數值计算_第6章曲线拟合的最小二乘法.docVIP

第6章? 曲线拟合的最小二乘法 6.1? 拟合曲线 　　通过观察或测量得到一组离散数据序列，当所得数据比较准确时，可构造插值函数逼近客观存在的函数，构造的原则是要求插值函数通过这些数据点，即。此时，序列与是相等的。 　　如果数据序列，含有不可避免的误差（或称“噪音”），如图6.1所示；如果数据序列无法同时满足某特定函数，如图6.2所示，那么，只能要求所做逼近函数最优地靠近样点，即向量与的误差或距离最小。按与之间误差最小原则作为“最优”标准构造的逼近函数，称为拟合函数。 图6.1 含有“噪声”的数据 图6.2 一条直线公路与多个景点 　　插值和拟合是构造逼近函数的两种方法。插值的目标是要插值函数尽量靠近离散点；拟合的目标是要离散点尽量靠近拟合函数。 　　向量与之间的误差或距离有各种不同的定义方法。例如： 　　用各点误差绝对值的和表示： 　　 　　用各点误差按模的最大值表示： 　　 　　用各点误差的平方和表示： 　　　　　　或???? （6.1） 　　其中称为均方误差，由于计算均方误差的最小值的方法容易实现而被广泛采用。按均方误差达到极小构造拟合曲线的方法称为最小二乘法。本章主要讲述用最小二乘法构造拟合曲线的方法。 　　在运筹学、统计学、逼近论和控制论中，最小二乘法都是很重要的求解方法。例如，它是统计学中估计回归参数的最基本方法。 　　关于最小二乘法的发明权，在数学史的研究中尚