数值计算方法教案_曲线拟合与函数逼近.docVIP

第三章 曲线拟合与函数逼近 一．曲线拟合 1.问题提出： 已知多组数据，由此预测函数的表达式。 数据特点：（1）点数较多。（2）所给数据存在误差。 解决方法：构造一条曲线反映所给数据点的变化总趋势，即所谓的“曲线拟合”。 2.直线拟合的概念 设直线方程为y=a+bx。 则残差为：，其中。 残差是衡量拟合好坏的重要标志。 可以用MATLAB软件绘制残差的概念。 x=1:6; y=[3,4.5,8,10,16,20]; p=polyfit(x,y,1); xi=0:0.01:7; yi=polyval(p,xi); plot(xi,yi,x,y, o); y1=polyval(p,x); hold on for i=1:6 plot([i,i],[y(i),y1(i)], r); end 可以绘制出如下图形： 三个准则： （1）最小 （2）最小 （3）最小 3.最小二乘法的直线拟合 问题：对于给定的数据点，求一次多项式y=a+bx，使得总误差Q最小。其中。根据 故有以下方程组（正则方程）： 例1.给定数据表，求最小二乘拟合一次多项式 xi 165 123 150 123 141 yi 187 126 172 125 148 解：N=5，=702，=758，=99864，=108396。 则有方程组 解得a=-60.9392，b=1.5138，则一次多项式为y=-60.9392