24 经验模型.ppt

最小二乘法 插值方法 * * 最小二乘法 插值方法 当问题的机理非常不清楚难以直接利用其他知识来建模时，一个较为自然的方法是利用数据进行曲线拟合，找出变量之间的近似依赖关系即函数关系。 §2.4 经验模型 设经实际测量已得 到n组数据（xi , yi），i=1,…, n。将数据画在平面直角坐标系中，见 图。如果建模者判断 这n个点很象是分布在某条直线附近，令 该直线方程 为y=ax+b，进而利用数据来求参 数a和b。由于该直线只是数据近似满足的关系式，故 yi-(axi+b)=0一般不成立，但我们希望 最小 此式对a和b的偏导数均 为0，解相应方程组，求得： y=ax+b y O (xi ,yi) x 其中 和 分别为xi和yi的平均值 如果建模者判断变量间的关系并非线性关系而是其他类型的函数，则可作 变量替换使之转化为线性关系或用类似方 法拟合。 显然，运动员体重越大，他能举起的重量也越大，但举重成绩和运动员体重到底是怎样关系的，不同量级运动员的成绩又如何比较优劣呢？运动成绩是包括生理条件、心理因素等等众多相关因素共同作用的结果，要建立精确的模型至少现在还无法办到。但我们拥有大量的比赛成绩纪录，根据这些数据不妨可以建立一些经验模型。为简单起见，我们不妨取表中的数据为例。 例1（举重成绩的比较） 举重是一种一般人都能看懂的运动，它共分九个重