1 蒙特卡洛 2 数据处理 2.1 数据拟合
多项式曲线拟合：p = polyfit(x, y, m);
m为拟合多项式的次数。从高次到低次将系数返回到p中。
求多项式在x0处的值y0：y0 = polyval(p, x0);
非线性曲线最小二乘法拟合：[x, resnorm] = lsqcurvefit(fun, x0, xdata, ydata); fun为给定的函数，x0为初值。返回fun中的系数向量x和残差的平方和resnorm。
非线性曲线最小二乘法拟合：[x, resnorm] = lsqnonlin(fun, x0, LB, UB, option, para1, para2, …);
fun为给定的函数，x0为初值，LB为系数下限，UB为系数上限，para为函数fun所需要的参数(依序)。返回fun中的系数向量x和残差的平方和resnorm。
设置选项option：optimset(‘MaxIter’, 300, ‘TolX’, 1e-10, ‘TolFun’, 1e-10);
MaxIter为最大允许的迭代次数，TolX为x的终止公差，TolFun为函数值的终止公差。
非线形回归：[beta, r, j] = nlinfit(x, y, fun, beta0);
Beta0为回归系数初始迭代点，beta为回归系数，r为残差，j为雅克比。
误差估计：[y, delta] = nlpredci(fun, x, beta, r, j); delta为误差限，y为预测值(拟合后表达式求值)。
线形回归：[b, bint, r, rint, stats] = re