『壹』 如何做兩組數據的擬合
建議你使用origin，非常好用，可以導入excel或者txt，科研人員基本都用這個
『貳』 如何線性擬合部分數據
分數線是根據大學預定招生人數，從前面掐下來的，比如在某省某專業只招收5人，那就取這個省報這個專業的分數的前5名，然後發布錄取分數線 專業的錄取分數線絕對不會比這個大學最低錄取分數線低
『叄』 如何利用excel進行數據擬合
將數據繪製成圖表，單擊圖表中的曲線選擇添加趨勢線，在其中選定顯示公式，看看能不能與你的公式相匹配。
『肆』 如何用EXCEL擬合一組數據
選中數學，然後「插入」「圖表」，選擇xy散點圖，再「添加趨勢線」，選擇模型，顯示公式就行
『伍』 怎麼擬合數據matlab
x=[1982 1992 2002]；
y=[103.5 34.5 23.3]；
cftool（x，y）
在彈出的對話框選擇fitting，彈出新的對話框選擇 new fit，然後在第三個下拉菜單（Type of fit）中選擇Exponential，然後點擊Apply，即可；最後結果
General model Exp1:
f(x) = a*exp(b*x)
Coefficients (with 95% confidence bounds):
a = 1.453e+082 (-7.288e+084, 7.317e+084)
b = -0.09312 (-0.3464, 0.1602)
Goodness of fit:
SSE: 90.2
R-square: 0.9761
Adjusted R-square: 0.9522
RMSE: 9.497
註：括弧中的是次要參數；
最終擬合結果：
f(x) = 1.453e+082*exp(-0.09312*x)
將2012帶入即得
f(2012)=6.2225
『陸』 什麼叫數據擬合
插值和擬合都是函數逼近或者數值逼近的重要組成部分
他們的共同點都是通過已知一些離散點集M上的約束，求取一個定義
在連續集合S(M包含於S)的未知連續函數，從而達到獲取整體規律的
目的，即通過"窺幾斑"來達到"知全豹"。
簡單的講，所謂擬合是指已知某函數的若干離散函數值{f1,f2,…,fn}，通
過調整該函數中若干待定系數f(λ1, λ2,…,λ3), 使得該函數與已知點集的
差別(最小二乘意義)最小。如果待定函數是線性，就叫線性擬合或者
線性回歸(主要在統計中)，否則叫作非線性擬合或者非線性回歸。表
達式也可以是分段函數，這種情況下叫作樣條擬合。
而插值是指已知某函數的在若干離散點上的函數值或者導數信息，通
過求解該函數中待定形式的插值函數以及待定系數，使得該函數在給
定離散點上滿足約束。插值函數又叫作基函數，如果該基函數定義在
整個定義域上，叫作全域基，否則叫作分域基。如果約束條件中只有
函數值的約束，叫作Lagrange插值，否則叫作Hermite插值。
從幾何意義上將，擬合是給定了空間中的一些點，找到一個已知形式
未知參數的連續曲面來最大限度地逼近這些點；而插值是找到一個(
或幾個分片光滑的)連續曲面來穿過這些點。
具體插值擬合的計算參考下面回復：
1)Matlab中如何作線性擬合/線性回歸/多元線性回歸？
:#FangQ([email protected]),2002/6/21, BigGreen/MathTools #
即用y=a*x+b來擬合一組數據{{x1,y1},{x2,y2}…{xn,yn}}
matlab中使用polyfit
x=data(:,1);
y=data(:,2);
p=polyfit(x,y,1);
p(1)為斜率a，p(2)為截距b
多元線性回歸即用y=a1*x1+a2*x2+..+am*xm來擬合數據點{x1i,x2i,…xmi,yi}
(i=1~n)
|x11,x21,…xm1|
A=|x12,x22,…xm2|
|…………… |
|x1n,x2n,…xmn|
Y={y1,y2,y3,…,yn}'
則系數{a1,a2,…,am}'=pinv(A)*Y
在matlab中使用
coeff=A\Y
則可以得到最小二乘意義上的擬合系數
matlab默認只提供了多項式擬合的函數polyfit，對於其他稍微簡單
一點的擬合，如標準的指數、對數、高階多項式擬合，都有解析公式，參見：
http://mathworld.wolfram.com/LeastSquaresFitting.html
對於更加復雜的非線性函數，建議使用Mathematica或者DataFit
Mathematica中提供了Fit[],以及
<< Statistics`NonlinearFit`
NonlinearFit[],NonlinearRegress[]
可以擬合任意復雜的表達式。
DataFit可以自定義擬合模型，適用於復雜系統的擬合。
『柒』 如何使用matlab擬合excel裡面的數據
使用matlab擬合excel裡面的數據方法如下：
1、把數據導入matlab，可以用復制的方法來實現，
2、如果是數值矩陣就放在A里，向量就放x里
3、根據擬合的需要進行擬合操作，我這里給一種曲線擬合的方法
x=[
2
5
6
8
9
6
3];
y=[1
2
4
6
8
6
5];
a=polyfit(x,y,2)%二階擬合
y1=a(1)*x.^2+a(2)*x+a(3);
plot(x,y,'*')
hold
on
plot(x,y1)
4、其它的擬合可以參考matlab的相關說明。
『捌』 如何根據一組數據進行曲線擬合
您好，這樣的：一、
單一變數的曲線逼近
matlab有一個功能強大的曲線擬合工具箱
cftool
，使用方便，能實現多種類型的線性、非線
性曲線擬合。下面結合我使用的
matlab
r2007b
來簡單介紹如何使用這個工具箱。
假設我們要擬合的函數形式是
y=a*x*x
+
b*x,
且a>0,b>0
。
1、在命令行輸入數據：
》x=[110.3323
148.7328
178.064
202.8258033
224.7105
244.5711
262.908
280.0447
296.204
311.5475]
》y=[5
10
15
20
25
30
35
40
45
50]
2、啟動曲線擬合工具箱
》cftool
3、進入曲線擬合工具箱界面「curve
fitting
tool」
（1）點擊「data」按鈕，彈出「data」窗口；
（2）利用x
data和y
data的下拉菜單讀入數據x,y，可修改數據集名「data
set
name」，然
後點擊「create
data
set」按鈕，退出「data」窗口，返回工具箱界面，這時會自動畫出數
據集的曲線圖；
（3）點擊「fitting」按鈕，彈出「fitting」窗口；
（4）點擊「new
fit」按鈕，可修改擬合項目名稱「fit
name」，通過「data
set」下拉菜單
選擇數據集，然後通過下拉菜單「type
of
fit」選擇擬合曲線的類型，工具箱提供的擬合類
型有：
custom
equations：用戶自定義的函數類型
exponential：指數逼近，有2種類型，
a*exp(b*x)
、
a*exp(b*x)
+
c*exp(d*x)
fourier：傅立葉逼近，有7種類型，基礎型是
a0
+
a1*cos(x*w)
+
b1*sin(x*w)
gaussian：高斯逼近，有8種類型，基礎型是
a1*exp(-((x-b1)/c1)^2)
interpolant：插值逼近，有4種類型，linear、nearest
neighbor、cubic
spline、shape-
preserving
polynomial：多形式逼近，有9種類型，linear
~、quadratic
~、cubic
~、4-9th
degree
~
power：冪逼近，有2種類型，a*x^b
、a*x^b
+
c
rational：有理數逼近，分子、分母共有的類型是linear
~、quadratic
~、cubic
~、4-5th
degree
~；此外，分子還包括constant型
smoothing
spline：平滑逼近（翻譯的不大恰當，不好意思）
sum
of
sin
functions：正弦曲線逼近，有8種類型，基礎型是
a1*sin(b1*x
+
c1)
weibull：只有一種，a*b*x^(b-1)*exp(-a*x^b)
選擇好所需的擬合曲線類型及其子類型，並進行相關設置：
——如果是非自定義的類型，根據實際需要點擊「fit
options」按鈕，設置擬合演算法、修改
待估計參數的上下限等參數；
——如果選custom
equations，點擊「new」按鈕，彈出自定義函數等式窗口，有「linear
equations線性等式」和「general
equations構造等式」兩種標簽。
在本例中選custom
equations，點擊「new」按鈕，選擇「general
equations」標簽，輸入函
數類型y=a*x*x
+
b*x，設置參數a、b的上下限，然後點擊ok。
『玖』 Mathematica如何進行數據擬合
由散點圖可知，數據接近線性的，可以上使用下面的函數：
line = Fit[data1, {1, x}, x]
若是選擇二次函數，則
Fit[data1, {1, x, x^2}, x]
你也可以自行搜索幫助文件
『拾』 如何進行數據擬合
這個問題太概要了
如果要求不高，現行差值好了