数学模型实验课（二）最小二乘法与直线拟合v康尔乃奶粉v 32.4元元 400g; 67.1元元 900g.v 4 k1 + 42/3 k2 = 32.4v 9 k1 + 92/3 k2 = 67.1v 解得解得: k1 = 5.3791, k2 = 4.3192v 模型模型: C(W)=5.3791 W + 4.3192 W2/3.v 预测预测: W=1800, C(W) = 126.49.v W=2500, C(W) = 154.36v 实际实际: W=1800, C(W)=115.9v W=2500, C(W)=146.85vx=4,9,18,25;y=32.4,67.1,115.9,146.85;vx1=x(1),x(2),x2=x1.(2/3);vy1=y(1),y(2);X=x1,x2;vk=Xy1vx1=x(1),x(2),x(3);x2=x1.(2/3);vy1=y(1),y(2),y(3);X=x1,x2;vk=Xy1.一.求解线性方程组：A x = y二. 如果如果设：设：Ax+= y，求，求 x 使得使得误差差 | 最小。最小。AA x = Ayx = (AA)-1Ay二. 直线拟合直线拟合 1. 矩阵左除矩阵左除数据（数据（xi, yi）,拟合直线拟合直线 y = a + bx, 误差最小误差最小模型：模型：yi = a + bxi +X b = yvy=17,16,17,23,26,27,41,49;vx=1953,2015,2015,2821,3049,3049,5133,5592;vX=ones(8,1),x;b=Xy;vy1=b(1)+b(2).*x;vplot(x,y1,r,x,y,*r)v 2. 直线拟合的效果（相关系数）直线拟合的效果（相关系数）v vX1=x,y;m=size(X1);n=m(1);p=m(2);vX=ones(n,1),x;B=Xy;a=B(1);b=B(2:p);vy1=a+b*x;plot(x,y1,r,x,y,*r);vCov=X1*(eye(n)-ones(n)./n)*X1;vLyy=Cov(p,p);Lxx=Cov(1:(p-1),1:(p-1);vR=(b*Lxx*b)/Lyy;r=sqrt(R); v3. 多项式拟合v b=polyfit(x,y,1);v4.线性回归v b,r,j,k,l=regress(y,X);