如何find一组笛卡尔点（xyz）的可变性或拟合/距离到三维线和/或平面？
所以我在看这个问题：
Matlab – Cartesian点的标准差
基本上回答我的问题，除了问题是我有xyz，而不是xy。 所以我不认为Ax = b在这种情况下会起作用。
我有10个笛卡尔点，我希望能够find这些点的标准偏差。 现在，我不想每个X，Y和Z的标准偏差（作为3组的结果），但我只想得到一个数字。
这可以使用MATLAB或Excel来完成。
为了更好地理解我在做什么，我有这个期望点（1,2,3），我logging了（1.1,2.1,2.9），（1.2,1.9,3.1）等等。 我希望能够find所有logging点的可变性。
我打开任何其他build议。
如果你做了与你链接的其他答案相同的事情，它应该工作。
x_vals = xyz(:,1); y_vals = xyz(:,2); z_vals = xyz(:,3); 然后用3列做A ，
A = [x_vals y_vals ones(size(x_vals))];
和
b = z_vals;
然后
sol=A\b; m = sol(1); n = sol(2); c = sol(3);
接着
errs = (m*x_vals + n*y_vals + c) - z_vals;
之后，你可以使用errs ，就像在链接的问题。
随机聚集数据
如果您的数据预计不在线或平面附近，只需计算每个点与质心的距离即可：
xyz_bar = mean(xyz); M = bsxfun(@minus,xyz,xyz_bar); d = sqrt(sum(M.^2,2)); % distances to centroid
那么你可以计算任何你喜欢的变化。 例如，标准偏差和RMS误差：
std(d) sqrt(mean(d.^2))
关于3D线的数据
如果数据点预计大致沿着一条线的path，并有一些偏差，你可以看看最适合线的距离。 首先，将一条3D线放到你的要点上。 一种方法是使用以下三维线的参数化forms：
x = a*t + x0 y = b*t + y0 z = c*t + z0
用噪音生成一些testing数据：
abc = [2 3 1]; xyz0 = [6 12 3]; t = 0:0.1:10; xyz = bsxfun(@plus,bsxfun(@times,abc,t.'),xyz0) + 0.5*randn(numel(t),3) plot3(xyz(:,1),xyz(:,2),xyz(:,3),'*') % to visualize
估算3D线参数：
xyz_bar = mean(xyz) % centroid is on the line M = bsxfun(@minus,xyz,xyz_bar); % remove mean [~,S,V] = svd(M,0) abc_est = V(:,1).' abc/norm(abc) % compare actual slope coefficients
从点到3D线的距离：
pointCentroidSeg = bsxfun(@minus,xyz_bar,xyz); pointCross = cross(pointCentroidSeg, repmat(abc_est,size(xyz,1),1)); errs = sqrt(sum(pointCross.^2,2))
现在你有从每个点到适合线的距离（每个点的“错误”）。 你可以计算均值，均方根，标准偏差等。
>> std(errs) ans = 0.3232 >> sqrt(mean(errs.^2)) ans = 0.7017
有关3D平面的数据
见大卫的回答 。