Origin如何对曲线拟合？

yytsnake(站内联系TA)这应该和你的数据有关吧，数据一定，相关系数也就确定了。yangqilang(站内联系TA)由于一些数据要剔除，所以课题提高相关性。但是无论如何，也不能提高相关系数。yytsnake(站内联系TA)先拟合，然后将离拟合结果较远的数据点剔除再执合一次试试。abingchem(站内联系TA)Originally ted by yytsnake at 2009-3-26 20 先拟合，然后将离拟合结果较远的数据点剔除再执合一次试试。 剔除数据要小心，在数据处理中是有一些方法和原则来剔除数据的。查看数据处理或者统计书籍。liubencai(站内联系TA)数据多时不一定需要很高的相关系数，如果计算得到的相关系数，比相应的相关系数临界值(与数据组数和置信水平有关)高即可。 :):):)sytu_wyh(站内联系TA)先拟合，然后将离拟合结果较远的数据点剔除再执合一次试试。ZDBWHZ(站内联系TA)很可能和实验数据有关，可以选择删除一些偏离很远的非线性拟合：点击菜单栏上的 Analysis — Fitting — Nonlinear Curve Fit — Open Dialog，在弹出来的对话框中选择 Settings选项卡，在左侧的方框中选Function Selection，在右侧的Category选项中选择你需要的函数类型，在Function中选择你需要的具体函数，点击Fit 做拟合，拟合完后点击Done。如下图：点。jiuzi(站内联系TA)拟合时 有许多函数选择 要选择最理想的 比如高斯函数，对数函数之类的，其实相关系数高不代表你的拟合效果就一定好 不同的函数 相关系数不同 只要你能做出需要的模型来就可以fspdlh(站内联系TA)只有一个办法，改数据！

如何通过在origin中添加趋势线和添加方程？

看来大家被Excel点选下面的画出散点图选项影响得很深啊，趋势线……实际上应该是对数据点的函数拟合才对。

origin数据拟合,尤其是非线性拟合时,各个英文函数对应的翻译是什么??

在Origin中，对数据的拟合大所有的拟合（包括线性拟合和非线性拟合）结束以后，Origin 都会自动给出一个拟合结果的表格。表格内有拟合用到的函数，拟合的结果的相关系数，每个参数的数值，以及对应的误值。你想在途中添加拟合方程，可以直接这个拟合结果表的函数。致分为两大类，一类是用系统自带的函数进行拟合；另一类是自定义函数拟合。我这里主要回答类，也就是系统自带函数的拟合。

数据拟合是什么？怎么拟合？

弹出对话框如图所示，点击红色按钮，进行选择曲线的类线性拟合：点击菜单栏上的 Analysis — Fitting — Linear Fit — Open Dialog，在弹出来的对话框中直接点OK就可以了。型，常用有Gauss(高斯曲线）以及Logistic（即S型曲线）

origin8.5中画三元相图， 出现attention对话框，急！

2、下一步需要绘制数据图，即选择数据点加直线的方式绘图。

你这种情况是因为你选错了绘图模板，你用的是Contour ——> Ternary Contour，这个是绘制三元等高线的，于是需要四组数据 XYZZ

origin高斯拟合(origin高斯拟合失败)origin高斯拟合(origin高斯拟合失败)


origin高斯拟合(origin高斯拟合失败)


而三元相图应该是用 Plot ——> Spec非线性拟合：点击菜单栏上的 Analysis — Fitting — Nonlinear Curve Fit — Open Dialog，在弹出来的对话框中选择 Settings选项卡，在左侧的方框中选Function Selection，在右侧的Category选项中选择你需要的函数类型，在Function中选择你需要的具体函数，点击Fit 做拟合，拟合完后点击Done。如下图：ialized ——> Ternary

origin8.5版本的Analysis下有各种线性和非线性拟合，非线性拟合菜单里面就有高斯拟合和洛伦兹拟合，步骤是ysis-- fitting--nonlinear curve fit--open dialoge，在弹出的对话框里， 选择origin内置函数库，函数可以在下拉菜单中选择，包括高斯/洛伦兹等等，多摸索吧。

为什么Eviews参数估计去常数项后F检验值就没了？

所有的拟合（包括线性拟合和非线性拟合）结束以弹出散点图的图像，如图所示后，Origin 都会自动给出一个拟合结果的表格。表格内有拟合用到的函数，拟合的结果的相关系数，每个参数的数值，以及对应的误值。你想在途中添加拟合方程，可以直接这个拟合结果表的函数。

origin8 拟合logistic 只有图，没有表格数据啊TT，怎么在图上显示表格数据？？？

1、打开origin 8.0，在建立的表格中输入数据。

方法/步骤

首先我们打开origin这个软件，并打开

选定所需要进行作图的变量（及选中AB等坐标轴）

点选上方选项栏里的ysis选项下的fitting选项下的nonlineaer curve fitting 下的open dialog 选项

点选residual按钮，可以发现在有曲线出现在散点图上（在出现的小图像上）

然后点击红色按钮一般来说，数据拟合可以粗略地分成两类：一类是线性拟合，也就是对符合线性规律的数据拟合，得到一条直线；另一类是非线性拟合，也就是对不符合线性规律的数据，用不同的函数，例如多项式、指数、对数、高斯分布、泊松分布等非线性函数来拟合数据，称为非线性拟合。我这里以Origin 8.6 为例子简单介绍一下，不同的版本大同小异。，进行曲线的进一步拟合

origin拟合后不显示曲线

看来大家被Excel影响得很深啊，趋势线……实际上应该是对数据点的函数拟合才对。

默认不显示。origin拟合后不显示曲线，默认不显示，可以在originPro中选中图，然后右键属性选择显示拟合线。Origin是由OriginLab公司开发的一个科学绘图、数据分析软件，支持在MicrosoftWindows下运所有的拟合（包括线性拟合和非线性拟合）结束以后，Origin 都会自动给出一个拟合结果的表格。表格内有拟合用到的函数，拟合的结果的相关系数，每个参数的数值，以及对应的误值。你想在途中添加拟合方程，可以直接这个拟合结果表的函数。行。Origin支持各种各样的2D/3D图形。

如何通过在origin中添加趋势线和添加方程？

一般来说，数据拟合可以粗略地分成两类：一类是线性拟合，也就是对符合线性规律的数据拟合，得到一条直线；另一类是非线性拟合，也就是对不符合线性规律的数据，用不同的函数，例如多项式、指数、对数、高斯分布、泊松分布等非线性函数来拟合数据，称为非非线性拟合：点击菜单栏上的 Analysis — Fitting — Nonlinear Curve Fit — Open Dialog，在弹出来的对话框中选择 Settings选项卡，在左侧的方框中选Function Selection，在右侧的Category选项中选择你需要的函数类型，在Function中选择你需要的具体函数，点击Fit 做拟合，拟合完后点击Done。如下图：线性拟合。我这里以Origin 8.6 为例子简单介绍一下，不同的版本大同小异。

所有的拟合（包括线性拟合和非线性拟合）结束以后，Origin?都会自动给出一个拟合结果的表格。表格内有拟合用到的函数，拟合的结果的相关系数，每个参数的数值，以及对应的误值。你想在途中添加拟合方程，可以直接这个拟合结果表的函数。

峰拟合怎么同时采用高斯拟合和洛伦兹拟合

非线性拟合：点击菜单栏上的 Analysis — Fitting — Nonlinear Cur线性拟合：点击菜单栏上的 Analysis — Fitting — Linear Fit — Open Dialog，在弹出来的对话框中直接点OK就可以了。ve Fit — Open Dialog，在弹出来的对话框中选择 Settings选项卡，在左侧的方框中选Function Selection，在右侧的Category选项中选择你需要的函数类型，在Function中选择你需要的具体函数，点击Fit 做拟合，拟合完后点击Done。如下图：

origin8.5版本的Analysis下有各种线性和非线性拟合，非线性拟合菜单里面就有高斯拟合和洛伦兹拟合，步骤是ysis—— fitting——nonlinear curve fit——open dialoge，在弹出的对话框里， 选择origin内置函数库，函数可以在下拉菜单中选择，包括高斯/洛伦兹等等，多摸索吧。

不规则点半方如何计算？

一般来说，数据拟合可以粗略地分成两类：一类是线性拟合，也就是对符合线性规律的数据拟合，得到一条直线；另一类是非线性拟合，也就是对不符合线性规律的数据，用不同的函数，例如多项式、指数、对数、高斯分布、泊松分布等非线性函数来拟合数据，称为非线性拟合。我这里以Origin 8.6 为例子简单介绍一下，不同的版本大同小异。

百度百线性拟合：点击菜单栏上的 Analysis — Fitting — Linear Fit — Open Dialog，在弹出来的对话框中直接点OK就可以了。科的解析如下：

半方半方函数(Semi-variogram)及其模型 半方函数也称为半变异函数,它是地统计学中研究土壤变异性的关键函数. 2.1.1半方函数的定义和参数 如果随机函数Z(x)具有二阶平稳性,则半方函数((h)可以用Z(x)的方S2和空间协方C(h)来定义:((h)= S2-C(h) ((h)反映了Z(x)中的空间相关部分,它等于所有以给定间距h相隔的样点测值之平方的数学期望: (1) 实际可用: (2) 式中N(h)是以h为间距的所有观测点的成对数目.某个特定方向的半方函数图通常是由((h)对h作图而得.在通常情况下,半方函数值都随着样点间距的增加而增大,并在一定的间距(称为变程,arrange)升大到一个基本稳定的常数(称为基台,sill). 土壤性质的半方函数也可能持续增大,不表现出确定的基台和变程,这时无法定义空间方,说明存在有趋势效应和非平稳性.另一些半方函数则可能完全缺乏空间结构,在所用的采样尺度下,样品间没有可定量的空间相关性. 从理论上讲,实验半方函数应该通过坐标原点,但是许多土壤性质的半方函数在位置趋于零时并不为零.这时的非零值就称为"块金方(Nugget variance)"或"块金效应".它代表了无法解释的或随机的变异,通常由测定误或土壤性质的微变异所造成. 对于平稳性数据,基底方与结构方之和约等于基台值. 2.1.2 方函数的理论模型 土壤在空间上是连续变异的,所以土壤性质的半方函数应该是连续函数.但是,样品半方图却是由一批间断点组成.可以用直线或曲线将这些点连接起来,用于拟合的曲线方程就称为半方函数的理论模型.在土壤研究中常用的模型有: ①线性有基台模型: 式中C1/a是直线的斜率.这是一维数据拟合的最简单模型: ((h)=C0 +C1·h/a 0在极限情况下,C1/a可以为0,这时就有纯块金效应模型: ((h)=C0, h>0 (4) ((0)=0 h=0 ②球状模型 ((h)= C0 +C1[1.5h/a-0.5(h/a)3] 0a (5) ((0)=0 h=0 ③指数模型 ((h)=C0+C1[1-exp-h/a ] h>0 (6) ((0)=0 h=0 ④双曲线模型 (7) ⑤高斯模型 ((h)=C0+C1[1-exp(-h2/a2)] h>0 (8) ((0)=0 h=0 选定了半方函数的拟合模型后,通常是以最小二乘法计算方程的参数,并应用Ross等的似然程序(MLP),得到效果的半方方程. 2.1.3 模型的检验(cross-validation,又称作jacknifing) 为了检验所选模型三个参数的合理性,必须作一定的检验.但是到现在为止还没有一个有效的方法检验参数的置信区间;同时,由于我们不知道半方模型的确切形式,所选定的模型只是半方函数的近似式,故无法以确切的函数形式对模型参数进行统计检验.交叉验证法的检验方法,一种间接的结合普通克立格的方法,为检验所选模型的参数提供了一个途径.这个方法的优点是在检验过程中对所选定的模型参数不断进行修改,直至达到一定的精度要求. 交叉验证法的基本思路是:依次设每一个实测数据点未被测定,由所选定的半方模型,根据n-1个其它测定点数据用普通克立格估算这个点的值.设测定点的实测值为,估算值为,通过分析误,来检验模型的合理性. 2.1.4半方函数的模型的选取原则和参数的确定 半方函数的模型的选取原则是:首先根据公式计算出((h)的散点图,然后分别用不同类型的模型来进行拟合,得到模型的参数值及离平方和,首先考虑离平方和较小的模型类型,其次,考虑块金值和间距,用交叉验证法来修正模型的参数. 2.2 Kriging内插估值法 如果区域化变量满足二阶平稳或本征设,对点或块段的估计可直接采用点克立格法(Puctual Kriging )或者块段克立格法(Block Kriging).这两种方法是最基本的估计方法,也称普通克立格法(Origing Kriging,简称OK). 半方图除用于分析土壤特性空间分布的方向性和相关距离外,还可用于对未测点的参数进行内插估值和成图,该法原理如下: Kriging内插法的原理 设x0为未观测的需要估值的点,x1, x2,…, xN 为其周围的观测点,观测值相应为y(x1 ),y(x2),…,y(xN).未测点的估值记为 (x0),它由相邻观测点的已知观测值加权取和求得: (9) 此处,(i为待定加权系数. 和以往各种内插法不同,Kriging内插法是根据无偏估计和方最小两项要求来确定上式中的加权系数(i的,故称为内插法. 1. 无偏估计 设估值点的真值为y(x0).由于土壤特性空间变异性的存在,以及, y(x0)均可视为随机变量.当为无偏估计时, (10) 将式(9)代入(10)式,应有 (11) 2. 估值和真值y(x0)之的方最小.即 (12) 利用式(3-10),经推导方为 (13) 式中,((xi,xj)表示以xi和xj两点间的距离作为间距h时参数的半方值,((xi, x0)则是以xi和x0两点之间的距离作为间距h时参数的半方值.观测点和估值点的位置是已知的,相互间的距离业已知,只要有所求参数的半方((h)图,便可求得各个((xi,xj)和((xi,x0)值. 因此,确定式(9)中各加权系数的问题,就是在满足式(11)的约束条件下,求目标函数以式(13)表示的方为最小值的优化问题.求解时可采用拉格朗日法,为此构造一函数,(为待定的拉格朗日算子.由此,可导出优化问题的解应满足: i=1,2,N (14) 由式(14)和式(11)组成n+1阶线性方程组,求解此线性方程组便可得到n个加权系数(i和拉格朗日算子(.该线性方程组可用矩阵形式表示: (15) 式中,( ij为((xi,xj)的简写. 求得各(i值和(值后,由式(9)便可得出x0点的估值y(x0).而且还可由式(13)求出相应该估值的方之最小值(2min.将式(14)代入式(13),最小方值还可由下式方便地求出: (16) 上述化问题求解还可用其他方法,在应用Kriging内插法时还有其他方面的问题,在此都不一一列举了.