||
这里只列出了函数名称和主要功能,详细的还需阅读帮助文件。
线性拟合LINFIT , by minimizing the chi-square error statistic
公式:Y=A+ B*X
Result = LINFIT( X, Y [, CHISQR=variable] [, COVAR=variable] [, /DOUBLE] [, MEASURE_ERRORS=vector] [, PROB=variable] [, SIGMA=variable] [, YFIT=variable] )
线性拟合LADFIT, using a "robust" least absolute deviation method
Result = LADFIT( X, Y [, ABSDEV=variable] [, /DOUBLE] )
效果:LadFit的结果优于LinFit,但是使用LadFit首先需要对X进行升序排列
多元线性回归计算方法REGRESS
多元线性拟合公式:Y = A + B*X1+ C*X2 ......
Result = REGRESS( X, Y, [, CHISQ=variable] [, CONST=variable] [, CORRELATION=variable] [, /DOUBLE] [, FTEST=variable] [, MCORRELATION=variable] [, MEASURE_ERRORS=vector] [, SIGMA=variable] [, STATUS=variable] [, YFIT=variable] )
一元多次模型:Poly_Fit
公式:Y = A + B*X + C*X^2 + D*X^3 +.....
Result = POLY_FIT( X, Y, Degree [, CHISQ=variable] [, COVAR=variable] [, /DOUBLE] [, MEASURE_ERRORS=vector] [, SIGMA=variable] [, STATUS=variable] [, YBAND=variable] [, YERROR=variable] [, YFIT=variable] )
BILINEAR
语法是:Result = BILINEAR(P, IX, JY [, MISSING=value] )
p:是原来没有插值的那个数组,一般应该是两维的,如果是网格的话就相当于x,y两维。
ix和jy都是相对坐标,是我们要插值的这个点相对于原坐标系的一个相对ix,iy。如果我们只差值一个点,则计算相对的坐标带入语法中就可以了。
COMFIT求解各函数拟合参数
对以下六类函数进行拟合:
,,,,,
LMFIT
薄板样条法
Result = GRID_TPS (Xp, Yp, Values [, COEFFICIENTS=variable] [, NGRID=[nx, ny]] [, START=[x0, y0]] [, DELTA=[dx, dy]] )
改进谢别德法MSQ: grid3
Result = GRID3( X, Y, Z, F, Gx, Gy, Gz [, DELTA=scalar/vector] [, DTOL=value] [, GRID=value] [, NGRID=value] [, START=[x, y, z]] )
克里格法Kriging: krig2d
最小曲率法: min_curve_surf
三角网/线性插值法: trigrid
高斯拟合函数GAUSSFIT、GAUSS_PDF、GAUSS_CFV、COMFIT、IMSL_INTFCN 、GAUSSINT
Result = GAUSSFIT( X, Y [, A] [, CHISQ=variable] [, ESTIMATES=array] [, MEASURE_ERRORS=vector] [, NTERMS=integer{3 to 6}] [, SIGMA=variable] [, YERROR=variable])
Result = GAUSS_PDF(V)
IMSL_INTFCN求解各种函数积分
correlate 计算线性Pearson 相关
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-27 09:36
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社