1、 一、散点图 11命令 plot 功能 线性二维图。在线条多于一条时，若用户没有指定使用颜色，则 plot 循环使用由当前坐标轴颜色顺序属性（current axes ColorOrder property）定义的颜色，以区别不同的线条。在用完上述属性值后，plot 又循环使用由坐标轴线型顺序属性（axes LineStyleOrder property）定义的线型，以区别不同的线条。 用法 plot(X,Y) 当 X,Y 均为实数向量，且为同维向量（可以不是同型向量） ，X=x(i)，Y=y(i)，则 plot(X,Y)先描出点(x(i) ，y(i)，然后用直线依次相连；若 X，Y 为复数向
2、量，则不考虑虚数部分。若 X，Y 均为同维同型实数矩阵，X = X(i)，Y = Y(i)，其中 X(i),Y(i)为列向量，则plot(X,Y)依次画出 plot(X(i),Y(i)，矩阵有几列就有几条线；若 X，Y 中一个为向量，另一个为矩阵，且向量的维数等于矩阵的行数或者列数，则矩阵按向量的方向分解成几个向量，再与向量配对分别画出，矩阵可分解成几个向量就有几条线；在上述的几种使用形式中，若有复数出现，则复数的虚数部分将不被考虑。 plot(Y) 若 Y 为实数向量，Y 的维数为 m，则 plot(Y)等价于 plot(X,Y)，其中 x=1：m；若 y 为实数矩阵，则把 y 按列的方向分
3、解成几个列向量，而 y 的行数为 n，则 plot(Y)等价于 plot(X,Y)其中 x=1;2;n；在上述的几种使用形式中，若有复数出现，则复数的虚数部分将不被考虑。 plot(X1,Y1,X2,Y2,)，其中 Xi 与 Yi 成对出现，plot(X1,Y1,X2,Y2,)将分别按顺序取两数据 Xi与 Yi 进行画图。若其中仅仅有 Xi 或 Yi 是矩阵，其余的为向量，向量维数与矩阵的维数匹配，则按匹配的方向来分解矩阵，再分别将配对的向量画出。 plot(X1,Y1,LineSpec1,X2,Y2,LineSpec2) 将按顺序分别画出由三参数定义 Xi,Yi,LineSpeci 的线条。
4、其中参数 LineSpeci 指明了线条的类型，标记符号，和画线用的颜色。在 plot 命令中我们可以混合使用三参数和二参数的形式： plot(X1,Y1,LineSpec1,X2,Y2,X3,Y3,LineSpec3) plot(,PropertyName,PropertyValue,) 对所有的用 plot 生成的 line 图形对象中指定的属性进行恰当的设置。 h = plot() 返回 line 图形对象句柄的一列向量，一线条对应一句柄值。说明 参数 LineSpec 功能 定义线的属性。Maltab 允许用户对线条定义如下的特性：5标记大小 指定标记符号的大小尺寸，取值为整数（单位为
5、像素） 6标记面填充颜色 指定用于填充标记符面的颜色。取值在上表。 7标记周边颜色 指定标记符颜色或者是标记符（小圆圈、正方形、棱形、正五角星、正六角星和四个方向的三角形）周边线条的颜色。取值在上表。 在所有的能产生线条的命令中，参数 LineSepc 可以定义线条的下面三个属性：线型、标记符号、颜色进行设置。对线条的上述属性的定义可用字符串来定义，如：plot(x,y,-.or) 结合 x 和 y，画出点划线（ -.） ，在数据点（x，y ）处画出小圆圈（ o） ，线和标记都用红色画出。其中定义符（即字符串）中的字母、符号可任意组合。若没有定义符，则画图命令plot 自动用缺省值进行画图。若
6、仅仅指定了标记符，而非线型，则 plot 只在数据点画出标记符。 1 2命令 scatter(x1,y,50,c,o,filled) 二、一元线性回归 2 1命令 polyfit 最小二乘多项式拟合 p，S=polyfit（x，y，m） 多项式 y=a1xm+a2xm-1+amx+am+1 其中 x=（x1， x2，xm）x1xm 为（n*1 ）的矩阵; y 为（n*1）的矩阵； p=（a1，a2 ，am+1）是多项式 y=a1xm+a2xm-1+amx+am+1 的系数； S 是一个矩阵，用来估计预测误差. 22命令 polyval 多项式函数的预测值 Y=polyval（p，x）求 pol
7、yfit 所得的回归多项式在 x 处的预测值 Y； p 是 polyfit 函数的返回值； x 和 polyfit 函数的 x 值相同。 23命令 polyconf 残差个案次序图 Y，DELTA=polyconf（p ，x， S，alpha）求 polyfit 所得的回归多项式在 x 处的预测值 Y 及预测值的显著性为 1-alpha 的置信区间 DELTA；alpha 缺省时为 0.05。 p 是 polyfit 函数的返回值； x 和 polyfit 函数的 x 值相同； S 和 polyfit 函数的 S 值相同。 2 4 命令 polytool（x，y ，m）一元多项式回归命令 2
8、5命令 regress 多元线性回归（可用于一元线性回归） b=regress( Y, X ) b, bint,r,rint,stats=regress(Y,X,alpha) b 回归系数 bint 回归系数的区间估计 r 残差 rint 残差置信区间 stats 用于检验回归模型的统计量，有三个数值：相关系数 R2、F 值、与 F 对应的概率 p,相关系数 R2 越接近 1，说明回归方程越显著；F F1-（k，n-k-1 ）时拒绝 H0，F 越大，说明回归方程越显著；与 F 对应的概率 p 时拒绝 H0，回归模型成立。 Y 为 n*1 的矩阵； X 为（ones(n,1),x1, ,xm）的
9、矩阵； alpha 显著性水平（缺省时为 0.05） 。 三、多元线性回归 3 1命令 regress（见 2。5） 32命令 rstool 多元二项式回归 命令：rstool（x，y， model, alpha） x 为 n*m 矩阵 y 为 n 维列向量 model 由下列 4 个模型中选择 1 个（用字符串输入，缺省时为线性模型）： linear（线性）：purequadratic（纯二次）： interaction（交叉）：quadratic（完全二次）： alpha 显著性水平（缺省时为 0.05） 返回值 beta 系数 返回值 rmse 剩余标准差 返回值 residuals 残
10、差 四、非线性回归 41命令 nlinfit beta,R,J=nlinfit(X,Y,model,beta0) X 为 n*m 矩阵 Y 为 n 维列向量 model 为自定义函数 beta0 为估计的模型系数 beta 为回归系数 R 为残差 J 4 2命令 nlintool nlintool(X,Y,model,beta0,alpha) X 为 n*m 矩阵 Y 为 n 维列向量 model 为自定义函数beta0 为估计的模型系数 alpha 显著性水平（缺省时为 0.05） 4 3命令 nlparci betaci=nlparci(beta,R,J) beta 为回归系数 R 为残差
11、 J 返回值为回归系数 beta 的置信区间 4 4命令 nlpredci Y,DELTA=nlpredci(model,X,beta,R,J) Y 为预测值 DELTA 为预测值的显著性为 1-alpha 的置信区间；alpha 缺省时为 0.05。 X 为 n*m 矩阵 model 为自定义函数 beta 为回归系数 R 为残差 J 五、其它 命令 grid on 命令 axis（坐标轴）(0 60 0 0.025) 命令 figure 弹出新的画图窗口 命令 获取矩阵的某行某列 x(n,:); 获取矩阵的第 n 行 x(:,n); 获取矩阵的第 n 列 命令 rcoplot 画出残差及其
12、置信区间：rcoplot（r ，rint ） glmfit 一般线性模型拟合 regstats 回归统计量诊断 regstats(responses,DATA,model) stats = regstats(responses,DATA,model,whichstats) QQ from the QR Decomposition of X RR from the QR Decomposition of X betaRegression Coefficients covbCovariance of Regression Coefficients yhatFitted Values of the
13、Response Data rResiduals mseMean Squared Error leverageLeverage hatmatHat (Projection) Matrix s2_iDelete-1 Variance beta_iDelete-1 Coefficients standresStandardized Residuals studresStudentized Residuals dfbetasScaled Change in Regression Coefficients dffitChange in Fitted Values dffitsScaled Change
14、 in Fitted Values covratioChange in Covariance cookdCooks Distance allCreate all of the above statistics 命令 bar(条图) 命令 pie(饼图) 命令 hist(直方图) 命令 help 命令 mean(平均值) 命令 inv(逆概率分布) 命令 pdf(密度) 命令 cdf(分布函数) 命令 stat(均差与方差) 命令 rnd(随机函数) 命令 std(标准差) 命令 var(方差) 命令 median(中位数) 命令skewness(偏度) 命令 kurtosis(峰度) 命令 norm（正态分布） 命令 t（t 分布） 命令 f（f 分布）命令 chr2（x2 分布）
