2插值与拟合方法.pptVIP

2. 插值法 2 4 3 1 yi 5 4 2 1 xi 在科学实验中，经常需要从一组实验数据( xi,yi)出发，求函数y=f(x)的一个近似表达式y=y(x)（通常称为经验公式）。从几何上看，就是通过给定m个数据点，求曲线y=f(x)的一条近似曲线y=y(x)使这条曲线尽可能与所给的m个点相吻合。 2.5 曲线拟合的最小二乘法 例1 考察某种纤维的强度与其拉伸倍数的关系,下表 是实际测定的24个纤维样品的强度与相应的拉伸倍数 的记录: 2.5.1 最小二乘法的提法 要求出拉伸强度和倍数的关系，插值法虽然在一定程度上，可以根据函数表求函数的近似表达式。但用来解决这里提出的问题存在明显缺陷： 1. 实验提供的数据带有误差，使用插值法会保留这些误差，从而失去原数据表示的规律。 2.实验数据往往很多，用插值法得到的近似表达式明显缺乏使用价值。 为了获得便于应用的经验公式，不用插值标准可能更合适，最小二乘法是解决这类问题的一种较好方法。 并且24个点大致分 布在一条直线附近 ---------(1) 必须找到一种度量标准来衡量什么曲线最接近所有数据点 一般使用 在回归分析中称为残差 称为平方误差 在回归分析中称为残差平方和 从而确定(1)中的待定系数 残差的大小可以衡量近似函数的好坏。 求出