Mathematics中数据处理插值拟合和编程基础.pptVIP

数值计算与程序设计基础 数据处理与程序设计 主要内容： 第6章 数据的数值处理 插值、拟合 第7章 Mathematica的编程基础 问题的引入 引例1:在一天24小时内,从零点开始每间隔2小时测得的环境温度数据分别为(度) 12,9,9,10,18,24,28,27,25,20,18,15,13.请推测中午1点（即13点）时的温度。 利用已给出的值,计算相关的值 引例2:对某一地区或国家,如何根据测绘部门测量的数据绘制一张该地区的地图? 根据一系列的点,绘制一条封闭的曲线 例3:在化学反应中,为研究某化合物的浓度随时间的变化规律,测得一组数据如下,请给出变化规律,以此推测20,40分钟时的值. 设有一组实验观测数据(xi,yi),i=0,1,…n, 如何揭示自变量x与因变量y之间的关系？ 寻找近似的函数关系表达式y=f(x) 常用的方法:插值与拟合 一、插值 给定n+1个插值点(xi,yi), i=0,1,2,…,n, 构造次数不超过n的多项式p(x), 使p(xi)=yi, 则称p(x)为插值多项式。 构造插值对象的函数： Interpolation[data,InterpolationOrder—n] 功能： 对数据data进行插值运算，并可设置插值多项式的次数n, 默认值为3。 注: 生成一个InterpolatingFunction[插值范围，]目标，不显示所构造的函数。 所得目标为近似函数 数据data的表示形式 {{x0,f0},{x1,f1},…,{xn,fn}} (平面点的坐标) {f1,…,fn} (点的纵坐标，第i个点的横坐标为i) {{x0,{f0,df0}},{x1,{f1,df1}},…,{xn,{fn,dfn}}} (点的函数值及一阶导数值) {{x0,y0,z0},{x1,y1,z1},…,{xn,yn,zn}} (三维空间点列) 引例1:在一天24小时内,从零点开始每间隔2小时测得的环境温度数据分别为(度) 12,9,9,10,18,24,28,27,25,20,18,15,13. 推测中午1点(即13点)时的温度。 解： data={{0,12},{2,9},{4,9},{6,10},{8,18},{10,24},{12,28},{14,27},{16,25},{18,20},{20,18},{22,15},{24,13}} ListPlot[data] 选取不同的阶数n,构造插值多项式 Interpolation[data,InterpolationOrder—n] 绘出一天24小时的温度曲线 注： 依据散点图，推测插值多项式的阶数 分段插值 三次插值多项式较为通用 二、拟合 根据一组二维数据，要求确定一个一元函数y=f(x)，使这些点与曲线y=f(x)总体来说尽量接近，这就是数据拟合成曲线的思想，简称为曲线拟合。 曲线拟合的目的是根据实验获得的数据去建立因变量与自变量之间有效的经验函数关系，为进一步的深入研究提供线索。 拟合的原理：最小二乘法 格式：Fit[数据，拟合函数的基，变量] 功能：用数据data，按给定的变量和拟合函数的基构造拟合函数。 常用的几种格式： Fit[data,{1,x},x] 用数据data作线性拟合函数a+bx Fit[data,Table[x^i,{i,0,n}],x] 做n次多项式拟合 Exp[Fit[Log[data],{1,x},x]] 拟合曲线为ea+bx 例3:在化学反应中,为研究某化合物的浓度随时间的变化规律,测得一组数据如下,请给出变化规律,以此推测20,40分钟时的值. 解：构造数据表： data={{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},{10,10.2},{11,10.32},{12,10.42},{13,10.5},{14,10.55},{15,10.58},{16,10.6}} 画出散点图，并分别作3次、4次、5次、6次多项式拟合，求出其误差，比较、判断几次拟合较为合适。 选取其它基： 作拟合，并作比较。 数据拟合的一般过程： 首先考察数据来源,确定有无经验公式,有则可直接根据经验公式进行拟合; 若无经验公式,观察其散点图,分析与其形状大致相似的函数图形(必要时可将函数分段).选择拟合函数的类型,特别是确定逼近基函数; 确定拟合函数,画出拟合函数的图形; 将拟合函数的图形与数据点的图形比较,调整拟合函数. 插值与拟合 插值要求函数在每一个观测点处一定要满足yi=f(xi). 拟合主要考虑到观测数据受随机误差的