1. matlab拟合曲线
拟合出f（x）分布的系数
然后，根据xy分别是离散点的横纵坐标（数值至少10组以上）首先，进行参数估计
*p(Xn;P)*p(X2。然后求一个P。不妨假设有高斯噪声干扰ML估计是这个意思，现在只需要写出上面的概率密度函数就可以了。
按你的模型，数据X的分布是与参数有关的.，理想情况下数据y是由完全由参数决定的确定性量，则这组数据出现的总概率是，使这个总概率最大：设待估计参数P，即p(X.;P);你现在已经有了一组数据X：p(X1; P);P)*
2. matlab拟合曲线上某点值
如果已经拟合出来了，那么这两条曲线的表达式也就知道了，设分别为y=f(x)和y=g(x)，只要求解f(x)-g(x)=0即可，用fzero或fsolve均可
3. matlab拟合曲线并取点
可以这样实现：
x=0:1:100; y=x.^2;
plot(x,y)
xx=10*[1 2 3 4 5 6 7 8]; yy=xx.^2;
for i=1:length(xx)
str=strcat('(',num2str(xx(i)),',',num2str(yy(i)),')');
text(xx(i),yy(i),str);
end
4. matlab拟合曲线方程怎么求
方法一、用数据拟合工具箱 Curve Fitting Tool
打开CFTOOL工具箱。在matlab的command window中输入cftool，即可进入数据拟合工具箱。
输入两组向量x，y。
首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];
y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353; 0.019278; 0.041803; 0.038026; 0.038128; 0.088196];
数据的选取。打开曲线拟合共工具界面，点击最左边的X data和Y data，选择刚才输入的数据，这时界面中会出现这组数据的散点图。
选择拟合方法，点击Fit
左侧results为拟合结果，下方表格为误差等统计数据。
方法二、用神经网络工具箱
1、打开神经网络工具箱，在command window内输入nftool，进入Neural fitting tool
2、导入数据，点击next，导入Inputs为x，Targets为y。
3、选择网络参数，点击next，选择训练集和测试集数量，点next，选隐藏层节点个数。
4、训练数据，点next，选train。
5、绘制拟合曲线，训练完成后电机plot fit
训练结果参数在训练完后自动弹出
神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。
方法三、用polyfit函数写
polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。
调用方法：a=polyfit(xdata,ydata,n)，
其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。
%例程A=polyfit(x,y,2);z=polyval(A,x);plot(x,y,'r*',x,z,'b')
方法四、自行写算法做拟合
请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可
5. matlab拟合曲线并输出曲线
1、最笨的办法，就是通过拟合工具箱拟合数据后，得到的函数表达式和系数值拷贝（Ctrl+C）出来，然后整理函数表达式，系数字母用系数值替代。这样就可以进行预测了。
2、用fit（）函数进行拟合，然后用ftype（）函数进行预测。这是比较实用的方法。
x=[]
y=[]
ftype = fittype('0.5-0.5*a*x-125/b+sqrt((0.5*a*x+0.5+125/b)^2-a*x)');
cdate=x;pop=y;
f=fit(cdate,pop,ftype) %拟合
y1=y;
x1=x;
y2=ftype(f.a,f.b,x1); %预测
6. matlab拟合曲线并预测
matlab给出一组点拟合方法：
1、常用的模型有多项式模型、幂函数模型、指数函数模型等。
2、设出函数，用命令“plot”绘出图像作为对比。
3、准备好散点数据，用命令“plot”绘出散点作为对比。
4、调用函数“fit”，参数包括散点数据和曲线拟合模型。
5、按回车键即可完成曲线拟合，p1、p2、p3为多项式前面的系数。
7. 如何用matlab拟合曲线
对于分段曲线的函数拟合，可以按下列步骤来进行。
步骤一、根据已知的二维数据xi、yi，用绘图函数plot（x，y，'k*'），绘出其散点图。
步骤二、根据散点图，判断分段曲线的分段区间，同时判断每个分段区间内的散点符合某个数学模型。
步骤三、根据分段区间，分别用matlab的拟合工具箱的拟合函数，去拟合其数学模型的系数。
步骤四、根据拟合后的数学模型的数值和已知的散点值作对比，判断拟合的数学模型是否合理，一般可以用决定系数R²来判断，当R²≈1，可以认为拟合是合理的。matlab常用的函数有，regress（线性函数），nlinfit，lsqnonlin，lsqnonlin（非线性函数），GM（离散型非线性函数）等等。