数值分析mtlab版第三章.docVIP

下载本文档

3
0
约 6页
2016-12-16 发布于贵州
举报
版权申诉

数值分析mtlab版第三章.doc

1、本文档共6页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

实验报告三题目：曲线拟合的最小二乘法摘要：在实验中往往要从一组实验数据（xi,yi)(i=0,1,2,3，...，m）中寻找自变量x与因变量y之间的函数关系y=F（x）。由于观测数据往往不准确，因为要求y=F（x）经过所有点（xi，yi），而只要求在给定点xi上误差按某种标准最小。数学原理：所谓的曲线拟合的最小二乘法就是使拟合多项式在各节点处的偏差P(xi）-yi的平方和达到最小。习题22. function c =myployfit(x,y,m) n =length(x); b =zeros(1,m+1); f =zeros(n,m+1); for k=1:m+1 f(:,k)=x.^(k-1); end a=f*f; b=f*y; c=a\b; c=flipud(c); x=19:6:44; y=[19.0,32.3,49.0,73.3,97.8]; m=1; C=mypolyfit(x,y,m) C = 3.309999999999997 -48.329999999999913 plot(x,y,ok,LineWidth,2); grid on; title(最小二乘一次拟合效果图); x0=0:2:44; y0=C(1).*x0+C(2); hold on,plot(x0,y0,-r); x=19:6:44; y=[19.0,32.3,49.0,73.3,97.8]; m=2; C=mypolyfit(x,y,m) C = 0.059523809523808 -0.380476190476098 4.586666666665309 figure; plot(x,y,ok,LineWidth,2); grid on; title(最小二乘二次拟合效果图); x0=0:2:44; y0=C(1).*x0.^2+C(2).*x0+C(3); hold on ,plot(x0,y0,-r); 习题23 function c =myployfit(t,s,m) n =length(t); b =zeros(1,m+1); f =zeros(n,m+1); for k=1:m+1 f(:,k)=t.^(k-1); end a=f*f; b=f*s; c=a\b; c=flipud(c); t=[0,0.9,1.9,3.0,3.9,5.0]; s=[0,10,30,50,80,110]; m=1; C=mypolyfit(t,s,m) C = 22.253760999148451 -7.855047781247040 plot(t,s,ok,LineWidth,2); grid on; title(最小二乘一次拟合效果图); t0=0:5; s0=C(1).*t0+C(2); hold on ,plot(t0,s0,-r); m=2; C=mypolyfit(t,s,m) C = 2.248809691004400 11.081396145687567 -0.583364511695529 figure; plot(t,s,ok,LineWidth,2); grid on; title(最小二乘二次拟合效果图); t0=0:5; y0=C(1).*x0.^2+C(2).*x0+C(3); hold on ,plot(x0,y0,-r); function c =myployfit(t,y,m) n =length(t); b =zeros(1,m+1); f =zeros(n,m+1); for k=1:m+1 f(:,k)=t.^(k-1); end a=f*f; b=f*y; c=a\b; c=flipud(c); 习题24： t=0:5:55; y=[0,1.27,2.16,2.86,3.44,3.87,4.15,4.37,4.51,4.58,4.62,4.64]; m=2; C=mypolyfit(t,y,m) C = -0.002230669330669 0.199225274725274 0.245302197802203 plot(t,y,ok,LineWidth,2); plot(t,y,ok,LineWidth,2); grid on; title(最小二乘一次拟合效果图); t0=0:5:55; y0=C(1).*t0.^2+C(2).*t0+C(3); hold on ,