基础实验五数据拟合与曲线拟合.docVIP

基础实验五 数据拟合与曲线拟合 一、实验目的 对于某个变化过程中的相互依赖的变量，可建立适当的数学模型，用于分析、预报、决策或控制该过程。对于两个变量可通过用一个一元函数去模拟这两个变量的取值，但用不同的方法可得到不同的模拟函数。 使用最小二乘法来进行数据拟合，用基本函数曲线及其变化模拟给定的曲线，理解拟合方法。 二、实验材料 2.1 曲线拟合 （1）初等函数包括基本初等函数与它们经过加减乘除复合等运算后所得到的函数的图形及其变换。拟合函数为多项式情形理论上已经解决，称为拉格朗日插值多项式。 （2）光滑曲线的有关内容，包括分段函数的连续性、一阶可导性与高阶可导性。 （3）方程或方程组的求解，包括超越方程或方程组的近似解法，线性方程组的精确解。 2.2最小二乘法 给定平面上一组点(,)()作曲线拟合有多种方法，其中最小二乘法是常用的一种。最小二乘法的原理是：求,使达到最小。拟合时，选取一定的拟合函数形式，设拟合函数的基底函数为 拟合函数为 确定使方差达到极小，此时得到的即为所求。为使取到极值，将的表达式代入，对求的偏导数，令其等于零，得到方程组成的方程组，从中求解。当=1时，取拟合函数，此做法称为线性拟合，统计学上叫做线性回归。此时，临界方程组为 从中解出与，有，其中 ， , 。 Mathematica提供了最基本的数据拟合函数Fit，这个函数使用最小二乘法产生基函数的线性组合以构造出拟合函数。函数的参数表中包括三项：第一个参数是被拟合的数据；第二个参数是一个表，用于说明拟合用的基函数；第三个参数是拟合变量。 2.3 线性拟合 练习1 为研究某一化学反应过程中温度对产品得率(%)的影响,测得数据如下： 100 110 120 130 140 150 160 170 180 190 45 51 54 61 66 70 74 78 85 89 试求其线性拟合曲线。 Mathematica程序: b1={{100,45},{110,51},{120,54},{130,61},{140,66},{150,70},{160,74},{170,78}, {180,85},{190,89}} （将数据以表的形式输入） ft1=Fit[b1,{1,x},x] （用Fit拟合，这里是线性拟合） gp=Plot[ft1,{x,100,190},PlotStyle-{RGBColor[1,0,0]}] （作拟合曲线的图形） fp=ListPlot[b1,PlotStyle-{PointSize[0.05],RGBColor[0,0,1]}] （作散点图） Show[fp,gp] （显示点组与拟合曲线，作图。下面为计算残差的程序） a= ;b= ; （a，b的值由上面的结果确定） f[x_]=a*x+b; （拟合函数） darata=Sum[(b1[[i,2]]-f[b1[[i,1]]])^2,{i,1,10}](计算残差) 2.4 非线性拟合 练习2 在某一化学反应里，由实验得到生物的浓度与时间（分）的关系如下 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 4.0 6.4 8.0 8.4 9.28 9.5 9.7 9.9 10.0 10.2 10.32 10.42 10.5 10.55 10.58 10.6 求浓度与时间关系的拟合曲线。 提示：先用ListPlot语句描点，观察点的分布情况，以确定拟合函数。 (1)用多项式函数拟合的Mathematica程序: Clear[gp,fp]; b2={{1,4},{2,6.4},{3,8.0},{4,8.4},{5,9.28},{6,9.5},{7,9.7},{8,9.86},{9,10.0},{10,10.2}, {11,10.32},{12,10.42},{13,10.5},{14,10.55},{15,10.58},{16,10.6}} gp=ListPlot[b3,PlotStyle-{RGBColor[0,1,0],PointSize[0.04]}] ft2=Fit[b3,Table[x^i,{i,0,4}],x] （用四次曲线拟合） fp=Plot[ft2,{x,0,17},PlotStyle-{RGBColor