Добавление данных переписи

Разделите свой live скрипт на разделы. Разделы могут содержать текст, код, и вывести. Код MATLAB появляется с серым фоном, и выход появляется с белым фоном. Чтобы создать новый раздел, перейдите к вкладке Live Editor и нажмите кнопку Section Break.

Добавьте данные о переписи США для 1 900 - 2000.

years = (1900:10:2000);                                  % Time interval
pop = [75.995 91.972 105.711 123.203 131.669 ...         % Population Data
   150.697 179.323 213.212 228.505 250.633 265.422]

pop = 1×11

   75.9950   91.9720  105.7110  123.2030  131.6690  150.6970  179.3230  213.2120  228.5050  250.6330  265.4220

Визуализация изменения населения в зависимости от времени

Разделы могут быть запущены независимо. Чтобы запустить код в разделе, перейдите к вкладке Live Editor и нажмите кнопку Run Section. Можно также кликнуть по синей панели, которая появляется, когда вы перемещаете мышь слева от раздела. Когда вы запускаете раздел, выводите, и фигуры появляются вместе с кодом, который произвел их.

Постройте данные о населении против года.

plot(years,pop,'bo');                                    % Plot the population data
axis([1900 2020 0 400]);
title('Population of the U.S. 1900-2000');
ylabel('Millions');
xlabel('Year')
ylim([50 300])

Мы можем предсказать население США в году 2010?

Подбор кривой данным

Добавьте информацию о поддержке в текст, включая уравнения, изображения и гиперссылки.

Давайте попробуем подгонку данных полиномами. Мы будем использовать polyfit MATLAB функция, чтобы получить коэффициенты.

Подходящие уравнения:

x = (years-1900)/50;
coef1 = polyfit(x,pop,1) 

coef1 = 1×2

   98.9924   66.1296

coef2 = polyfit(x,pop,2)

coef2 = 1×3

   15.1014   68.7896   75.1904

coef3 = polyfit(x,pop,3)

coef3 = 1×4

  -17.1908   66.6739   29.4569   80.1414

Графическое изображение кривых

Создайте разделы с любым количеством текстовых строк и строк кода.

Мы можем построить линейные, квадратичные, и кубические кривые, адаптированные к данным. Мы будем использовать polyval функция, чтобы оценить подходящие полиномы в точках в x.

pred1 = polyval(coef1,x);
pred2 = polyval(coef2,x);
pred3 = polyval(coef3,x);
[pred1; pred2; pred3]

ans = 3×11

   66.1296   85.9281  105.7266  125.5250  145.3235  165.1220  184.9205  204.7190  224.5174  244.3159  264.1144
   75.1904   89.5524  105.1225  121.9007  139.8870  159.0814  179.4840  201.0946  223.9134  247.9403  273.1753
   80.1414   88.5622  101.4918  118.1050  137.5766  159.0814  181.7944  204.8904  227.5441  248.9305  268.2243

Теперь давайте построим ожидаемые значения для каждого полинома.

hold on
plot(years,pred1)
plot(years,pred2)
plot(years,pred3)
ylim([50 300])
legend({'Data' 'Linear' 'Quadratic' 'Cubic'},'Location', 'NorthWest')
hold off

Предсказание населения

Можно совместно использовать live скрипт с другими пользователями MATLAB так, чтобы они могли воспроизвести результаты. Также можно опубликовать результаты как PDF, Microsoft® Word или документы HTML. Добавьте средства управления в свои live скрипты, чтобы показать пользователям, как важные параметры влияют на анализ. Чтобы добавить средства управления, перейдите к вкладке Live Editor, кликните по Кнопке управления и выберите из доступных параметров.

Мы можем теперь вычислить прогнозируемое население данного года с помощью наших трех уравнений.

year = 2018;
xyear = (год 1900)/50;
pred1 = polyval (coef1, xyear);
pred2 = polyval (coef2, xyear);
pred3 = polyval (coef3, xyear);
[pred1 pred2 pred3]

ans = 1×3

  299.7517  321.6427  295.0462

В течение года 2010, например, линейное и кубические соответствия предсказывают подобные значения приблизительно 284 миллионов человек, в то время как квадратичная подгонка предсказывает намного более высокое значение приблизительно 300 миллионов человек.