1、给出一个具体的例子：
小乓做射击试验，并每隔10次就统计一下命中10环的次数，数据结构如下所示：
a = {10, 20, 30, 40, 50, 60, 70, 80, 90, 100};
b = {3, 7, 9, 11, 16, 18, 21, 23, 27, 30};
b表示每个10次累计的10环命中次数。
2、分别绘制a和b的散点图：
ListLinePlot[{a, b}, PlotStyle -> {Green, Blue}]
3、再画出命中10环的概率图：
ListLinePlot[{a, b, b/a}, PlotStyle -> {Green, Blue, Red}]
这说明小乓命中10的概率，基本稳定在30%。
4、用线性拟合的方法，来拟合试验数据：
c = {a, b} // Transpose
d = Fit[c, {1, x}, x]
然后画出拟合的图像：
Show[ListLinePlot[c, PlotStyle -> Green],
Plot[d, {x, 0, 100}, PlotStyle -> Blue]
可以看到，拟合效果非常好。
5、用二次函数来拟合试验数据：
d = Fit[c, {1, x, x^2}, x];
画出的图像如下，没有明显改变。
6、用七次函数来拟合数据：
d = Fit[c, Array[x^# &, 7], x];
7、用10次函数来拟合数据，就出现了过拟合现象——也就是过犹不及。
