نکته های کلیدی در آب و هواشناسی سینوپتیک
خدایا! کمکم کن؛ پیمانی را که در طوفان با تو بستم در آرامش فراموش نکنم
درباره وبلاگ


خدایا !
از این ناراحتم كه روزی بسیاری از درهای علوم را بر روی خود بگشاییم و هنوز شناختمان از تو تنها در همین حد باشد.


مدیر وبلاگ : mehdi doostkamian
مطالب اخیر
نویسندگان
نظرسنجی
مطالبی را که در وب گذاشته می شود چگونه ارزیابی می کنید:؟







پیوندها
آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :





برای نمایش تصاویر گالری كلیك كنید


دریافت كد گالری عكس در وب

دقت کنید که اسکریپت زیر همات تابع polyfit هست که در محیط متلب گذاشته شد. بنابراین برای محاسبه رون با استفاده از این تابع کافیست که ابتدا زمان و متغیر وابسته که همان عناصر اقلیمی می باشد را تعریف و برنامه را اجرا کنید در جه چند جمله را هم می توانید به راحتی با این اسکریپت حساب کرد:

function [p,S,mu] = polyfit(x,y,n) 
%   POLYFIT Fit polynomial to data. 
%   POLYFIT(X,Y,N) finds the coefficients of a polynomial P(X) of 
%   degree N that fits the data, P(X(I))~=Y(I), in a least-squares sense. 
%   [P,S] = POLYFIT(X,Y,N) returns the polynomial coefficients P and a 
%   structure S for use with POLYVAL to obtain error estimates on 
%   predictions.  If the errors in the data, Y, are independent normal 
%   with constant variance, POLYVAL will produce error bounds which 
%   contain at least 50% of the predictions. 
%   The structure S contains the Cholesky factor of the Vandermonde 
%   matrix (R), the degrees of freedom (df), and the norm of the 
%   residuals (normr) as fields.    
%   [P,S,MU] = POLYFIT(X,Y,N) finds the coefficients of a polynomial 
%   in XHAT = (X-MU(1))/MU(2) where MU(1) = mean(X) and MU(2) = std(X). 
%   This centering and scaling transformation improves the numerical 
%   properties of both the polynomial and the fitting algorithm. 
%   Warning messages result if N is >= length(X), if X has repeated, or 
%   nearly repeated, points, or if X might need centering and scaling. 
%   See also POLY, POLYVAL, ROOTS. 
 
%   Copyright 1984-2002 The MathWorks, Inc. 
%   $Revision: 5.17 $  $Date: 2002/04/09 00:14:25 $ 
 
% The regression problem is formulated in matrix format as: 
%    y = V*p    or 
%          3  2 
%    y = [x  x  x  1] [p3 
%                      p2 
%                      p1 
%                      p0] 
% where the vector p contains the coefficients to be found.  For a 
% 7th order polynomial, matrix V would be: 
% V = [x.^7 x.^6 x.^5 x.^4 x.^3 x.^2 x ones(size(x))]; 
 
if ~isequal(size(x),size(y)) 
    error('X and Y vectors must be the same size.') 
end 
 
x = x(:); 
y = y(:); 
 
if nargout > 2 
   mu = [mean(x); std(x)]; 
   x = (x - mu(1))/mu(2); 
end 
 
% Construct Vandermonde matrix. 
V(:,n+1) = ones(length(x),1); 
for j = n:-1:1 
   V(:,j) = x.*V(:,j+1); 
end 
 
% Solve least squares problem, and save the Cholesky factor. 
[Q,R] = qr(V,0); 
ws = warning('off','all');  
p = R\(Q'*y);    % Same as p = V\y; 
warning(ws); 
if size(R,2) > size(R,1) 
   warning('MATLAB:polyfit:PolyNotUnique', ... 
       'Polynomial is not unique; degree >= number of data points.') 
elseif condest(R) > 1.0e10 
    if nargout > 2 
        warning('MATLAB:polyfit:RepeatedPoints', ... 
            'Polynomial is badly conditioned. Remove repeated data points.') 
    else 
        warning('MATLAB:polyfit:RepeatedPointsOrRescale', ... 
            ['Polynomial is badly conditioned. Remove repeated data points\n' ... 
            '         or try centering and scaling as described in HELP POLYFIT.']) 
    end 
end 
r = y - V*p; 
p = p.';          % Polynomial coefficients are row vectors by convention. 
 
% S is a structure containing three elements: the Cholesky factor of the 
% Vandermonde matrix, the degrees of freedom and the norm of the residuals. 
 
S.R = R; 
S.df = length(y) - (n+1); 
S.normr = norm(r);





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
سه شنبه 21 بهمن 1393
mehdi doostkamian
سه شنبه 26 آبان 1394 ساعت 23 و 40 دقیقه و 05 ثانیه
با سلام و عرض ادب
ببخشید یک سوال از خدمتتون داشتم و ان اینکه چطوری میتونم آنالیز حساسیت پارامترهای ورودی را در نرم افزار متلب انجام دهم. اگر لطف کنین راهنماییم کنید ممنون میشم نیاز فوری دارم برای پایان نامه ام میخواستم .با تشکر و سپاس فراوان
دوشنبه 21 اردیبهشت 1394 ساعت 23 و 13 دقیقه و 57 ثانیه
دانلود کتاب تجزیه و تحلیل رگرسیون با مثال
http://booktolearn.com/?p=2117
سه شنبه 21 بهمن 1393 ساعت 19 و 37 دقیقه و 47 ثانیه
از تصادف جان سالم به در برده بود و می گفت :
زندگی اش را مدیون ماشین گران قیمتش است ...
و خدا همچنان لبخند می زد ..

سلام
پیش من هم بیاین خوشحال میشم
سه شنبه 21 بهمن 1393 ساعت 19 و 13 دقیقه و 32 ثانیه
از تصادف جان سالم به در برده بود و می گفت :
زندگی اش را مدیون ماشین گران قیمتش است ...
و خدا همچنان لبخند می زد ..

سلام
پیش من هم بیاین خوشحال میشم
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر
نظرات پس از تایید نشان داده خواهند شد.