um exp * ( b * x ) + c ' ) " para executar um ajuste exponencial dos mínimos quadrados .
10

Verificar que o coeficiente de correlação de " R "para o ajuste exponencial é menor do que o " valor R "para o ajuste linear . Isto significa que o ajuste linear é um melhor ajuste dos dados , como esperado.