最小二乘法分析.pptVIP

曲线拟合的最小二乘法; 如果已知函数f(x)在若干点xi(i=1,2,…,n)处的值yi,便可根据插值原理来建立插值多项式作为f(x)的近似。 但在科学实验和生产实践中，往往节点上的函数值是由实验或观测得到的数据，这些函数值不可避免地带有测量误差，如果要求所得的近似函数曲线精确无误地通过所有的点(xi,yi),就会使曲线保留着一切测试误差。 此外,由实验或观测提供的数据个数往往很多,如果用插值法,势必得到次数较高的插值多项式，这样计算起来很烦琐，缺乏实用价值。;曲线拟合示意图;四、曲线拟合的问题; 曲线拟合不要求近似曲线严格过所有的数据点，但使求得的逼近函数与已知函数从总体上来说其偏差按某种方法度量达到总体上尽可能地小。;常见做法：;本章主要讨论线性最小二乘问题，基本提法是：;问题转化为求待定系数;有多元函数极值必要条件有;;;二、定理（最小二乘解的存在唯一性定理）;三、特例：（代数多项式拟合）;四、应用举例;;;法方程组;例2：在某化学反应里，测得生成物浓度y（%）与时间t（min）的数据见表3-3，试用最小二乘法建立t与y之间的经验公式。 ;解 ： 将已知数据点描绘在坐标纸上，可以看出，拟合曲线y=φ(t)应具有下列特点： （1）曲线随着t的增加而上升，但上升速度由快到慢。 （2）当t=0，反应尚未开始，即y=0；当t→∞时，y趋于某一常数。故曲线应通过原点（或者当t→0时以原点为极限点），且有一水平渐近线。 具有上述特点的曲线很多。选用不同的数学模型，可以获得不同的拟合曲线与经验式。 下面提供两种方案。; 方案1 设想y=φ (t)是双曲线型的，并且具有下面的形式;参照例1的做法，解法方程组; 方案2 设想y= (t)具有指数形式 ;并记A=lna,B=b,则上式就是;在以多项式作为拟合函数（曲线）时，最小二乘法的计算机实现步骤为右框图。;分析: 1、实际问题的解决中测得的数据并不都是等精度、等地位的。显然，对于精度高、地位重的数据应该以足够的重视，在计算时，给以足够的、更大的权重，在这种情况下，求给定的数据的拟合曲线，就要用加权最小二乘法。 2、利用最小二乘法原则上解决了最小二乘法意义下的曲线拟合问题，但在实际问题的解决时，n往往很大，法方程组往往是病态的，因而给求解带来了一定的困难，为了解决这一问题，近年来，产生了一些新方法来克服这一困难，利用正交函数（正交多项式）作多项式的拟合。;小结;注:可化为线性拟合的非线性拟合 有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线，从而用线性拟合进行处理，对于一个实际的曲线拟合问题，一般先按观测值在直角坐标平面上描出散点图，看一看散点的分布同哪类曲线图形接近，然后选用相接近的曲线拟合方程。再通过适当的变量替换转化为线性拟合问题，按线性拟合解出后再还原为原变量所表示的曲线拟合方程。 下表列举了几类经适当变换后化为线性拟合求解的曲线拟合方程及变换关系 ;表