政府与市场关系研讨.pptVIP

6.4 最小二乘法的计算机算法 讲课人： 指导教师： 6.4 最小二乘法的计算机算法 6.4.1 最小二乘法的概念及推导 6.4.2 最小二乘法的excel算法 6.4.3 最小二乘法的matlab算法 6.4.1 最小二乘法的概念及推导 概念：最小二乘法（又称最小平方法）是由马里.勒让德最先提出来的一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便的求出未知的数据，并使得这些求得的数据与实际数据之间误差的平方和最小。 回归公式的推导 设对目标函数进行简单因数实验，因素取n个值 ，分别记为x1,x2,x3,...xn。实验后得到了n个目标函数值记为y1,y2,y3,...yn。现假定x,y之间存在线性关系 y=a+bx 对任意一组a,b的取值，利用上式可以计算出与x1,x2,x3，...xn相对应的目标函数值y1,y2,y3...yn 即 y1=a+bX1 , y2=a+bX2 ,y3=a+bX3 ... yn=a+bXn 计算出的目标函数 与实验值之间会有一定的误差 ?1=y1-y1 ?2=y2-y2 ?3=y3-y3 en=yn-yn 如果所选的a,b合理，则应使误差减小，而a,b的最优值应使误差最小 根据误差最小的原则可以得出求解a,b的公式 注意到上式中 同理可得 整理后可得 上式中 和 的最小值为零，而我们总可以调整a,b值使这 两项的值为0 即可得到 6.4.2 最小二乘法的excel算法 下面以例题的形式介绍excel算法 在送到工厂的原料中，含有两种有用的成分A和B，为了研究这两种组分含量之间的关系，在不同地区和不同原料中，取10个样品进行化学分析，得到如图所示结果，试确定两种含量之间的关系。 分析结果如下图 解：为了研究这些数据所蕴藏的规律性，将A组分的百分数看作自变量，B组分的百分数看作因变量，画出两者的散点图，可见这些点分布在一条直线附近，所以两组分的百分比之间可能符合一元线性模型。下面利用excel“分析工具库”提供的“回归分析”分析工具，找出线性回归方程，并检验其显著性。 ?从【工具】菜单中选中【数据分析】，则会弹出【数据分析】对话框，然后在“分析工具”中选择“回归”选项，单击确定后，则弹出“回归”对话框。 ?填写回归对话框 ?填好【回归】对话框后，点击“确定”，即可得到回归分析的结果。 6.4.3 最小二乘法的matlab 算法 多项式拟合问题可以更具体地表述如下：对于实验数据可以写出一组方程： y1=a1x1n+a2x2n-1+...+anx1+an+1+?1 y2=a1x2n+a2x2n-1+...+anx2+an+1+?2 . . . ym=a1xmn+a2xmn-1+...+anxm+an+1+?m 上述方程可以简记为 y=XaT+e 给定数据x0,y0,求拟合三阶多项式 %给定数据对 x0=0:0.1:1； y0=[-.447,1.978,3.11,5.25,5.02,4.66,4.01,4.58,3.45,5.35,9.22] %求拟合多项式 n=3; P=polyfit(x0,y0,n) %图示拟合情况 xx=0:0.1:1； yy=polyval(p,xx); plot(xx,yy,-b,x0,y0,.r,Markersize,20) legend(拟合曲线,原始数据,Location,southEast xlabel(x) p= 56.6915 -87.1174 40.0070 -0.90043 谢谢！