第一章数据拟合.docVIP

第一章 数据拟合 问题来源：实际问题中经常遇到以下情况： 1、只知函数在一些点处的函数值或导数值，没有明确的解析式； 2、知其解析式但很复杂。 这样我们就要寻求某个较为简单的函数来逼近，即用作为的近似表达式. 寻求简单函数过程通常有两大类方法：1、插值法； 2、数据拟合。本节我们仅介绍拟合的方法。 第一节 问题的提出以及线性拟合 一、数据拟合与最小二乘法 数据拟合：为了获得便于应用的经验公式（不必要求），往往采用拟合的方法。 所谓拟合是根据一组数据，即平面上的若干点，要求确定函数y = f(x)，使这些点与曲线总体来说尽量接近。这就是数据拟合成曲线的思想，简称为曲线拟合(fitting a curve)。 数据拟合中最常用的方法就是最小二乘法，下面通过一个简单的例题进行说明．例1.1 下面给出了悬挂不同重量的物体时弹簧的长度： （g） 5 10 15 20 25 30 (cm) 7.25 8.12 8.95 9.90 10.90 11.80 讨论变量与之间的关系． 为了研究弹簧的伸长量和悬挂的物体质量之间的关系，首先将表中各组数据 在坐标平面 内描出对应的点， 得到的图通常被称为散点图．通过观察可以发现， 这些点大致分布在一条直线上， 因此就考虑利用直线 (2.1.1) 去描述与之间的关系，但是怎样确定系数、，才能使近似函数尽量反映所给数据点的变化趋势呢？一般采用的方法是确定、使所有的计算值和实测值之差 ， (2.1.2) （又称为偏差或残差）的平方之和最小，即使 最小，这个方法称为最小二乘法.这时(2.1.1)称为最小二乘拟合一次多项式，称为偏差平方和. 由微分学中求极值的方法可知，只需求关于、的一阶偏导数，并令其为零，可以得到、满足的方程组 ， (2.1.3) 求解可得 ， 可以证明，可以使取得最小值，这样直线方程就可以确定． 注：问题：给定一批离散的数据点，需确定满足特定要求的曲线，从而获取整体的规律。即通过窥几斑来达到知全豹。 解决方案： 若不要求曲线通过所有数据点，而是要求它反映对象整体的变化趋势，这就是数据拟合，又称曲线拟合。 从几何意义上看，拟合是给定了空间中的一些点，找到一个已知形式的连续曲线来最大限度地逼近这些点。 二、 最小二乘原理的一般理论 设给定的数据为，，设拟合曲线方程为，令 ， (2.2.1) 最小二乘法就是求参量，，使最小，即求使 ． 这时称为函数在点集上的最小二乘逼近． 解决方法：由多元函数求极值的方法可得 ， . (2.2.2) （这个方程称为法方程或正规方程．） 即求得 ，满足 如何求得呢？我们采用下面的拟合函数，得到一般的求解公式： 若拟合函数为 其中，，…，线性无关，由公式(2.2.1)可得 (2.2.3) 由公式(2.2.2)可得 . (2.2.4) 如果引入记号 ， (2.2.5) 则方程组可以表示为 (2.2.6) 即 (2.2.7) 这是一个系数矩阵为对称矩阵的线性方程组.可以证明:当函数，，…，线性无关时，方程存在唯一解 ， ， 并且相应拟合函数为 这就是满足条件的最小二乘解. 综上分析，求最小二乘法的步骤可以归纳为：先通过所