EXCEL同Origin比較，各自的優(yōu)缺點(diǎn)是什么？是作為數(shù)據(jù)分析和展示軟件，各自的優(yōu)缺點(diǎn)是什么？共同在哪些領(lǐng)域帶的比較比較多？毫不猶豫Excel，平時(shí)學(xué)得好，工作以后能都用到，Origin畫(huà)曲線會(huì)有鋸

EXCEL同Origin比較，各自的優(yōu)缺點(diǎn)是什么？

是作為數(shù)據(jù)分析和展示軟件，各自的優(yōu)缺點(diǎn)是什么？共同在哪些領(lǐng)域帶的比較比較多？

毫不猶豫Excel，平時(shí)學(xué)得好，工作以后能都用到，Origin畫(huà)曲線會(huì)有鋸齒形出現(xiàn)?？茖W(xué)論文圖表簡(jiǎn)單的方法要規(guī)矩，條件期刊的可以投稿要求，然后在規(guī)矩的基礎(chǔ)上實(shí)現(xiàn)程序圖表的美觀和專業(yè)。在當(dāng)前貫徹科技論文科學(xué)化、標(biāo)準(zhǔn)化的同時(shí),圖表的設(shè)計(jì)即須規(guī)范化管理、標(biāo)準(zhǔn)化。所以我，科學(xué)論文圖表的制作原則主要注意是規(guī)矩、簡(jiǎn)單啊、美觀和專業(yè)。我們來(lái)看看有所不同軟件繪制圖的效果圖：

之后，我只是想說(shuō)，有一款平凡的軟件能繪制圖這些軟件圖像的效果，但又不需要編程基礎(chǔ)就能實(shí)現(xiàn)程序，它那就是眾多周知的Excel。Excel才是王道！下圖那是使用Excel仿制的Python、Matlab、R繪制的散點(diǎn)效果圖，幾乎沒(méi)有差異。

散點(diǎn)圖怎么求方差？

在matlab中也可以然后用std函數(shù)計(jì)算散點(diǎn)的方差。

用matlab對(duì)一組數(shù)據(jù)進(jìn)行擬合后，怎么直接顯示擬合函數(shù)的圖像？

我利用的是Matlab中的應(yīng)用程序，Curvefitting，是需要將數(shù)據(jù)導(dǎo)入到工作區(qū)中，接下來(lái)在菜單欄中的應(yīng)用程序中能找到Curvefitting，再點(diǎn)擊進(jìn)去，會(huì)自動(dòng)彈出一個(gè)CurvefittingTool的頁(yè)面，在頁(yè)面的左上方會(huì)有選擇，x/y/z等數(shù)據(jù)，選擇好數(shù)據(jù)之后，這一次要右邊會(huì)你選擇曲線擬合的數(shù)學(xué)模型，找好之后，正下方會(huì)有散點(diǎn)圖和曲線擬合曲線，在圖的左邊會(huì)有你所選的系數(shù)以及計(jì)算得到相關(guān)系數(shù)等參數(shù)，如果沒(méi)有您想將擬合圖導(dǎo)出去，繼續(xù)在Curve fitting Tool頁(yè)面的最左上方的文件欄直接點(diǎn)擊Printtofigure，這時(shí)候就出圖了，也不知是否是您想的答案，祝自學(xué)進(jìn)步神速！

求文檔: 用matlab做出散點(diǎn)圖后如何散點(diǎn)圖添加趨勢(shì)線？

將離散的數(shù)據(jù)存放在兩個(gè)變量中。在Matlab的主界面輸入輸入cftool回車，主菜單散點(diǎn)圖趨勢(shì)線擬合工具箱，導(dǎo)入之前能保存的變量，畫(huà)線，再試一下。

matlab曲線怎樣分段擬合直線方程？

是對(duì)分幅曲線的函數(shù)曲線擬合，這個(gè)可以按a.步驟來(lái)并且。

步驟一、據(jù)試求的二維數(shù)據(jù)xi、yi，用繪圖函數(shù)plot（x，y，#39k*#39），繪出其散點(diǎn)圖。

步驟二、依據(jù)什么散點(diǎn)圖，判斷重點(diǎn)段落曲線的縱斷面區(qū)間，同樣的可以確定每個(gè)分段區(qū)間內(nèi)的散點(diǎn)符合國(guó)家規(guī)定某個(gè)數(shù)學(xué)模型。

步驟三、依據(jù)分幅區(qū)間，各用matlab的擬合工具箱的計(jì)算得到函數(shù)，去數(shù)據(jù)擬合其數(shù)學(xué)模型的系數(shù)。

步驟四、參照擬合后的數(shù)學(xué)模型的數(shù)值和己知的散點(diǎn)值作對(duì)比，確定計(jì)算得到的數(shù)學(xué)模型是否合不合理，好象這個(gè)可以用判斷系數(shù)R2來(lái)確定，當(dāng)R2≈1，也可以認(rèn)為曲線擬合是合理不的。matlab具體方法的函數(shù)有，regress（線性函數(shù)），nlinfit，lsqnonlin，lsqnonlin（線性函數(shù)），GM（離散型非線性函數(shù)）等等。