Origin的使用方法.ppt
第06周,Origin一、线性拟合二、非线性拟合,本ppt内的所有练习做为本学期第二次作业，请于2009/11/1前发送至：,因变量(Y)与自变量(X)之间的关系,函数关系,统计关系,即对两个变量X，Y来说，当X值确定后，Y值按照一定的规律唯一确定，即形成一种精确的关系。,即当X值确定后，Y值不是唯一确定的，但大量统计资料表明，这些变量之间还是存在着某种客观的联系。,回归分析(Regression Analysis),应用统计方法，对大量的观测数据进行整理、分析和研究，从而得出反映事物内部规律性的一些结论。描述不同变量之间的关系，找出相应函数的系数，建立经验公式或数学模型。只有一个或二个自变量时，回归分析的目的就是找到符合数据的曲线或曲面，所以回归分析也经常被称为“curve fitting”或“surface fitting,一、线性模型,Origin 中的 Linear Model,basic linear regression model(线性回归),where 0,1 are coefficients and is the random error,multiple linear regression model(多重线性回归),where i(i=0,1,2,m)are the coefficients,polynomial regression model(多项式回归),Origin中的线性拟合功能,例：测得铜导线在温度Ti下的电阻为Ri，求电阻R与温度 T的近似函数关系,1、Linear Fit 模型,Y与X具有统计关系而且是线性,建立回归模型,Yi=0+1Xi+i(i=1,2,n),其中，(X i,Yj)表示(X,Y)的第i个观测值，0,1为参数，0+1Xi为反映统计关系直线的分量，i为反映在统计关系直线周围散布的随机分量，iN(0,2)，i 服从正态分布,Yi=0+1Xi+i 0和1均未知,根据样本数据对0和1进行估计,0和1的估计值为b0和b1,建立一元线性回归方程,一般而言，所求的b0和b1应能使每个样本观测点(Xi,Yi)与回归直线之间的偏差尽可能小。,一元线性回归方程,最小二乘法,Y与X之间为线性关系,选出一条最能反映Y与X之间关系规律的直线,Q达到最小值b0和b1称为最小二乘估计量,令,微积分中极值的必要条件,代表观测点对于回归线的误差,残差residuals,可以证明：,越小越好,确定系数coefficient of determination,残差越小，各观测值聚集在回归直线周围的紧密程度就越大，说明直线与观测值的拟合越好，定义确定系数(COD)为：,一般情况下，R2的值越大，拟合得越好。,直线拟合的相关系数,r 与斜率 b1 取相同的符号,r=1：完全正相关r=-1：完全负相关 r=0：无线性关系,Fit Linear(线性拟合),步骤：1、将x，y数据输入worksheet2、绘制x，y的散点图3、执行Fit Linear4、结果在Results Log窗口中,A：截距及其标准误差B：斜率及其标准误差R：相关系数N：参与拟合的数据点的数目P：Probability(that R is zero)R为0的概率SD：拟合的标准差,可化为一元线性回归的模型,Linear Fit(线性拟合工具),使用菜单命令进行线性拟合，很多参数都是选用缺省值，用户无法对整个过程进行干预。选用【tool】菜单中的【Linear Fit】可以对线性拟合过程中的相关参数进行选择，使拟合过程按要求进行，适合高级用户使用。,最后得到的拟合直线上的点的个数,从x轴的from刻度到 to刻度范围内绘制拟合直线，这时上面设置的Range值无效,根据现有的坐标刻度进行直线拟合,可信度，为可信范围、预期范围,表示Graph窗口中拟合直线在两端多于曲线X值范围的百分比,在相应的Worksheet窗口中生成两列:Fit(Y)列(拟合值)Residual(Y)列(剩余误差),拟合本层中的所有曲线,在Result Log中只显示简单的拟合结果，包括截距、斜率、标准误差、相关系数、编制偏差、拟合图形的点数和P值,在Results Log中显示所有的拟合结果，除了上面介绍的以外，还显示t-检验值和ANOVA（方差分析）列表,选中，则进行y=Bx回归分析，不选，则执行标准线性回归分析,绘制数据上、下可信范围,只对拟合过程中的误差参数有影响,选中，使用误差值作为权重（如果激活的是Worksheet，必须选中一列Y误差列，如果激活的是Graph，图中必须有误差线）,选中，则按指定的斜率值进行拟合，不选，则执行标准线性回归分析,绘制数据上、下预期范围,根据拟合公式计算的X值(已知Y值),根据拟合公式计算的Y值(已知X值),执行拟合,直线拟合 上机练习1,C:Program FilesOriginLabOriginPro75SamplesAnalysisCurve FittingLinear Fit.OPJ,完成Origin软件自带的直线拟合例题文件：,C:Program FilesOriginLabOriginPro75SamplesAnalysisCurve FittingApparent Fit.OPJ,直线拟合上机练习2,2、Polynomial Fit 模型,Fit Polynomial(多项式拟合),步骤：1、将x，y数据输入worksheet2、绘制x，y的散点图3、执行Polynomial Fit4、结果在Results Log窗口中,A，B1，B2，参数值及其标准误差R-Square：R2N：数据点数目P：概率值SD：拟合的标准偏差,Polynomial Fit(多项式拟合工具),使用【tools】菜单【Ploynomial Fit】命令用户可以对多项式拟合过程中的参数进行选择，使拟合过程按要求进行，适合有具体要求的用户使用。,最后得到的拟合曲线上点的个数,在整个X轴坐标范围绘制拟合曲线，此时上面设置的Range值无效,根据现有的坐标刻度进行拟合,可信度，设置可信范围、预期范围,表示Graph窗口中拟合直线在两端多于曲线X值范围的百分比,在相应的Worksheet窗口中生成两列：Fit(Y)列(拟合数据)Residual(Y)列(剩余误差),拟合图层中的所有曲线,在Result Log中只显示简单的拟合结果,在Results Log中显示所有的拟合结果,绘制数据上、下可信范围,只对拟合过程中的误差参数有影响,选中，使用误差值作为权重（如果激活的是Worksheet，必须选中一列Y误差列，如果激活的是Graph，图中必须有误差线）,绘制数据上、下预期范围,根据拟合公式计算的X值(已知Y值),根据拟合公式计算的Y值(已知X值),执行拟合,指定多项式的阶数,已知实验数据如右表，求它的二次拟合多项式。,多项式拟合上机练习,3、Multiple Regression(多重回归),1、将多重回归的数据放在Worksheet中2、Worksheet的第一列必须为Y列，后面的列为X列3、拟合时，用鼠标选中所有的X列，Y列不能选,Y-Intercept,某省19781989年消费基金、国民收入使用额和平均人口资料,若1990年该省国民收入使用额为67十亿元，平均人口为58百万人，试估计1990年消费基金,二、非线性模型,拟合,Origin中的非线性拟合功能,Origin解非线性拟合的算法,Levenberg-Marquardt(L-M)method(列文伯格-马夸尔特法)：LM算法需要对每一个待估参数求偏导。对于Origin内置的拟合函数，Origin提供了求偏导的解析表达式，因此速度快，拟合时，尽可能使用Origin的提供的内置拟合函数对于用户自定义的拟合函数，求偏导时，直接使用数值进行，速度较慢。Origin也允许用户定义求偏导的表示式。Simplex Method（单纯形算法）：当L-M算法不能得出最佳的拟合结果时，可尝试使用该算法。,非线性拟合的结果如何评价？,Origin中进行非线性拟合的步骤,1、将数据输入worksheet2、做数据的散点图3、进行非线性拟合：A、若有相应的菜单命令，点击相应的菜单命令即可B、使用Origin内置拟合函数，可以使用拟合向导，按向导指示操作即可C、若自定义函数，使用高级非线性拟合工具进行拟合，所有的拟合过程都可以控制,A、使用菜单进行非线性拟合,Fit Exponential Decay-first order一阶指数衰减拟合,Fit Exponential Decay-second order二阶指数衰减拟合,Fit Exponential Decay-third order三阶指数衰减拟合,上机练习,C:Program FilesOriginLabOriginPro75SamplesAnalysisCurve FittingExp Decay.OPJ,完成Origin软件自带的指数二阶衰减拟合例题文件：,Fit Exponential Growth一阶指数增长拟合,Fit Sigmoidal S拟合,当x轴为线性坐标时，采用Boltzmann函数拟合,当x轴为对数坐标时，采用Logistic函数拟合,S拟合工具,使用菜单命令进行线性拟合，很多参数都是选用缺省值，用户无法对整个过程进行干预。选用【tool】菜单中的【Sigmoidal Fit】可以对S拟合过程中的相关参数进行选择，使拟合过程按要求进行，适合高级用户使用。,上机练习,C:Program FilesOriginLabOriginPro75SamplesAnalysisCurve FittingSigmoidal Fit.OPJ,完成Origin软件自带的 S拟合 例题文件：,Fit Gaussian 高斯拟合,Fit Lorentzian 洛仑兹拟合,Fit Multi-peaks 多峰拟合,按照峰值分段拟合，每一段采用Gaussion或Lorentzian方法,上机练习,C:Program FilesOriginLabOriginPro75SamplesAnalysisCurve FittingMulti Peak Fit.OPJ,完成Origin软件自带的 多峰拟合 例题文件：,B、Fitting Wizard非线性拟合向导,第1步：选择要拟合的数据,在这里控制参与拟合的数据点自变量（独立变量的）范围，,数据点在图形中的显示设置,第2步；选择合适的拟合函数,函数的类别,函数名称,函数公式,函数图形,第3步：选择权重数据,没有权重就选择None,第4步：拟合控制,参数设置,显示各测量点的残差图,显示置信区间曲线,显示预期区间曲线,置信区间,预期区间,第5步：输出结果,是否绘制这些曲线？,是否输出这些参数？,选中的话，会提示把本次拟合的过程保存为一个工具栏上的图标，为以后进行同样的拟合提供方便,在此区域右击鼠标，可弹出图示的快捷菜单，可对拟合向导进行一些设置,Origin内置函数NLSF拟合,C:Program FilesOriginLabOriginPro75 SamplesAnalysisCurve FittingNLSF Built In Func.OPJ,完成Origin软件自带的使用内置函数进行NLSF拟合的例题文件：,拟合向导上机练习,C、The NLSF Advanced Fitting Tool,Nonlinear Least Squares Fitting NLSF高级拟合工具,这是Basic Mode,点击More按钮，即可切换到Advanced Mode,NLSF的两种模式,Advanced Mode,1、选择拟合函数,若自定义函数就选择New,这里可以写一些参数的线性约束条件，设参数为a,b,c,d，条件可以是：ab;a+2*b=c*2-d;4,=.约束之间用分号分分隔，换行按CTRL+ENTER.,2、设置函数参数的一些约束条件（没有的话就跳过）,3、拟合过程中一些参数的设置（一般用默认设置即可）,一般不要选中,设置参数的有效数字,Delta一定程度上会影响拟合的结果,设置最大的迭代次数,设置权重方法，没有就选None,4、选择要拟合的数据,1、选变量,2、选数据,3、确认将数据赋予变量,设X变量的时候也是点左边的按钮，不要点这个按钮！,存放模拟曲线的数据点的数据集名称,根据这里的参数绘制曲线，选择 Action:Fit,则最后一次选中的参数被传递给Fit程序,5、模拟曲线,使用Origin进行非线性拟合，必须指定各参数的初始值，使用内置拟合函数时，Origin会自动设置好比较合适的初始值。,使用自定义函数拟合时，用户必须自己指定初始值，初始值选的不好，拟合就有可能不成功。好的初始值的选择需要对拟合数据、拟合函数仔细分析，以及用户的经验,取消选中的话，则这个参数在迭代过程中保持不变，当函数中某个参数被确定的话，就可以在这里设置,误差,取值范围是 0,1，越接近 1，则越表明该参数有可能过参数化了。这个时候，用户就要考虑拟合的模型是否正确了，是否可以简化模型，除去一些参数。,拟合的结果,6、进行拟合,大多数情况下，过参数化的模型都应该认真审视，但并不是所有的过参数化的模型都是坏的模型。比如说，绝大多数的指数方程都是这样的模型,执行一次LM iteration,执行n次LM迭代，迭代过程中要终止的话，按ESC键即可,当LM迭代方法无法进行时，可以尝试进行Simplex迭代方法（一般情况下，此方法不如LM方法好）（downhill simplex method）,用这两个按钮可以浏览拟合过程中每次迭代得到的参数,迭代过程的输出结果显示在这里,创建一个worksheet，将拟合结果写入其中,要Find Y，在这里填入x的值，x在数据集内、外都可以,要Find X，在这里填入y的值，y必须在数据集之内,7、生成结果,创建一个matrix，将Var-Cov Matrix写入其中,自定义拟合函数,1.添加一个新的函数类别，将自定义的函数都放置在这个类别里，以便以后重复使用,2、定义新函数,用户自定义函数存放在OriginFitFunc 文件夹，文件名为FunctionName.FDF,定义参数和变量时，以下符号不可以使用(Origin内部要用):x1，x2，xn y1，y2，yn z1，z2，zn i，t，j，e,使用Origin C编写函数,默认的参数名为P1，P2等，若要使用自定义的符号，选中这里，参数之间用英文逗号分隔开，与C语言相同,参数的数目,点击这里进行编译,自定义函数NLSF拟合上机练习1,C:Program FilesOriginLabOriginPro75 SamplesAnalysisCurve FittingNLSF User Def Func.OPJ,完成Origin软件自带的使用自定义函数进行NLSF拟合的例题文件：,体重约70kg的某人在短时间内喝下2瓶啤酒后，隔一定时间测量他的血液中酒精含量（毫克百毫升），得到数据如左表。设饮酒后血液中酒精含量的数学模型为：,试确定,自定义函数NLSF拟合上机练习2,左表中的（x，y）为某次实验测得的数据，理论上满足方程：,试确定,本数据用simplex算法拟合能得到最佳结果。,自定义函数NLSF拟合上机练习3,
