四参数拟合的介绍

1. 四参数拟合的介绍

所谓四参数拟合，是指用含有四个参数的方程表示因变量（y）随自变量（x）变化的规律。

2. 数值计算中的"曲线拟合"，一般有哪些方法

曲线拟合一般方法包括：
1 用解析表达式逼近离散数据的方法
2 最小二乘法

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

3. 什么是标准曲线拟合

定义：推求一个解析函数y=f(x)使其通过或近似通过有限序列的资料点(xi，yi)，通常用多项式函数通过最小二乘法求得此拟合函数
     实际工作中，变量间未必都有线性关系，如服药后血药浓度与时间的关系；疾病疗效与疗程长短的关系；毒物剂量与致死率的关系等常呈曲线关系。曲线拟合（curve fitting）是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量间的关系
意义：线直线化是曲线拟合的重要手段之一。对于某些非线性的资料可以通过简单的变量变换使之直线化，这样就可以按最小二乘法原理求出变换后变量的直线方程，在实际工作中常利用此直线方程绘制资料的标准工作曲线，同时根据需要可将此直线方程还原为曲线方程，实现对资料的曲线拟合

4. 四参数拟合的模式

四参数模式为Y=(a-d)/[1+(x/c)b]+da:曲线上渐近线估值d:曲线下渐近线估值b:曲线的斜率c:最大结合一半时对应的剂量用迭代或逼近法解多元方程方程公式为:Y=（A-D）/（1+（X/C）＾B） + D给出X,Y的值为5组或以上的值（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4） ... ...（xn,yn）。给出的值X可能为单调上升或下降，Y的值也可能是单调上升或下降。可能曲线为下降趋势或上升趋势。需要按X值由小到大排列。结果输出要求求出A,B,C,D四个参数使这几组解为最优（中间必定要用到最小二乘法），并且在最大点也最小点之间的曲线为单调曲线。我的问题是：如果给出给出X,Y的值为N组上的值（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4） ... ...（xn,yn）。一般N>4.如何求出A,B,C,D四个值。可能要用到拉格朗日或高斯或泰勒级数之类的。要求出这四个值，一般都是使用迭代或逼近法，首先依照四个值的原则设定一个初始值，后对Logistic方程四个参数求偏微分，得到y对给定系数的增量（△A, △D, △C, △B）的泰勒级数展开式。用增量对初始值进行校正，以此方法进行多次迭代收敛，直到相关系数不再增大，或者设定一个迭代的次数，就可以得出四个值的最终结果。

5. 什么是拟合值

插值和拟合都是函数逼近或者数值逼近的重要组成部分

他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义
在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律的
目的，即通过"窥几斑"来达到"知全豹"。

简单的讲，所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通
过调整该函数中若干待定系数f(λ1, λ2,…,λ3), 使得该函数与已知点集的
差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者
线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表
达式也可以是分段函数，这种情况下叫作样条拟合。

而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通
过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给
定离散点上满足约束。插值函数又叫作基函数，如果该基函数定义在
整个定义域上，叫作全域基，否则叫作分域基。如果约束条件中只有
函数值的约束，叫作Lagrange插值，否则叫作Hermite插值。

从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式
未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个(
或几个分片光滑的)连续曲面来穿过这些点。

具体插值拟合的计算参考下面回复：

1)Matlab中如何作线性拟合/线性回归/多元线性回归？
:#FangQ(Qianqian.Fang@Dartmouth.Edu),2002/6/21, BigGreen/MathTools #

即用y=a*x+b来拟合一组数据{{x1,y1},{x2,y2}…{xn,yn}}
matlab中使用polyfit
x=data(:,1);
y=data(:,2);
p=polyfit(x,y,1);
p(1)为斜率a，p(2)为截距b

多元线性回归即用y=a1*x1+a2*x2+..+am*xm来拟合数据点{x1i,x2i,…xmi,yi}
(i=1~n)

|x11,x21,…xm1|
A=|x12,x22,…xm2|
|…………… |
|x1n,x2n,…xmn|

Y={y1,y2,y3,…,yn}'

则系数{a1,a2,…,am}'=pinv(A)*Y
在matlab中使用
coeff=A\Y
则可以得到最小二乘意义上的拟合系数

matlab默认只提供了多项式拟合的函数polyfit，对于其他稍微简单
一点的拟合，如标准的指数、对数、高阶多项式拟合，都有解析公式，参见：
http://mathworld.wolfram.com/LeastSquaresFitting.html
对于更加复杂的非线性函数，建议使用Mathematica或者DataFit

Mathematica中提供了Fit[],以及
<< Statistics`NonlinearFit`
NonlinearFit[],NonlinearRegress[]
可以拟合任意复杂的表达式。

DataFit可以自定义拟合模型，适用于复杂系统的拟合。

6. 这个曲线用什么函数来拟合？

可以用三次函数来拟合。拟合函数方程：
y=a+b/x+c/x²
其中：a>0,b<0,c<0

7. 拟合值是什么

问题一：在回归模型中Y的拟合值是指什么  回归模型的预测输出就叫拟合值，比如说一个回归函数，最后计算出的值就叫拟合值 
  
   问题二：拟合和是什么意思  ：曲线拟合曲线拟合曲线拟合正文用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系。更广泛地说，空间或高维空间中的相应问题亦属此范畴。在数值分析中，曲线拟合就是用解析表达式逼近离散数据，即离散数据的公式化。实践中，离散点组或数据往往是各种物理问题和统计问题有关量的多次观测值或实验值，它们是零散的，不仅不便于处理，而且通常不能确切和充分地体现出其固有的规律。这种缺陷正可由适当的解析表达式来弥补。数学表述　设给定离散数据　(1)式中xk为自变量x(标量或向量,即一元或多元变量)的取值；yk为因变量y（标量）的相应值。曲线拟合要解决的问题是寻求与(1)的背景规律相适应解析表达式　(2)使它在某种意义下最佳地逼近或拟合(1),?(x,b)称为拟合模型；为待定参数,当b)仅在?中线性地出现时，称模型为线性的，否则为非线性的。 
  
   问题三：拟合 什么意思  拟合[nǐ hé] 
  [解释]一组观测结果的数字统计与相应数值组的吻合. 
  
   问题四：拟合是什么意思  所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调整该函数中若干待定系数f(λ1, λ2,…,λn)，使得该函数与已知点集的差别(最小二乘意义)最小。 
  如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表达式也可以是分段函数，这种情况下叫作样条拟合。 
  一组观测结果的数字统计与相应数值组的吻合。形象的说,拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。 
  在MATLAB中可以用polyfit 来拟合多项式。 
  拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。 
  
   问题五：最小二乘法拟合出的值是什么作用  拟合出的数值是曲线的系数，说白了就是用数据得到曲线 
  
   问题六：什么是拟合？  形象的说,拟和就是把平面上一系列的点,用一条光滑的曲线连接起来.因为这条曲线有无数种可能,从而有各种拟和方法.拟和的曲线一般可穿用函数表示.根据这个函数的不同有不同的拟和的名字.

8. 多项式拟合和曲线拟合？

曲线拟合包含多项式拟合；反之不成立。
因为代表曲线的函数是多项式，则函数一定有解析解。而代表曲线的函数是一般函数，则函数不一定有解析解。所以：
多项式拟合，可以在数字计算机上进行；
无解析解的函数，进行曲线拟合一是利用“模拟计算机”；二是经过“计算数学”方法处理后，再利用“数字计算机”进行逼近拟合（给出精度要求，就可进行满足该精度要求的拟合）。