华中科技大学 计算方法课件第2章 最小二乘法.pdf

2.7 曲线拟合的最小二乘法 2.7.1 最小二乘法及其计算 在科学实验和生产实践中，常常需要通过一组实验数 据 (x , y )(i 0,1,2, n) 来估计函数y f (x) 。 i i 插值法虽然在一定程度上解决了由函数表求取函数的 近似表达式的问题，但用该方法来解决上面提出的问题， 有明显缺陷。 1 首先，实验数据通常带有测试误差。如要求近似曲线 y=φ(x)严格地通过所给的每个数据点 (xi , y i) ，就会使曲线保 持原有的测试误差。当个别数据的误差较大时，插值效果显 然是不理想的。 其次，由实验提供的数据往往较多（即m较大），用插 值法得到的近似表达式，明显地缺乏实用价值。 2 因此，怎样从给定的一组数据出发，在某个函数类φ 中寻求一个“最好”的函数φ(x)来拟合这组数据，是一个 值得讨论的问题。 随着拟合效果“好”、“坏”标准的不同，也就是 误差评价标准的不同，解决此类问题的方法也不同。下 面介绍一种最常用的曲线拟合方法，即最小二乘法。 3 如前所述，在一般情况下，我们不能要求近似曲线 y f (x) 严格地通过所有数据点 (xi , y i) ，亦即不能要求所 有拟合曲线函数在x 处的偏差（亦称残差） i δ ϕ(x ) −y (i 1,2,,m) i i i 都严格地趋于零。但为了使近似曲线尽量反映所给数据点 的变化趋势，要求 ∣δi ∣都较小还是需要的。达到这一目标 的途径很多，常见的有： (1) 选取φ(x) ，使偏差绝对值之和最小，即 m m ∑ ∑δ ϕ(x ) −y i i i i 1 i 1 4 (2) 选取φ(x) ，使偏差最大绝对值最小，即 max δi max ϕ(xi ) −y i i m i m ≤ ≤ ≤ ≤ 1 1 (3) 选取φ(x) ，使偏差平方和最小，即 m m 2 [ (x ) −y ]2 ∑ ∑δ ϕ i i i i 1 i 1 为了方便计算、分析与应用，我们较多地根据“偏差平 方和最小”的原则（称为最小二乘原则）来选取拟合曲线 y=φ(x) 。按最小二乘原则选择拟合曲线的方法，称为最小二 乘法。