matlab 多元與非線性回歸即擬合問題regress、nlinfit

1、肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞

2、襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆

3、螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀

4、罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄

5、螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁

6、肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆

7、裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕

8、蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄

9、羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿

10、螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃

11、肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀

12、袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄

13、蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈

14、羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃

15、螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇

16、肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁

17、袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅

18、肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂

19、羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇

20、螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻

21、羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅

22、袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿

23、肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄

24、羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁

25、螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅

26、羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆

27、袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃

28、肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈

29、袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂

30、螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆

31、羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃

32、衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇

33、肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞

34、襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆

35、螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀

36、罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄

37、螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀芀螃衿羇蒂薆螅羆薄袁肄羅芄蚄羀羄莆袀袆羃蒈蚃螂肂薁蒅肀肂芀蟻羆肁莃蒄羂肀薅蠆袈聿芅薂螄肈莇螇肅肇葿薀罿肆薂螆裊膆芁蕿螁膅莄螄蚇膄蒆薇肅膃芆袂羈膂莈蚅袇膁蒀袁螃膀薂蚃肂膀節(jié)蒆羈艿莄螞襖羋蕆蒄螀芇膆蝕蚆芆荿蒃肅芅蒁螈羈芄薃薁袇芄芃螇螃芃蒞蕿肁莂蒈螅羇莁薀薈袃莀 回歸（擬合）自己的

38、總結(jié)（20100728） 1：學(xué)三條命令：polyfit(x,y,n)-擬合成一元冪函數(shù)（一元多次） regress(y,x)-可以多元，nlinfit(x,y,fun,beta0) (可用于任何類型的函數(shù)，任意多元函數(shù)，應(yīng)用范圍最主，最萬能的)2：同一個(gè)問題，可能這三條命令都可以使用，但結(jié)果肯定是不同的，因?yàn)閿M合的近似結(jié)果，沒有唯一的標(biāo)準(zhǔn)的答案。相當(dāng)于咨詢多個(gè)專家。 3：回歸的操作步驟：（1） 根據(jù)圖形（實(shí)際點(diǎn)），選配一條恰當(dāng)?shù)暮瘮?shù)形式（類型）-需要數(shù)學(xué)理論與基礎(chǔ)和經(jīng)驗(yàn)。（并寫出該函數(shù)表達(dá)式的一般形式，含待定系數(shù)）（2） 選用某條回歸命令求出所有的待定系數(shù)所以可以說，回歸就是求待定系數(shù)的過程

39、（需確定函數(shù)的形式）配曲線的一般方法是：（一）先對(duì)兩個(gè)變量x和y 作n次試驗(yàn)觀察得(x,y),i=1,2,.,n畫出散點(diǎn)圖， ii散點(diǎn)圖（二）根據(jù)散點(diǎn)圖確定須配曲線的類型. 通常選擇的六類曲線如下：b（1）雙曲線1=a+ yxbx（2）冪函數(shù)曲線y=a, 其中x>0,a>0bxe（3）指數(shù)曲線y=a其中參數(shù)a>0.（4）倒指數(shù)曲線y=aeb/x其中a>0，（5）對(duì)數(shù)曲線y=a+blogx,x>01（6）s型曲線y=a+be-x （三）然后由n對(duì)試驗(yàn)數(shù)據(jù)確定每一類曲線的未知參數(shù)a和b.一、一元多次擬合polyfit(x,y,n) 一元回歸polyfit 多元回歸re

40、gress-nlinfit(非線性) 二、多元回歸分析 (其實(shí)可以是非線性，它通用性極高) 對(duì)于多元線性回歸模型：y=b0+b1x1+l+bpxp+e 設(shè)變量x,x,lx,y的n組觀測(cè)值為 12p(xi1,xi2,lxip,yi)i=1,2,l,n11記 x=l1x11x21lxn1x12x22lxn2lx1pb0y1lx2pb1y2，y=，則b= 的估計(jì)值為 llmmblxnpynp排列方式與線性代數(shù)中的線性方程組相同（） 擬合成多元函數(shù)-regress 使用格式：左邊用b=或b, bint, r, rint, stats= 右邊用regress(y, x) 或regress(y, x, a

41、lpha)-命令中是先y后x,-須構(gòu)造好矩陣x(x中的每列與目標(biāo)函數(shù)的一項(xiàng)對(duì)應(yīng)) -并且x要在最前面額外添加全1列/對(duì)應(yīng)于常數(shù)項(xiàng) -y必須是列向量-結(jié)果是從常數(shù)項(xiàng)開始-與polyfit的不同。） 其中：b為回歸系數(shù)b的估計(jì)值(第一個(gè)為常數(shù)項(xiàng))bint為回歸系數(shù)的區(qū)間估計(jì)r: 殘差rint: 殘差的置信區(qū)間stats: 用于檢驗(yàn)回歸模型的統(tǒng)計(jì)量，有四個(gè)數(shù)值：相關(guān)系數(shù)r、f值、與f對(duì)應(yīng)2的概率p和殘差的方差（前兩個(gè)越大越好，后兩個(gè)越小越好）alpha: 顯著性水平（缺省時(shí)為0.05，即置信水平為95%）（alpha不影響b,只影響bint(區(qū)間估計(jì))。它越小，即置信度越高，則bint范圍越大。顯著

42、水平越高，則區(qū)間就越?。ǚ祷匚鍌€(gè)結(jié)果）-如有n個(gè)自變量-有誤（n個(gè)待定系數(shù)），則b 中就有n+1個(gè)系數(shù)（含常數(shù)項(xiàng)，-第一項(xiàng)為常數(shù)項(xiàng)） (b-b的范圍/置信區(qū)間-殘差r-r的置信區(qū)間rint-點(diǎn)估計(jì)-區(qū)間估計(jì)此段上課時(shí)不要：- 如果bi的置信區(qū)間（bint的第i+1行）不包含0，則在顯著水平為a時(shí)拒絕bi=0的假設(shè)，認(rèn)為變量xi是顯著的*(而rint殘差的區(qū)間應(yīng)包含0則更好) b,y等均為列向量,x為矩陣(表示了一組實(shí)際的數(shù)據(jù))結(jié)果的系數(shù)就是與此矩陣相對(duì)應(yīng)的（常數(shù)項(xiàng)，x1,x2,xn）。 （結(jié)果與參數(shù)個(gè)數(shù)：1/5=2/3-y,x順序-x要額外添加全1列）而nlinfit:1/3=4-x,y順序

43、-x不能額外添加全1列，-需編程序，用于模仿需擬合的函數(shù)的任意形式，一定兩個(gè)參數(shù)，一為系數(shù)數(shù)組，二為自變量矩陣（每列為一個(gè)自變量）有n個(gè)變量-不準(zhǔn)確，x中就有n列,再添加一個(gè)全1列（相當(dāng)于常數(shù)項(xiàng)），就變?yōu)閚+1列，則結(jié)果中就有n+1個(gè)系數(shù)。 x需要經(jīng)過加工，如添加全1列，可能還要添加其他需要的變換數(shù)據(jù)。 相關(guān)系數(shù)r2越接近1，說明回歸方程越顯著；(r2越大越接近1越好) f越大，說明回歸方程越顯著；（f越大越好）與f對(duì)應(yīng)的概率p越小越好，一定要p<a時(shí)拒絕h0而接受h1，即回歸模型成立。乘余（殘差）標(biāo)準(zhǔn)差（rmse(此處是殘差的方差，還沒有開方) （前兩個(gè)越大越好，后兩個(gè)越小越好） 自己

44、總結(jié)：regress多元（可通過變形而適用于任意函數(shù)），15/23順序（y,x-結(jié)果是先常數(shù)項(xiàng)，與polyfit相反）y為列向量；x為矩陣，第一列為全1列（即對(duì)應(yīng)于常數(shù)項(xiàng)），其余每一列對(duì)應(yīng)于一個(gè)變量（或一個(gè)含變量的項(xiàng)），即x要配成目標(biāo)函數(shù)的形式（常數(shù)項(xiàng)在最前） x中有多少列則結(jié)果的函數(shù)中就有多少項(xiàng) 首先要確定要擬合的函數(shù)形式，然后確定待定的系數(shù)從常數(shù)項(xiàng)開始排列須構(gòu)造x(每列對(duì)應(yīng)于函數(shù)中的一項(xiàng)，剔除待定系數(shù)) 擬合就是確定待定系數(shù)的過程（當(dāng)然需先確定函數(shù)的型式） regress(y,x) 重點(diǎn)與難點(diǎn)是如何加工處理矩陣x。 y是函數(shù)值，一定是只有一列。也即目標(biāo)函數(shù)的形式是由矩陣x來確定 如s=a+

45、b*x1+c*x2+d*x3+e*x1+f*x2*x3+g*x1,一定有一個(gè)常數(shù)項(xiàng)，且必須放在最前面（即x的第一列為全1列） x中的每一列對(duì)應(yīng)于目標(biāo)函數(shù)中的一項(xiàng)（目標(biāo)函數(shù)有多少項(xiàng)則x中就有多少列）x=ones, x1, x2, x3, x1., x2.*x3，x1.2 (剔除待定系數(shù)的形式) regress: y/x順序，矩陣x需要加工處理nlinfit: x/y順序，x/y就是原始的數(shù)據(jù)，不要做任何的加工。 (即regress靠矩陣x來確定目標(biāo)函數(shù)的類型形式（所以x很復(fù)雜，要作很多處理） 而nlinfit是靠程序來確定目標(biāo)函數(shù)的類型形式（所以x就是原始數(shù)據(jù)，不要做任何處理） 例1 測(cè)16名成

46、年女子的身高與腿長(zhǎng)所得數(shù)據(jù)如下：配成y=a+b*x形式>> x=143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164; >> y=88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102; >> plot(x,y,r+)>> z=x;>> x=ones(16,1),x;-常數(shù)項(xiàng)>> b,bint,r,rint,stats=regress(y,x);-處結(jié)果與polyfit(x,y,1)相同>>b,

47、bint,stats得結(jié)果：b = bint =-16.0730 -33.7071 1.5612-每一行為一個(gè)區(qū)間 0.7194 0.6047 0.8340stats =0.9282 180.9531 0.0000=-16.073,b=0.7194；b的置信區(qū)間為-33.7017，1.5612, b的置信區(qū)間為即b01010.6047,0.834; r2=0.9282, f=180.9531, p=0.0000p<0.05, 可知回歸模型 y=-16.073+0.7194x 成立. >> b,bint,r,rint,stats=regress(y,x,0.05);-結(jié)果相同

48、>> b,bint,r,rint,stats=regress(y,x,0.03); >> polyfit(x,y,1)-當(dāng)為一元時(shí)（也只有一組數(shù)），則結(jié)果與regress是相同的，只是 命令中x,y要交換順序，結(jié)果的系數(shù)排列順序完全相反，x中不需要全1列。ans =-此題也可用polyfit求解，殺雞用牛刀，脖子被切斷。-用牛刀殺羊0.7194 -16.0730 3、殘差分析，作殘差圖：>>rcoplot(r,rint)residual case order plotresiduals246810case number121416 從殘差圖可以看出，除第二個(gè)

49、數(shù)據(jù)外，其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包含零點(diǎn)，這說明回歸模型 y=-16.073+0.7194x能較好的符合原始數(shù)據(jù)，而第二個(gè)數(shù)據(jù)可視為異常點(diǎn)(而剔除) 4、預(yù)測(cè)及作圖：>> plot(x,y,r+) >> hold on>> a=140:165; >> b=b(1)+b(2)*a;>> plot(a,b,g)1021009896949290888684 例2 觀測(cè)物體降落的距離s與時(shí)間t的關(guān)系，得到數(shù)據(jù)如下表，求s關(guān)于t的回歸方=a+bt+ct 程s2法一直接作二次多項(xiàng)式回歸： t=1/30:1/30:14/30;

50、s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48; >> p,s=polyfit(t,s,2) p =489.2946 65.8896 9.1329 s =r: 3x3 double df: 11normr: 0.1157得回歸模型為 ：=489.2946t2+65.8896t+9.1329 s 方法二-化為多元線性回歸：2s=a+bt+ctt=1/30:1/30:14/30;s=11.86 15.67 20.60 26.69 33.71 41.93 51

51、.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48;%？是否可行？等驗(yàn)證. t = 1.0000 0.0333 0.0011-因?yàn)橛腥齻€(gè)待定系數(shù)，所以有三列，始于常數(shù)項(xiàng) 1.0000 0.0667 0.00441.0000 0.1000 0.01001.0000 0.1333 0.01781.0000 0.1667 0.02781.0000 0.2000 0.04001.0000 0.2333 0.05441.0000 0.2667 0.07111.0000 0.3000 0.09001.0000 0.3333 0.11111.0000 0.366

52、7 0.13441.0000 0.4000 0.16001.0000 0.4333 0.18781.0000 0.4667 0.2178;>> b,bint,r,rint,stats=regress(s,t);>> b,statsb = 9.132965.8896489.2946stats =1.0e+007 *0.0000 1.0378 0 0.0000 得回歸模型為 ：=9.1329+65.8896t+489.2946t2s %？是否可行？等驗(yàn)證.其實(shí)通過技巧也可以多元多次 regressx有n列（不含全1列），則表達(dá)式中就有n+1列（第一個(gè)為常數(shù)項(xiàng)，其他每項(xiàng)與x的

53、列序相 例3 設(shè)某商品的需求量與消費(fèi)者的平均收入、商品價(jià)格的統(tǒng)計(jì)數(shù)據(jù)如下，建立回歸模型，預(yù)測(cè)平均收入為1000、價(jià)格為6時(shí) 的商品需求量.需求量 100 收入 價(jià)格 選擇純二次模型，即7580 1200 670 500 650 300 865 400 790 1300 5100 1100 4110 1300 360 300 91000 600 5 7y=2b0+b1x1+b2x2+b11x12+b22x2-用戶可以任意設(shè)計(jì)函數(shù)>> x1=1000 600 1200 500 300 400 1300 1100 1300 300; >> x2=5 7 6 6 8 7 5 4

54、 3 9;>> y=100 75 80 70 50 65 90 100 110 60;x=ones(10,1) x1 x2 (x1.) (x2.);b,bint,r,rint,stats=regress(y,x);>> b,statsb = 110.5313 0.1464 -26.5709 -0.0001 1.8475stats = 0.9702 40.6656 0.0005 20.577122x1+1.8475x2故回歸模型為：y=110.5313+0.1464x1-26.5709x2-0.0001剩余標(biāo)準(zhǔn)差為4.5362, 說明此回歸模型的顯著性較好.-(此題還可以

55、用 rstool(x,y)命令求解，詳見回歸問題詳解)>> x=ones(10,1) x1 x2 (x1.) (x2.),sin(x1.*x2),(x1.*exp(x2);>> b,bint,r,rint,stats=regress(y,x);>> b,stats 其他例題可以見下面的例題或練習(xí)(個(gè)人2011年認(rèn)為，regress只能用于函數(shù)中的每一項(xiàng)只能有一個(gè)待定系數(shù)的情況，不能用于aebx等的情況)2011的理解：1/5-2/3regress(y,x)-re是y/x逆置的-y是列向量-須確定目標(biāo)函數(shù)的形式-x須構(gòu)造（通過構(gòu)造來反映目標(biāo)函數(shù)） -x中的每一列與目標(biāo)函數(shù)的一項(xiàng)對(duì)應(yīng)（剔除待定系數(shù)） -首項(xiàng)為常數(shù)項(xiàng)（x的第一列為全1）-有函數(shù)有n 項(xiàng)(待定系數(shù)),則x就有n列 -regress只能解決每項(xiàng)只有一個(gè)待定系數(shù)的情況且必須有常數(shù)項(xiàng)的情況（且每項(xiàng)只有一個(gè)待定系數(shù)，即項(xiàng)數(shù)與待定系數(shù)數(shù)目相同）*其重（難、關(guān)鍵）點(diǎn)：列向量