‘壹’ 如何做两组数据的拟合
建议你使用origin，非常好用，可以导入excel或者txt，科研人员基本都用这个
‘贰’ 如何线性拟合部分数据
分数线是根据大学预定招生人数，从前面掐下来的，比如在某省某专业只招收5人，那就取这个省报这个专业的分数的前5名，然后发布录取分数线 专业的录取分数线绝对不会比这个大学最低录取分数线低
‘叁’ 如何利用excel进行数据拟合
将数据绘制成图表，单击图表中的曲线选择添加趋势线，在其中选定显示公式，看看能不能与你的公式相匹配。
‘肆’ 如何用EXCEL拟合一组数据
选中数学，然后“插入”“图表”，选择xy散点图，再“添加趋势线”，选择模型，显示公式就行
‘伍’ 怎么拟合数据matlab
x=[1982 1992 2002]；
y=[103.5 34.5 23.3]；
cftool（x，y）
在弹出的对话框选择fitting，弹出新的对话框选择 new fit，然后在第三个下拉菜单（Type of fit）中选择Exponential，然后点击Apply，即可；最后结果
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
注：括号中的是次要参数；
最终拟合结果：
f(x) = 1.453e+082*exp(-0.09312*x)
将2012带入即得
f(2012)=6.2225
‘陆’ 什么叫数据拟合
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([email protected]),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。
‘柒’ 如何使用matlab拟合excel里面的数据
使用matlab拟合excel里面的数据方法如下：
1、把数据导入matlab，可以用复制的方法来实现，
2、如果是数值矩阵就放在A里，向量就放x里
3、根据拟合的需要进行拟合操作，我这里给一种曲线拟合的方法
x=[
2
5
6
8
9
6
3];
y=[1
2
4
6
8
6
5];
a=polyfit(x,y,2)%二阶拟合
y1=a(1)*x.^2+a(2)*x+a(3);
plot(x,y,'*')
hold
on
plot(x,y1)
4、其它的拟合可以参考matlab的相关说明。
‘捌’ 如何根据一组数据进行曲线拟合
您好，这样的：一、
单一变量的曲线逼近
matlab有一个功能强大的曲线拟合工具箱
cftool
，使用方便，能实现多种类型的线性、非线
性曲线拟合。下面结合我使用的
matlab
r2007b
来简单介绍如何使用这个工具箱。
假设我们要拟合的函数形式是
y=a*x*x
+
b*x,
且a>0,b>0
。
1、在命令行输入数据：
》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、启动曲线拟合工具箱
》cftool
3、进入曲线拟合工具箱界面“curve
fitting
tool”
（1）点击“data”按钮，弹出“data”窗口；
（2）利用x
data和y
data的下拉菜单读入数据x,y，可修改数据集名“data
set
name”，然
后点击“create
data
set”按钮，退出“data”窗口，返回工具箱界面，这时会自动画出数
据集的曲线图；
（3）点击“fitting”按钮，弹出“fitting”窗口；
（4）点击“new
fit”按钮，可修改拟合项目名称“fit
name”，通过“data
set”下拉菜单
选择数据集，然后通过下拉菜单“type
of
fit”选择拟合曲线的类型，工具箱提供的拟合类
型有：
custom
equations：用户自定义的函数类型
exponential：指数逼近，有2种类型，
a*exp(b*x)
、
a*exp(b*x)
+
c*exp(d*x)
fourier：傅立叶逼近，有7种类型，基础型是
a0
+
a1*cos(x*w)
+
b1*sin(x*w)
gaussian：高斯逼近，有8种类型，基础型是
a1*exp(-((x-b1)/c1)^2)
interpolant：插值逼近，有4种类型，linear、nearest
neighbor、cubic
spline、shape-
preserving
polynomial：多形式逼近，有9种类型，linear
~、quadratic
~、cubic
~、4-9th
degree
~
power：幂逼近，有2种类型，a*x^b
、a*x^b
+
c
rational：有理数逼近，分子、分母共有的类型是linear
~、quadratic
~、cubic
~、4-5th
degree
~；此外，分子还包括constant型
smoothing
spline：平滑逼近（翻译的不大恰当，不好意思）
sum
of
sin
functions：正弦曲线逼近，有8种类型，基础型是
a1*sin(b1*x
+
c1)
weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)
选择好所需的拟合曲线类型及其子类型，并进行相关设置：
——如果是非自定义的类型，根据实际需要点击“fit
options”按钮，设置拟合算法、修改
待估计参数的上下限等参数；
——如果选custom
equations，点击“new”按钮，弹出自定义函数等式窗口，有“linear
equations线性等式”和“general
equations构造等式”两种标签。
在本例中选custom
equations，点击“new”按钮，选择“general
equations”标签，输入函
数类型y=a*x*x
+
b*x，设置参数a、b的上下限，然后点击ok。
‘玖’ Mathematica如何进行数据拟合
由散点图可知，数据接近线性的，可以上使用下面的函数：
line = Fit[data1, {1, x}, x]
若是选择二次函数，则
Fit[data1, {1, x, x^2}, x]
你也可以自行搜索帮助文件
‘拾’ 如何进行数据拟合
这个问题太概要了
如果要求不高，现行差值好了