多少組數據擬合有價值

❶ 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

❷ 最小二乘法擬合最少需要多少組數據啊

通常數據越多越好。
要說最少的話，得看要擬合的變數有多少個，n個變數的話如果只有n個數據，那通常不用擬合，直接解方程組得出唯一解。
所以n個變數的話至少需要n+1個數據，才能做擬合。
比如平面上的直線，y=kx+b, 有2個變數，因為2點唯一確定了直線，故至少要3個數據來擬合。

❸ origin中怎麼用多組數據擬合一條曲線

對應一個X列數據，多組Y列數據。當這些數據很接近時，只需要擬合一條曲線方程，這個問題也讓我琢磨了很久，其實很簡單。

如果使用指數函數擬合，出現對話框，點擊「date selection」，在多數據方式中選擇「concatenate fit」，我稱之為「適合關聯」。

❹ r方一般多少說明擬合的好

r方一般0.999說明擬合的好。

在工程設計或科學實驗中所得到的數據往往是一張關於離散數據點的表 ，沒有解析式來描述 x-y關系。根據所給定的這些離散數據點繪制的曲線，稱為不規則曲線，通常用曲線擬合的方法解決這類問題。

擬合優度：

R^2衡量的是回歸方程整體的擬合度，是表達因變數與所有自變數之間的總體關系。R^2等於回歸平方和在總平方和中所佔的比率，即回歸方程所能解釋的因變數變異性的百分比。

實際值與平均值的總誤差中，回歸誤差與剩餘誤差是此消彼長的關系。因而回歸誤差從正面測定線性模型的擬合優度，剩餘誤差則從反面來判定線性模型的擬合優度。

統計上定義剩餘誤差除以自由度n – 2所得之商的平方根為估計標准誤。為回歸模型擬合優度的判斷和評價指標，估計標准誤顯然不如判定系數R^2。

R^2是無量綱系數，有確定的取值范圍(0—1)，便於對不同資料回歸模型擬合優度進行比較；而估計標准誤差是有計量單位的，又沒有確定的取值范圍，不便於對不同資料回歸模型擬合優度進行比較。

❺ 我有20組數據 想用matlab根據前10組數據擬合出一個線性方程，再根據這個線性方程預測第11個數

線性方程指的是系數是線性的還是自變數是線性的？
用polyfit擬合，根據擬合結果用polyval做預測就行了

❻ 曲線擬合最好不要少於幾組數據四組數據可行了嗎懇請各位大蝦指點迷津吧！急啊！

所謂的擬合就是待定參數少於方程數。比如你要線性擬合y=ax+b,x和y是數據，一組數據一個方程，a和b是待定參數，所以至少要3個方程。同理，如果你擬合二次函數，就要4個方程。當然數據越多約好，否則無法保證擬合與實際的物理特性是否吻合

❼ 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

❽ 我有一組數據，要按照我給定的公式進行曲線擬合得到系數，請大神幫忙，跪求

可以用Matlab進行給定函數擬合系數，你可以參照下列例子：
x=1:n;
y=[27.9,25.8,23.8,21.6,19.5,17.4,15.5,13.3,11.2];
func=inline('a(1).*exp(a(2)+a(3)*x)','a','x'); %自定義函數
x0=[0.7572 0.7537 0.3804]; %初值
a= nlinfit(x,y,func,x0) %擬合系數
如還有不懂得地方，可以進一步交流。

❾ 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。

❿ 有一組數據需要擬合成函數，用哪種函數擬合方法最好

你不是男的吧，沒別的意思，女生就是喜歡不動腦子就問些很「無理」的問題（沒有歧視的意思，天性如此）
我也不想吐槽你了。。。但是麻煩你偶爾動一下那裝滿帥哥·美食·服裝·首飾的腦子，你連數據都不給，怎麼告訴你哪種方法最好？
除非有一種萬能函數。但是你認為可能存在一種函數對任何一組數據效果都是最好的么？那研究數學的人幹嘛還要研究那麼多函數？