可以直接画点,如果采样比较密就近似认为是曲线;或者通过曲线拟合,得到你认为的阶次曲线;polyfit--由数据点进行曲线拟合,可以指定拟合曲线的阶次;输出就是函数多项式的系数,然后再画图就行了。看下帮助,有例子的。
二维数据的分布曲线可以用函数plot(x,y)画出分布曲线。例如有数据 x=0:0.1:2*pi;y=sin(x);plot(x,y);三维的数据的分布曲线可以用函数plot3(x,y,z)画出分布曲线。例如: t=0:0.1:2*pi;x=cos(t);y=sin(t);z=t; plot3(x,y,z);;plot(x,y)函数中,x为二维数据点的横坐标...
二维数据的分布曲线可以用函数plot(x,y)画出分布曲线。例如有数据 x=0:0.1:2*pi;y=sin(x);plot(x,y);三维的数据的分布曲线可以用函数plot3(x,y,z)画出分布曲线。例如:t=0:0.1:2*pi;x=cos(t);y=sin(t);z=t;plot3(x,y,z);;plot(x,y)函数中,x为二维数据点的横坐标,y...
下例可画出一条正弦曲线: close all; x=linspace(0, 2*pi, 100); % 100个点的x座标 y=sin(x); % 对应的y座标 plot(x,y); === 小整理:MATLAB基本绘图函数 plot: x轴和y轴均为线性刻度(Linear scale) loglog: x轴和y轴均为对数刻度(Logarithmic scale) semilogx: x轴为对数刻度...
这个问题可以按下来步骤进行:第一步,给出一组数值向量,如 x = [-2 -1 0 1 2];第二步,计算它的概率密度,如正态分布概率密度 mu = 1;sigma = 5;y = pdf('Normal',x,mu,sigma)第三步,用plot绘制它的概率密度曲线 plot(x,y)第四步,得到结果 ...
使用函数plot即可
建议你参考一下MATLAB的数理统计工具箱,里面有很多具体的应用例子和函数。我这里给出一个ksdensity函数 调用方式 [y,xi] = ksdensity(x);具体的可以 help ksdensity; 里面讲的很详细
>> %先求出这一组数据的方差σ,均值μ;%然后调用函数 y=gaussmf(x,[σ μ],正态分布又被称为高斯分布%代码如下%比如一组数据:data=[2 4 6 8 10 12]data = 2 4 6 8 10 12 >> %求出均值u>> u=mean(data)u = 7>> %求出标准差s,然后平方得方差sq>> s=st...
最简单的低通滤波也许是算术平均,plot(x,y(1:35),x,(y1+y2)/2,x,(y(1:35)+y(2:36)+y(3:37))/3)平滑效果很明显,见下图:
叫做曲线拟合,可以用fit命令,也可以用曲线拟合工具箱 工具箱最方便 先输入数据 打开start->toolboxes->curve fitting->curve fitting toolboxes 点data,选择你输入的两组数作为x,y,然后点creat data set,点close 点fitting-->new fit type of fit 有多种拟合方式,默认多项式拟合(polynomial)选择...