☆(3) 运行程序并给出结果（比较[327]图2）：
(4) 确定y对x2的的拟合，绘制散点图与拟合曲线组合图形 从y对x2的散点图可以发现，可用二次函数模型
2y??0??1x2??2x2??
来拟合。程序如下： clc;format short g; M=dlmread('p325.txt');%读取ASCII码文件 x2=M(:,4); y=M(:,6); plot(x2,y,'bo'); b=regress(y,[ones(size(x2)),x2,x2.^2]); % b=[β0 β1 β2]'，列向量 x2=sort(x2); y=[ones(size(x2)),x2,x2.^2]*b; %使用矩阵乘法 hold on; plot(x2,y,'-r'); hold off; 6
☆(4) 运行程序并给出结果（比较[327]图2）：
(5) y对x1, x2的回归模型及其求解，销售量预测 综上得回归模型
2y??0??1x1??2x2??3x2??
变量x1, x2为回归变量，参数?0, ?1, ?2, ?3为回归系数。
程序如下： clc; format compact; format short g; M=dlmread('p325.txt');%读取ASCII码文件 x1=M(:,5);x2=M(:,4); y=M(:,6); [b,bint,r,rint,stats]=regress(y,[ones(size(x1)),x1,x2,x2.^2],0.05); fprintf('%2s%5ss\\n','参数','估计值','置信区间');%1个汉字算1个字符 for i=1:length(b) fprintf ('β %9.4f [%7.4f, %7.4f]\\n',i-1,[b(i,:),bint(i,:)]); end % %d将i当整数输出，%7.4f按实数格式输出，区域宽7个字符，4位小数 fprintf('\\nR2=%.4f F=%.4f p<%.4e s2=%.4f\\n',stats); 7
x1=0.2; x2=6.5; y=[1 x1,x2,x2^2]*b; %使用矩阵乘法 fprintf('\\n销售量预测：x1=%.1f, x2=%.1f, y=%.4f\\n',x1,x2,y); [提示：fprintf输出到命令窗口或写数据到文本文件]
见参考资料：MATLAB函数和命令的用法。
☆(5) 运行程序并给出结果（比较[328]表2,[329]的预测结果）：
1.2（验证，编程）模型改进p329~332
仍使用题1的数据。
(1)（编程）y对x1, x2的回归模型的改进和求解，销售量预测 改进的模型
2y??0??1x1??2x2??3x2??4x1x2??
参考题1(5)的程序，编写一个类似的程序，运行结果与教材p329~330的表
3及相关结果相比较。
★(1) 给出程序和运行结果（比较[329]表3）： clc; format compact; format short g; M=dlmread('p325.txt');%读取ASCII码文件 x1=M(:,5);x2=M(:,4); y=M(:,6); [b,bint,r,rint,stats]=regress(y,[ones(size(x1)),x1,x2,x2.^2,x1.*x2],0.05); fprintf('%2s%5ss\\n','参数','估计值','置信区间');%1个汉字算1个字符 for i=1:length(b) fprintf ('β %9.4f [%7.4f, %7.4f]\\n',i-1,[b(i,:),bint(i,:)]); end % %d将i当整数输出，%7.4f按实数格式输出，区域宽7个字符，4位小数 8
fprintf('\\nR2=%.4f F=%.4f p<%.4e s2=%.4f\\n',stats); x1=0.2; x2=6.5; y=[1 x1,x2,x2^2,x1.*x2]*b; %使用矩阵乘法 fprintf('\\n销售量预测：x1=%.1f, x2=%.1f, y=%.4f\\n',x1,x2,y);
(2)（验证）完全二次多项式模型
2y??0??1x1??2x2??3x1x2??4x12??5x2??
运行以下程序（参考教材p331~332）： clear; clc; format compact; format short g; M=dlmread('p325.txt'); %读取ASCII码文件 x1=M(:,5); x2=M(:,4); y=M(:,6); rstool([x1,x2],y,'quadratic') 得以下的交互画面。画面中的两个座标系给出y的估计值和预测区间。 用鼠标移动交互式画面中的十字线，或在图下方的窗口内输入，可改变x1和x2的数值。
改变x1=0.2，x2=6.5，观察窗口左边的y估计值和预测区间。
9
点击所得交互画面左下方的输出按钮“Export”，所得画面（导出到工作空间）第1个复选框是“将拟合参数存到一个名为beta的MATLAB变量中”，点击OK。
在命令窗口提示符键入变量名beta将得到参数( β0, β1, β2, β3, β4, β5 )' 的值。
☆(2) 运行程序并给出结果：参数(β0,β1,β2,β3,β4,β5)' 的值（比较[331]）：
10