origin如何做非线性回归分析
粉丝2.8万获赞20.1万
相关视频
01:04查看AI文稿AI文稿今天教大家用 origin 绘制多组限性回归图。首先将不同组别的自变量和因变量分别设为对应的 x 列和 y 列，在长名称型输入对应组名，便于后续自动生成图例。接着选中所有数据区域，点击菜单栏中的绘图。在基础二地图分类中选择三点图，此时初步的多组三点图即可生成。然后进行符号美化， 双击图中散点，打开绘图细节对话框，切换到符号选项卡，统一调整散点的大小、形状及边缘厚度。在填充色中选择暗组或自定义色盘，为不同组别设置区分明显的颜色。接着执行限性礼盒操作，点击菜单栏中的分析选择礼盒，点击限性礼盒，打开对话框， 将多数据拟合模式设置为单独拟合，附综合报告即可。一次性为所有组别生成各自的回归线，随后处理报告提示，点击确定运行拟合后， origin 会弹出提示，询问是否切换到报告表，此时建议选择否，以便留在绘图界面继续观察曲线效果。最后完善图表信息。拟合完成后，图中会自动添加回归线。 双击图例，根据拟合报告中的数据，手动或自动添加 r 值、 p 值及样本量 n 等关键统计量，按需调整细节，这幅图就绘制好了。
633iThenticate
01:00查看AI文稿AI文稿朋友们好， origin 非线线礼盒超详细的教程来了，点赞收藏，这种非线性的分布用线线礼盒就失效了，需要借助 origin 的非线性礼盒点击分析礼盒。非线性曲线礼盒选择指数型或基本类型。 这里面集成了自带的各种常用函数，可以多试一下，找到你和效果最好的。点击完成切换到报表选择否，可以看到报表中有方程和对应的各个参数，此时把方程写到曲线旁即可。 或者可以根据数据分布估计可能得函数类型。自己编写函数，函数类别中选择自定义函数，选择新建自定义一个名字，在参数中输入各个参数名称，并以逗号分隔开， 下一步输入表达式。最后点击拟合同样的报表选择否，把函数写在曲线的旁边，这就是自定义函数进行飞线性拟合的方法，也可以适用于其他类型分布。点赞收藏，快去试试吧！
1264Endless科研分享
01:32查看AI文稿AI文稿如何使用 origin 进行拟合并绘制拟合曲线？首先将输入好的数据绘制成散点图，绘制完毕后，点击工具栏中分析拟合非线性拟合， 点击打开对话框，按自己的需要选择函数类型。 在下方的工具栏里可查看你和区县的各项信息。 如果发现曲线离散程度较大，点击一次迭代，对曲线进行调整， 点击完成，完成你和曲线的绘制。 在弹出的界面中 可以查看区县的具体信息。 回到图像界面， 可以在缩略窗口中看到你和区线的函数、代数式以及适中相应的数值。利用 olygene 自带的编辑软件，可以对图中信息进行标注， 最后将信息表格删除，就可以将图片导出粘贴到你的论文中了。学会了记得点赞哦！
2215隔壁那个男人
15:44
00:55查看AI文稿AI文稿今天教大家用 ory 剪绘制多组线性回归曲线。首先准备数据，接着选中所有需要绘图的歪列数据，点击菜单栏的绘图选择基础二，地图中的散点图， 此时将生成一张包含多组数据且符号形状不同的散点图。接下来统一符号样式，双击图中散点，打开绘图细节对话框，在左侧选择对应图层数据，进入右侧的符号选项卡， 将形状统一设为圆形，分别设置边缘颜色与填充颜色。建议将 be carrier、 fungji 和 specialize 的 三组数据设置为黑、灰、红、蓝等不同颜色，同时符号大小通常建议调整为七至十磅。随后进行多组限性礼盒，点击菜单栏分析，选择礼盒中的限性礼盒，点击打开对话框。 在对话框的输入数据部分，若需要对所有组同时拟合，可点击右侧三角形，并选择添加所有图层，也可逐一选定数据集，点击确定执行。拟合完成后会弹出提示窗口，请选择否，以保持在图形窗口查看结果。最后添加图形边框并进行细节美化，这幅图就绘制完成了。
250iThenticate
10:32查看AI文稿AI文稿好，我们今天主要是来学习一下这个 origin 它怎么去处理红外数据。先就是把我们要导入的这个文件打开， 一个做 x 轴，一个做 y 轴，然后这个如果是你想复制粘贴的话，你会发现它这里是一二三四题头上有四个空格才会到你这个数据，所以说我们可以提前把这四个空格给贴上， 我们可以插入一整行，然后我们复制一下。如果我们像是我这种红外，它格数是行数是非常多的，这样我们可以移到这个表格的最上方，就可以同时复制两列内容了。复制也是同样的，我们在表格的最上方选中这两列， 点 ctrl v， 它就复制上去了，应该是这个 f x 等于这一行它是不会粘贴东西的，那我们就可以把这行删去就可以了。这里一定要注意区分哪一个是 x， 哪一个是 y。 如果我们是有多个外值的话，我们就可以用这里的比较方便的按钮添加新列。 比如说我们现在有三列外值，我们可以点两下就会出来两个新的外轴在这里，因为我这里就一列的外轴复制两个。 如果我们想把这种 s 轴是一样的，但是 y 轴上的值是不一样的话，画在一个图里，我们就可以全部选中，然后点击绘图基础二 d 图，这里有一个外偏移堆积线图，它就是在 s 轴是一样的情况下， y 轴之间数据的间隔是一样的， 点一下就会出来这样一个图。然后我们对这个图进行一些基础的修改，比如说这个左轴，因为它我们用的是外偏移嘛，它左轴其实就失去了它应该有的效果，所以我们把左轴的这样一个数字给去掉， 我们双击这个坐标轴旁边的数据或者是坐标轴都可以，然后这个它就弹出来了，我们把左轴的这个刻度线标签给去掉，然后刻度也去掉，就是左边这些凸出来都给去掉。 在轴线和刻度线这左轴我们点无无这里不能把这个，嗯，就是点消失了，因为这个如果没有了的话，这条线它就没有了，然后把下轴调一下， 下轴我们一般是先大后小，我们用到的哈，这个分子用到的是五百到二百，你会发现它基本上这个分子在五百到两千，所以说我们这里这个化合物要的是两千到五百，我们先输一个两千到五百， 当然这个这个根据你那个化合物所需要判断的集团对应的峰值是相关的，然后增量，那就是负五百， 点击确定这个线一般都是一点五或者是二， 这里也是选一点五。好，我们观察一下这个峰值啊，我们观察这个峰它一般是有这种锯齿状的，但是我们发现我们看的论文当中它的线都是比较平滑的，这时候怎么办呢？我们在右边这一栏最开始的地方有一个抗锯齿功能，我们点一下它就没有那种锯齿状了。 在这里它 pro 版本和 origin 都是一样的，就我之前用的都是这个 origin， 普通版大部分都是一样的，基本这些，嗯，就是快捷键呀，也好啊，还是各种功能对应图标也好啊，都是一样的，所以大家，嗯，不要因为我这个是 pro 版本，觉得你是 origin 不 能使是一样的。好，然后我们把这个坐标，这个坐标轴，这个标签改成自己需要的就可以了。一般是 需要注意的是这里的上坐标，我们可以选中它，在上面这一栏有一个上坐标，点一下它就变了，改一下我们字体，我们可以把它都选中。然后因为这里是字母数字，所以我们选一下新代码， 字号的话就看个人的一些需求就改它了。 好，这个我们也改一下，把它改成新代码。好，这就可以了。然后这个数字你根据你自己的一些习惯可以把它改一下大小， 但是因为它是数字，所以说也改成星了嘛。 如果你平时是画图的话，就是写那个报告，写那个论文， 尤其是毕业论文，它图比较多嘛，你就要把你所有的图用 onen 做的图的这个标签的标签里边文字的大小以及这个字体，嗯，加不加粗都要保持一致。 好，七七就完了。之后我们学习一下怎么寻风。右边我是粘了一个这个红外对应的混合物，怎么粘的呢？就是你去你的 word 上或者其他地方有一个图复制，然后这里点右键粘贴就直接粘过来，很简单。然后我们来寻一下风，我记我的顺序是，我先确定一下我的这个混合物对应的都是我们集团对应多少的风，然后我再去这个图上寻， 要不然寻一堆风，后来发现很多没用，还得删。你看这个分子，它其实主要是由两个键，一个双点了个碳，然后碳上有有一个同极，就是和一个氧形成了一个双键， 又因为这个集团在黄内，所以是一个内陷。那我是怎么去有一个权威的参考呢？我是用的这本书，我是用的这本书， 他是零四年出版了一个第三本的书，然后第三本之后就没有新的更新的书了，就是意思是说他是这么久了都用这本，就很权威，一直没变过。他的很多这个观测团对应的公式也都分的很细，或者说你也可以用 这个也行，有机包裹分析，第四版这个就是，嗯，范围比较大一点，你粗略的估值可以用这一本，如果大家有需要的可以私信我把电子版发给大家， 然后可以查那本。嗯，第三版的那本英文书，然后查出来是我们可以看一下，查出来他会有，就是他会分很多种，很多种，不一样的集团处在不同的情况，对应的风质是多少。然后我们这里是因为是个内弦，因为在五元环内，所以说他对应的风质是一七二零到一七零零。 我们来找一下左边这一列，这一个标识是寻，就是他可以点一下，看出来你这个对应的红色标和棕色标是多少。我们在这里点一下，他对应的是一七零六处，在一七零零到一七二零中间，说明他这个就是对应这个内显安的一个集团。然后还有另一个双箭，也可以用相同的地方去寻风，其实他就是这个风，这个就是双箭的风，他对应的双箭风，他在那个双箭范围内。 那一般我们是怎么标呢？有两种方法。第一种是我们在这里分析峰值及基线，有个峰值分析，嗯，打开对话框那个 pro， 我 在做这个图之前都用的是 r r 二零二二，它是跟这个是一样的，所以说如果你不是 pro 版本是完全可以用的，这几乎是一样的。然后我们点击 云峰，点下一步， 上面点一下寻风，好，这里我们去掉自动寻找，因为自动寻找会把很多不必要的值给标出来，然后我们点击添加，因为已经知道了需要哪个风了，所以可以 很快的选出来，然后点一下你需要的风，点击下 enter， 要不然它选不动，然后再点一下这个，再点一下 enter， 如果你底下点错了，可以重复点，只要你不点 enter 之前都会一直选，就选，选了两个点，点完成就可以了。 一般它这里寻的风的数小，点位都比较多，你可以删去，只留一位就可以了， 然后点完成就可以了。一般我们要求的不是很严谨的话，就是很粗略的话，你就可以这就已经算完成了。然后你调节一下它的字号，然后调节一下它这个字体什么的， 如果就是你自己做出来，就是想简单的给大家展示一下的话，就可以，这样很快就可以同样的完成它这个标封，然后有数字，尤其封多的时候，这样会比较方便一点， 但是有时候会遇见一些什么问题呢？就是我们这里标完了，但是大家忘了去把它小数点删掉了，去哪里找呢？就点一下这个锁，这个锁里有一个更改参数，我们就可以和之前步骤一样，点一下寻风封信息就可以从这里再改了，就不需要说删除，然后重新重新去寻风了，这是 大家这个平时不是发文章用的情况下，就很快速来标出来了，那这有一个有一个问题，就是你会发现它这个挪起来吧，不是很方便， 那只能一个一个一个个去挪，然后底下这个线吧，它也不是很方便，就改成我们文章当中建的那个虚线，所以说一般我都是手动添加的，然后现在把这个删除，我们用一下其他方法， 因为我们这里是可以自己去除风发现，哎，这两个是我们集团所对应的一个风的值，所以寻到了之后我们就可以自己添加线段，这个是直线工具， 我们可以自己添加一条线段，如果想让它直一点，我们可以按着 shift， 它就会变成垂直于你这个轴的一条线了，要不然你很容易画斜。然后去调整它的一个位置， 双击就可以更改它的一些基本，双击就可以更改它的一些参数，比如宽度，我们可以让它是一点五。发文章的话，一般我会选择是点画线，颜色改成深灰比较好看一点，然后这就画好了，你先之后去引热风的时候，不需要每次都这样调它的参数，只需要复制粘贴就可以了， 然后把它挪到你想要想要让它去的地方。那风值怎么添加呢？在最左边有一个文本工具，我们点击，然后就可以输入， 输入它的一个风信信息，你可以输一个双键，比如你想注视一下这个风是什么键，什么集团就可以输，对应的是一六二八点四，一六二八点四， 同样这个商标我们可以选中它，点击上面这一栏一栏工具行的上下标，然后再选中它，改一下字体，一般数字和字母都是新代码 字号，如果觉得太大的话可以减小一点，因为可能会根据你不一样的分子啊，有可能你如果是个聚合物的话，风太多，你就可以把它变小一点，这个字号这个双键就找好了，同样的内线啊，你可以在这里标上它的风，标上写上这个东西，当然这个文本框一直可以复制，然后粘贴的，然后改一下就可以了。 好，这个风你可以风值是多少其实我一般都不知道，但是现在就是我们练习的话，就看一下一七零六点五，我们找了一位就行，一七零六点五，然后怎么把这个符号去掉呢？再点一下左上角这个箭头，就可以变成我们改东西常见的这个箭头了， 一七零三点九，一七零三点九就改好了，然后挪一下位置就可以了。 好，以上就是我们全部的讲解了，如果怕找不到的话，可以点赞并收藏。
1795读博的瓶钙儿
08:39查看AI文稿AI文稿今天给大家分享的是最零基础的从数据的导入到做简单的图形以及更改横纵坐标。 首先我们看一下数据的导入，就首先我们每一次做实验，实验数据都会放在 excel 当中，然后它横纵坐标我们有的时候是这样排列的，然后你把它复制到这个 orange 里面的时候，你用这个转置粘贴，它就会从横着变成竖着，然后这个地方是增加力，就比如说我们时间都是零五十这种的时间， 你想画一组图片，它的横坐标都是这个时间，但是是不同条件下的，然后你就通过点这个增加它的列，接下来我们就把它每一组的降解效率，把它复制粘贴过来。 当然你可以多选，按住 ctrl 键，然后再选下一列，然后同样再选下一列，选完了之后 ctrl c， 然后到这边转至粘贴，他就把所有的都粘贴过来了，这样的话他可以快速的导入数据。接下来我们看画图，这个是时间，这个是降解效率。然后你把它全选之后，点击绘图，看你想做什么样的图形。 比如说我们想做折线图，那就在折线图里面找，想做点线图就在点线图里面找，找到了之后点击它就自动做出来了， 然后这就是作图的部分，当然你如果想做柱状图，它也可以直接点柱状图就可以了。然后第二部分就是这个图形的美化，我们做出来很丑，所以这时候你首先要改它的横纵坐标， 它纵坐标是降解效率，直接双击这个横纵坐标是时间， 另外它的字体同样是双击，选中之后在这里就可以修改宋体，一般要把它放大一点，比如说用二十二， 同样这个也是。当然如果你的是英文的话，你就要用新罗马这个，比如这个数字我们就要用新罗马，会好看一些。 另外这个坐标也可以加粗，就双击 进来之后它就会有这个轴线和刻度线，轴线粗细我们一般是选二，或者是你根据你的一些刊的要求来选择，然后这个， 然后这个刻度你可以选择朝外，也可以选择朝内，这个是刺激刻度，就是这个小刻度你可以选择向外还是向内， 然后这个刻度就比如说这个是从它是从零到一百一的，然后如果你觉得这里太空了，你也可以改一下它的范围， 比如说我就是想直接让他从零开始到一百结束，那这个地方你就用零，这个就一百结束， 点击应用，你看他就从零到一百，然后他的这个键也变成了二，同样他水平就如果想改水平的刻度，就点这个水平就可以， 那我也是从零到三十分钟，那三十点九也行，因为如果你太贴近了，有点丑， 然后点击应用，你看它就从零开始，当然感觉留一点空间会好看一点，然后你根据自己的要求进行调整，所以这个地方是改它刻度的范围， 然后垂直方向和水平方向的，然后这个轴线呢，是改这个轴线的粗细，还有这个轴线的刻度， 点击上轴上轴就是让它显示显示，但是不让让它有这个主刻度和副刻度，就全部选五，然后粗细同样是选二，然后点击应用， 你看上面就变粗了，但是我们没有要刻度，这里选了五，所以它上面就没有刻度，同样的点击右主 啊，这样就调好了。另外这个线的粗细的话，你可以双击它，这里有个线条，它的宽度也可以选， 你看它就变粗了，你你也可以选择它是实线还是虚线还是其他的，你想用哪一种都可以。 当然如果你要想把某一条改它的线条或者是某一条进行修改的话，这里可以点一下这个独立，独立了之后每一条就可以改自己的了。另外这个颜色的话可以在这里挑选， 就是可以挑选每一种配色，这里给的默认色都很丑，如果想画出漂亮的图形的话，可以看一下我的这个视频，推荐了一些点开如何找到相应的美丽的颜色的。 另外这个符号在这里改，可以改每一个的符号，用三角形吗？还是用球形？都可以，你看。 当然如果你想每一组的图形不一样的话，也是在这组里面点独立，点击独立之后你再改的时候你看，比如说这个应用，它只改第一个，然后点第二个，它只改第二个， 看见没？所以如果你想让它全部统一的话，就在组里面点击从数，如果不想让它统一，你想一条一条的修改的话，就点击独立就可以，然后点击确定。 另外就是这个独立的修改也是双击，然后在这里就可以直接修改，比如说这是一摩尔的， 你就可以直接把它改成一模二，然后字体同样在上面进行修改，选中之后， 修改完之后把它拉到相应的位置。如果你想再添加个文本的话，就比如说这是绿离子的浓度， 这样就可以把它的图例修改完成了。另外我每次都不想要这个边框， 然后点击这个去除边框，然后他就去除了，然后这样就可以得到你想要的图例了。当然这个图例也可以调整字体大小，把它调整到合适的大小，然后放在合适的位置，这样就会好看很多。 这个地方他的这个地方也要改成行了吗？ 这样看起来就比刚开始做成的那个图要好看很多。当然这个我也没有完全修改好，你们可以根据自己的需要，然后按照刚刚的方法进行修改。
2969沐情
07:06查看AI文稿AI文稿大家好，这节课呢我给大家介绍的是非线性回归，那非线性回归就是跟我们之前所讲的线性回归相对应的一种回归。我们这节课的主要内容包括，一个是可化为线性回归的一种曲线回归， 然后是他的 sps 的一个操作步骤的介绍，然后另外一个就是多项式回归，以及他的一个 sps 的一个操作实力。 首先呢是给大家介绍关于一个可以化为线性回归的一个曲线回归。 所谓的可以化为线性回归，就是说我们的音变量，对于自变量的非线性，可以通过一些变量替换，转换为作为自变量，是线性的一种情况。举个例子就是说 y 等于贝塔零加贝塔一乘以 一的 x 指数，再加上 epsino， 我们也可以让其中的 e， x， t 为 x 一撇，然后转换为这样的一个线性表达式。 或者说我们这样的一个例子，说 y 等于 a 乘以一的 b x， 次方再乘以一的 epsino， 我们可以给两边取对数 转换为这样一个式子， low in y 等于 low in a， 加上 b 乘以 x， 再加上 e， x， e， n， o， 这样的话，我们再令 y 一撇， they low in y， 北塔林等于 low in a， 就可以同样转化为一个线性表达式， 这这样就是我们一个转换的过程。其实转换有很多的方法，不过都是一些大同小异的切换，可以看到很多这样的一个表格，常见的可以转化为线性的 一个曲线回归的一些函数，线性函数，对数函数以及二次函数，密函数，这些都是可以通过线性替换来表达的。 这个在大家的一些啊，以后的生活中遇到的一些例子当中可能会比较常见， 我们怎样去进行转换？可以，首先我们要画一个散点图来观察我们的数据分布，可能服从一个怎样的一个分布模型， 如果是一个直线的话呢，大概就是一个线型分布，如果是这样的一个抛物线，可能就是二次型，然后这样的一个曲线可能服从三次密次都是有可能的。 然后观察后之后他们的分布了之后，我们可以点击分析回归，进入一个曲线回归的这样一个分析窗口， 让我们选择合适合适的一个估计模型，可以这里可以看到有线性模型，对数模型且二次向立方这些都是我们的估计模型。 选择模型之后呢，点击确定就和我们之前的线性回归的出来的结果以及他的结果的解释都是一样的，大同小异的，这里就不再多作赘数了。然后看一下多项式回归， 多项是回归常见的，比如说一元二次多项式、一元三次多项式、二元二次多项式。如果我们 我们这里的北塔一，北塔二成为一个线性的效应系数，这里说北塔一，北塔二啊，北塔一，北塔二二呢对应的是二次效应系数，北塔一二呢成为一个交叉的成绩， 七项奇数，这里的 x i 一 x i 二成为一个 x 与 x i 的一个交互作用。所谓的多项式回归，就是说我们要考虑到他们之间的交互作用对于 音变量的一个影响程度，这就是我们所谓的多项式回归，如果我们的啊模型的变量再增加，然后他们的次数也跟着做增加，就是一个多多元多次的一个多项式，这个是我们比较常见的一元的二元的一个情形。 我们给一个例子是说多项式回归就是为了一般都是想检验我们的交叉项是否起到了一定的作用。那这里给一个例子是说我们研究十八个经理前两年的平均收入和风险访感度以及人寿保险额之间的 一个关系。我们这里给了人寿保险额作为因变量，其他两个作为自变量的一个数据。那我们根据经验可知啊，经理的收入与人寿保险额之间一般存在着一个二次的关系， 但是我们这里不确定他是否能够存在一个交互效应，所以我们先假设礼盒一个回归方程存在一个交互效应，这是他的礼盒的一个方程。 贝塔零，贝塔一与我们前面所介绍的是一样的一个意思，那我们下面所做的呢，就是要检验这个回归方程当中是否存在一个交互效应。 同样的呢是线性回话回归窗口。这里呢，我们将 y 选入应变量的窗口， x 一选入自变量的窗口。这个时候呢，我们点击下一页， 再将 x 一与 x 二选入字边上的窗口，再点击下一页，将 x 一、 x 二、 x 一一选入字边上的窗口，以此类推，一直将 x 一、 x 二、 x 二二、 x 一二全部选入自变量的窗口之后再进行一个回归的操作。之后的回归操作呢，就和线性回归是一样的， 他的选项呢，以及其他的画图都是和之前我们介绍的多元申请回归是一样的操作。最后呢，这是他的一个回归结构的输出，我们可以看到这里分别有一二三四五五个模型， 一二三四五这个是他的模型的显著性检验，这个是模型的系数检验，模型显著性检验我们可以看到他 都是通过了一个显著性检验，他的 p 值都是接近于零，都是远远小于显著性水平，零点零五， f 值也都是比较大的。他们的 t 值检验可以看到第一个模型的系数检验通过二三四一直到第四个开始， 他的 x 二二的系数是不通过显著性检验，那第五个模型呢？同时他的交叉项的系数也是不通过显著性检验。所以我们可以拒绝原假，接受原假设，认为 x 二二以及交叉项的系数是不显著的， 这个是我们得到的一个结果。那既然拒绝了接受了原假设，认为他的系数不显著，我们就认为这两个不存在一个显著的影响。对于我们的音变量 y， 那我们就将他们踢出方程，得到一个这样的一个方程，是我们的一点零一七， x 一一直加到我们 x 一的二次项， x 二的二次项就去掉，以及他们的交叉作用也都是没有的，也去掉， 这个呢就是我们这样的一个整体的一个多项式回归的一个介绍。那今天这次课程就到此结束，谢谢大家。
01:14查看AI文稿AI文稿导师不教，我来教像这种具有顶开效果的一个数据图外框，它又如何回事呢？安排， 首先我们来到我们的 orange 这个页面哈，我们正常画的一个图呢，它应该是没有这种外框的，我们要怎么来调整它外框以及它这种呃刻度的粗细呢？我们直接点击这个刻度尺双击，然后呢我们就来到这个页面，然后我们调整轴线和刻度， 然后这边呢我们比如说上周它没有显示，对吧？我们直接给它显示，然后粗细调为二，这改为五，这改为五， 然后下周我们统一调为二。啊，这个要统一一下 左轴，这也是调整为宽度都调整为右轴，右轴这个也是显示一下，然后粗细调整为二，然后这个显示五，这个五， 然后验证确定叫我们一个这种外框就回就完成了，感谢大家观看。
2727懒懒鱼博士
00:38查看AI文稿AI文稿今天讲非限性礼盒，首先选择数据绘制闪电图，在上方找到分析菜单点分析礼盒非限性曲线礼盒，在动画空中找到类别，选择 power 函数，选择蓝六 ex 一， 先执行一只迭代 切换参数选项卡，接下来找到极数值零，勾选固定，然后选择礼盒至收敛 继续拟合。之前步骤都一样，但这次函数选择 from e t e x t 固定 c 等于零，选择拟合之收敛执行一次发现未拟合，继续执行拟合之收敛，然后美化一下这图就行。
3493磊哥做梦整初稿
01:55查看AI文稿AI文稿origin 绘图从入门到精通之非线性曲线拟合，首先插入数据，选择散点图，然后在分析里面选择非曲线拟合。这里我们以自定义的函数拟合为例， 新建一个自己想要拟合的函数，输入函数的一个参数，自变量量音变量以及函数的公式。这里我们以论文中的公式为例，输入自变量和音变量以及公式中含有的参数。 这里函数我提前输好了，我直接复制从 ppt 里面复制过来就行，按这时候它的一个初始值默认为一， 然后我们完成之后选择这个迭代， 我们看在旁边这个拟合的线里面，他无论怎么迭代，迭代到收敛之后，他还是显示到这个函数没有收敛，最大迭代数函数还没有收敛，这可能是什么原因呢？这主要的一个原因可能是由于 我们在就是设置初始值的时候是错的，我们调一下这个初始值的一个范围，然后再进行重新的一个拟合，然后我们再进行迭代，可以看这个曲线，他已经就是很好的 去跟我们的散点图进行了一个重合。 迭代到收 脸之后，我们看他这个拟合的这个方程以及他拟合的这个二二，嗯，还是挺好的，达到了零点九八，说明这个拟合的曲线还是比较合适的。
314亚亚博后中
11:47查看AI文稿AI文稿ok， 今天我们接着去看我们的超级的分布，正态分布已经限性回归处理非限性问题的这样一道题目，这块的题目它有个特点就是题干非常的长，包括呢给我们的公式，给一些数据都非常的难算， 所以呢，对于这块的题型，我们一定要去掌握到每一种题型它应该如何去思考，或者说我们应该把每一种问题的做题方法给它总结清楚，遇到了对应的题目，我们就 按照我们总结出来的方法来进行一个计算就可以了。 ok， 那 首先我们去看一下这个题，他告诉我们某公司为了考核员工，采用了某方案，对员工进行了业务技能测试， 他说第一问，我们直接看已知该公司呢，甲部门有三名负责人，乙部门有四名负责人，该公司从甲乙两部门中随机抽取了三名负责人做测试分析， 既负责任来自于假部门的人数是 x， 让我们算 x 的 分布律，有谁去往？那第一问呢？很简单，我们看了之后明显的是我们的超人模型，那么超人模型的话，它就是超级核分布，所以这个东西它就是一个超级核。超级核呢，我们就按照我们昨天讲的超级核的方法去求解就可以了，也就是说 我们可以先写出来 x 的 可取值为那就是零一二三，因为他现在是不是已知了两类物品，其中一类物品有三人，让我们从中从中随机抽取了三人，让我们负责。负责人来自于假部门的人数是 x， 那 就是说 其中来自于一个部门的这个人数 x， 那 么这个 x 是 一个随机变量，离散性随机变量，服从于超级核分布。 所以呢，我们先取 x 的 取值范围，那就是零一二三，现在分别去算我们每一个的概率。 p x 等于零的话，我们就说总的情况，那就是有七人中抽了三人， c 七三分之 c 三零乘以 c 四三，那就说零人来自于假，那剩下的三人都来自于我们的 e 部门， e 部门有四个人呢，就是 c 四三，这个算出来我们等于三十五分之四。同理，我们每一个一呢，就是 c 七三分之。 甲部门有一个人呢，就是 c 三一乘以 c 四二，这个是怎么算出来是三十五分之十八。 p x 等于二，我们也算一下，那就是 c 七三分之 c 三二，乙部门甲部门来了两个人，剩下的一个人从乙部门出。 c 四一，这个呢算出来这是八三十五分之十二。然后 p x 等于三，就是 c 七三分之 c 三三 乘一个 c 四零，这个式子展开，我们是三十五分之一，这样的话呢，加了之后，我们看它正不正确，四加十八加十二，加一，刚好是三十五，所以是成功的。也就是说，所以我们的分布列是不就可以列出了？分布列的话，我们直接画图就可以了， 这个 x 可取值零一二三零一二三，这是他的屁，三十五分之四，三十五分之十八，三十五分之十二，这是三十五分之一。 然后呢，接着让我们算他的数学期望，他的数学期望的话呢，我们直接可以用相乘相加，当然也可以用公式，超级和分布的公式，他的 e x 的 公式大家复习一下，那就是 大 n 分 之小 n 乘以大 m， 大 n 就是 总的人数，小 n 抽的人数， m 就是 我们抽的这个人的人数，抽的这个类别的人数就可以了。当然我们也可以用零乘三十五分之四，再加上 三十五分之十八乘以一，再加上三十五分之一相乘相加，是得到它的这个 x 平均数等于七分之九。 那如果你拿这个 es 公式算的话，算出来肯定是七分九，我们算一下大 n， 大 n 呢，就是七个人，小 n 偷了三个人，然后呢，甲部门一共三个人，所以是不是都是七分之九？就这么 这个公式记住了，到一些小题的这个运算过程中也是非常有用的，所以希望大家下去把这个小公式也给他记住。 ok， 这就是我们的第一问，考察的就是我们的超级和分布，超级和分布我们要掌握他的这个模型，抽人模型 有问题，同学呢，可以看老师上个视频的总结。 ok， 这就是他的第一问，第二问，我们一块去看一下，他告诉我们 该公司统计了七个部门的平均测试成绩，是 x 满分一百与绩效等级优秀率 y 之间的一个关系，会制出了一个散点图，不妨呢，这个散点图用 y 等于 lamb 的 倍 e 乘以 c x 方 e 的 c x 米 作为经验，回方程令 z 等于 log y 计算得到了，底下给了我们一张一些数据，那么我们第一个已知某部门测试的平均成绩为六十分，估计其绩效等级的优秀率。那就是说第一问实际上就是让我们去算这个 回归方程了，如果此时回归方程它是一个曲线，它不是直线，所以在这我们要干嘛？对于这种限性回归问题，处理非限性问题，限性处理非限性，我们应该如何去做的方法是什么？它的方法，我们先必须把这个非限性转换成限性，它如果不是一个一函数的，我们把转换成一函数，就这么简单， 那怎么转换成 e 函数类型？那就是说常见的实际上就是指数了，对数了，类似的，比如说指数，我们怎么去做？就比如说 y 等于 number 倍的 e 的 c 乘 x， 常用作法就是取对数，取得这个对数的底，往往题目中都会给所暗示，比如说这儿告诉你 law y， z 等于 law y， 所以呢，我两边取个 law y， 那就会得到的是捞引 y 等于一个捞引 lamb 的 背的 e c s 方，然后嘞，把右边这个十字型化简，相乘等于相加呢，变成捞引 lamb 的， 加上捞引 e c 乘 x， 那把任意 e 的 c x 密的对数的话，那我们发现它是一个也就没了，变成了 c 乘 x， 此时你发现是不是变成了一个一次密了？ c 乘 x x x， 密是一，然后嘞，这个就是一个限性的，这是一个限性的话呢？那我还要注意的问题，第二步，你需要去找到对应的这个变量， 找到对应变量的数据给它代入就行了。那此时发现我们的新 y 就 等于 long y， 我 们的 x 还是 x， 那 所以呢，你发现 z 等于 long y， 题目中设了 z 等于 long y， 所以呢，我们这应该带的是 z 跟 x 的 前进回归啊，就小而成，他告诉了我们这样一个关系，所以呢，我们直接去带了，那就是说我们的 c 间实际上在这他就等于一个 x 跟他的一个关系，那就是 c 个码 i 从一到七 x i z， i 减去七倍的 x 平均乘以 z 平均，比上一个 c 码 i 从一到七 x i 的 平方减去七倍的平方的平方，告诉我们这个是零点零二 z 平均。我们知道这个式子上面的这个捞 y 实际上就是 z， 那 所以呢，这个式子实际上我们把这个式子也写下，大家看清楚一些，变成了 z 等于捞引拉姆达，再加上一个 c， 加上乘以 x 就 可以了。 z 的 话呢，现在我要算这个捞引拉姆达，我得算 x 平均啊。平均简单，那就是我们的三十二加四十一，加五十四，再加 六十八，再加七十四加八十，再加九十二，比上一个一共七个数据，所以除以个七，我们算出来等于六十三，平均得六十三。那我们带进去会得到我们的捞引拉姆达，就等于 我们的 z 平均减去一个零点零二， c 加乘以一个 f 平均六十三。因为样本中心必过回归直线，对吧？所以这个样本中心大家得搞清楚，那 x 平均 y 平均，一般叫样本中心，它必过回归直线，所以在这我们就是 f 平均， z 平均必过回归直线。所以呢，我们算出来 l 一 l 的 论，拉姆纳等于负的一点九，所以呢，我们就可以算出来我们的拉姆纳就等于零点一五了。拉姆纳等于零点一五，我们此时就可以得到了它的这个方程，所以我们会得到我们的 y 就 等于拉姆纳，零点一五乘以 e 的 c x 方就是零点零二 x， 他现在说我们的平均成绩是六十分，估计取绩效的优秀率，那就是我们把六十直接带到原式是不就可以了？当 x 等于六十时，我们的 y 就 等于一个零点一五，乘以一的零点零二乘以六十，那就是一点二。 所以呢，题目中给咱提供了他的这个这个数据，对吧？所以乘完之后呢，他的这个值就等于一个零点四九八，那这个优秀率是零点四九八就可以。这就是我们的第二个我们利用非限性去解决限性问题的套路。哎，大家一定要去搞清楚， 并且在代入数据的时候，一定要选取我们题目中已知的变换后的这个数据才可以。 ok， 这是我们的第二个小问的第一小问。接着呢，我们去看第二小问的第二小问，他说 根据数据呢分析，大致认为各部门测试平均成绩 x n 服从于正态分布， m 呢？ m 呢？接近于样本平均数 f 平均 c 码方接近样本方差 f 方，经计算 s 等于约等于二十。 从某个部门绩效优秀等级高于零点七八七五的概率。这个第三位大家去考考虑一下，让我们算的是某个部门绩效高于零点七八七五的概率， 那绩效高于他的话，我得算一下他的 x 的 范围不就可以了？所以我们刚能知道我们的喵是不是等于约等于一个 s， 平均 s 平均等于个六十三，我们的 c 个码就等于一个约等于 s 等于二十。 所以我要算他部门的绩效等级优秀率高，我们刚已经第二问算出来他优秀率了，我们的 y 加就等于一个零点一五乘以 e 的 这个时候零点零二 x， 所以 现在他相当于让我们算的是 y 大 于这个零点七八七五，是我们的 x 取值方，我想把这个自变量的取值范围算出来就可以了。自变量的取值范围我们算一下呢，就是零点一五乘以 e 的 零点零二， x 再大于零点七八七五， 那就是零点零二， x 大 于这个 low 零点七八七五，比上零点一五刚好是五点二五，给我们给五点二五， 也就是说我们的 x 要大于八十三了。 x 大 于八十三的话，此时的话我们进入了我们正态分布的这样一个运算。正态分布我要去两种考法，你一定要去搞清楚正态分布。正态分布第一种考法就是说根据我们的自变量去求 范围概率， x 取值范围，我们求概率。第二个就是由概率去求 x 的 取值范围，就这两个，那做正态分布的做法，我们常常用做的是画图，利用对称性去求解它。三 c 码这个原则就可以了， 画图对准器把这两个把握住就可以了，不是此时差，现在是 x 大 于八十三，那我们就是 x 大 于八十三的概率，那我得算一下 x 大 于八十三，它是几 c 个码，所以呢，我们需要把服从正态分布的图像给它画出来，比如说我们画出来长这样，我们知道了它的喵就等于平均数六十三， 它的 c 个码二十，你发现刚好是八十三，不就是一个加 c 个码吗？没有加 c 个码，没有减 c 个码是四十三长这样， 所以他现在让咱算的概率就是大于八十三的概率这块的概率，那也就是说我们这个 p x 大 于八十三就等于什么？一减去我们的一 c 个码之间的概率，再除以二就可以了，对不对？缪减 c 个码， x 大 于等于缪加 c 个码，再除以二， 用它的对称性减完之后除以二，那就是大于等于八十三的概率。所以呢，我们算出来就是一减去零点六八二七，再除以一个二， 等于一个零点一五八六五，所以我们就算出来了，他的概率就是零点一五八六五就成功。这就是我们第三问，考察的是我们的正态分布，所以下去一定要把正态分布的这种做题方法他掌握了就可以了。 ok， 这个就是我们这个题目的一个 内容，他考的点还是比较多的，所以希望大家下去把每一个考察的对象呢给他掌握清楚，有问题的同学，欢迎大家在评论区跟老师进行交流。 ok， 那 么今天这个视频就到这里，我们下个视频再见。
117权老师讲数学
