Ajuste de curvas y superficies

Ajuste de una curva

Para ajustar una curva de forma programática, siga los pasos de este sencillo ejemplo:

Cargue algunos datos.
```
load hahn1
```
Cree un ajuste con la función fit, especificando las variables y el tipo de modelo (en este caso el tipo de modelo es rat23).
```
f = fit(temp,thermex,"rat23")
```
Represente el ajuste y los datos.
```
plot(f,temp,thermex)
f(600)
```

Para ver un ejemplo en el que se comparan varios ajustes polinomiales, consulte Ajuste polinomial de curvas.

Ajuste de una superficie

Para ajustar una superficie de forma programática, siga los pasos de este sencillo ejemplo:

Cargue algunos datos.
```
load franke
```
Cree un ajuste con la función fit, especificando las variables y el tipo de modelo (en este caso el tipo de modelo es poly23).
```
 f = fit([x, y],z,"poly23")
```
Represente el ajuste y los datos.
```
plot(f,[x,y],z)
```

Para ver un ejemplo en el que se ajustan ecuaciones personalizadas, consulte Ajuste de superficies con ecuaciones personalizadas a datos biofarmacéuticos.

Tipos de modelo y análisis de ajuste

Para obtener detalles y ejemplos de tipos de modelo y análisis de ajuste específicos, consulte las siguientes secciones:

Flujo de trabajo para el ajuste mediante línea de comandos

El software Curve Fitting Toolbox™ proporciona diversos métodos para el modelado y análisis de datos.

Sugerencia

Para generar código de MATLAB^® con rapidez para los ajustes y gráficas de curvas y superficies, use la app Curve Fitter y luego genere código. Puede transformar el análisis interactivo de un solo conjunto de datos en una función reutilizable para el análisis mediante línea de comandos o para procesar lotes con varios conjuntos de datos. Para obtener más detalles, consulte Generar código y exportar ajustes al espacio de trabajo.

Para usar funciones de ajuste de curva para el análisis y el ajuste programático, siga este flujo de trabajo:

Importe los datos al área de trabajo de MATLAB usando el comando load (si los datos ya se han almacenado con anterioridad en variables deMATLAB) o cualquiera de las funciones MATLAB para leer datos en determinados tipos de archivo. Puede que tenga que transformar los datos: consulte prepareCurveData o prepareSurfaceData.
(Opcional) Si los datos son ruidosos puede que le interese suavizarlos usando la función smooth. Se usa el suavizado para identificar las principales tendencias en los datos que lo puedan ayudar a elegir una familia adecuada de modelos paramétricos. Si no hay ningún modelo paramétrico que resulte evidente o adecuado, el suavizado puede ser un fin en sí mismo, al proporcionar un ajuste no paramétrico de los datos.
Nota
El suavizado estima el centro de la distribución de la respuesta en cada predictor. Invalida la suposición de que los errores de los datos son independientes, por lo que asimismo invalida los métodos empleados para calcular los intervalos de confianza y de predicción. Por lo tanto, una vez que se identifica un modelo paramétrico mediante el suavizado, los datos originales deben pasarse a la función fit.
Especifique un modelo paramétrico para los datos: un modelo de biblioteca de Curve Fitting Toolbox o un modelo personalizado que usted defina. Especifique el modelo pasando un nombre de modelo o expresión a la función fit u (opcionalmente) mediante un objeto fittype que usted cree con la función fittype.
Para ver los modelos de biblioteca disponibles, consulte Lista de modelos de biblioteca para ajuste de curvas y de superficie.
(Opcional) Puede crear una estructura de opciones de ajuste para el ajuste mediante la función fitoptions. Las opciones de ajuste especifican, por ejemplo, las ponderaciones de los datos, los métodos de ajuste y opciones de bajo nivel para el algoritmo de ajuste.
(Opcional) Puede crear una regla de exclusión para el ajuste mediante la función excludedata. Las reglas de exclusión indican qué valores de datos se tratarán como valores atípicos y serán excluidos del ajuste.
Especifique los datos x e y (y z, si se trata de un ajuste de superficie), un modelo (nombre, expresión u objeto fittype) y (opcionalmente) una estructura de opciones de ajuste y una regla de exclusión para que la función fit efectúe el ajuste.
La función fit devuelve un objeto cfit (para curvas) o sfit (para superficies) que encapsula los coeficientes calculados y los valores estadísticos de ajuste. Para obtener más información sobre los objetos de ajuste, consulte Curve and Surface Fitting Objects and Object Functions.
Puede posprocesar los objetos de ajuste que devuelve la función fit transfiriéndolos a diversas funciones, como feval, differentiate, integrate, plot, coeffvalues, probvalues, confint y predint.

Use las siguientes funciones para trabajar con ajustes de curvas y superficies.

Método de ajuste de curvas o superficies	Descripción
`argnames`	Obtener los nombres de los argumentos de salida
`category`	Obtener la categoría de ajuste
`coeffnames`	Obtener los nombres de coeficientes
`coeffvalues`	Obtener los valores de coeficientes
`confint`	Obtener los intervalos de confianza para los coeficientes de ajuste
`dependnames`	Obtener el nombre de la variable dependiente
`differentiate`	Diferenciar el ajuste
`excludedata`	Excluir datos del ajuste
`feval`	Evaluar el modelo para valores predictores concretos
`fittype`	Construir un objeto `fittype`
`formula`	Obtener la fórmula
`indepnames`	Obtener el nombre de la variable independiente
`integrate`	Integrar un ajuste de curva
`islinear`	Determinar si el modelo es lineal
`numargs`	Obtener el número de argumentos de entrada
`numcoeffs`	Obtener el número de coeficientes
`plot`	Representar el ajuste
`predint`	Obtener los intervalos de predicción
`probnames`	Obtener nombres de parámetros dependientes de problemas
`probvalues`	Obtener valores de parámetros dependientes de problemas
`quad2d`	Integrar numéricamente el ajuste de superficie (objeto `sfit`)
`setoptions`	Definir opciones de ajuste de modelo
`type`	Obtener el nombre del modelo

Consulte también