Il metodo dei minimi quadrati è comunemente usato nei dati di montaggio. La soluzione a un problema di minimi quadrati è il coefficiente o un insieme di coefficienti che minimizza la somma dei residui al quadrato. Residui sono la differenza tra il valore effettivo e il valore di misura.

Scienziati e ingegneri è possibile utilizzare Matlab, un'applicazione di software sviluppata da The MathWorks, per eseguire analisi di minimi quadrati. È possibile utilizzare la funzione "fminsearch"-- ma questo può essere molto complicato e tempo consumando..--o Curve Fitting toolbox..--che è costoso. In alternativa, è possibile utilizzare Ezyfit. EzyFit è gratuito, veloce e facile da usare Matlab toolbox.

Istruzioni

Installazione EzyFit

1

Scarica Ezyfit. Estrarlo in una cartella sul tuo computer. Non aggiungerlo alla directory di Matlab ("file/Matlab di programma").

2

Selezionare "File > Imposta percorso..." dalla barra dei menu e quindi selezionare la cartella contenente Ezyfit per aggiungere Ezyfit al vostro percorso di Matlab.

3

Riavviare Matlab per caricare Ezyfit per la prima volta. Successivamente, Ezyfit caricherà automaticamente all'avvio di Matlab.

Generare dati di esempio lineare

4

Tipo "x = 0:1:100" nella finestra di comando per generare una serie di valori x.

5

Tipo "y = rand(1,length(x))" per generare casualmente un valore di y per ogni valore di x.

6

Tipo "y = y. (x 2) "per creare una sfumatura di 2. Fate attenzione ad per usare la moltiplicazione di matrice ". "dopo la seconda y piuttosto che la moltiplicazione di matrici""altrimenti si genererà un errore di moltiplicazione matrice.

7

Tipo "plot(x,y,'kx')" per tracciare i punti su un grafico a dispersione.

Eseguire la misura di minimi quadrati

8

Tipo "showfit (' un * x + b')" per eseguire una misura lineare minimi quadrati. EzyFit stampe la soluzione, vale a dire i valori dei coefficienti di raccordo "a" e "b" e coefficiente di correlazione "R".

9

Tipo "showfit (' unexp(bx) + c')" per eseguire una misura esponenziale minimi quadrati.

10

Verificare che il coefficiente di correlazione "R" per la misura esponenziale sia inferiore al valore di "R" per la misura lineare. Ciò significa che la misura lineare è un migliore adattamento dei dati, come previsto.