第三讲 插值与拟合.ppt

第三讲 插值与拟合 插值与拟合 在工程实践和科学实验中，常常需要从一组实验观测数据 i=0,1,2,…,n,揭示自变量x与因变量y之间的关系，一般可用一个近似的函数关系式y=f(x)来表示，函数f(x)产生的办法通常有两种方法：曲线拟合和插值，拟合主要是考虑到观测数据受随机误差的影响，寻求整体误差最小，较好反映观测数据的近似函数，并不保证所得到的函数一定满足 插值则要求函数在每个观测点处一定要满足 一、插值 1、引例 上大二的小华正在做概率作业，要计算标准正态分布函数在0.514处的数值，他拿出一本概率论的教材，找到了这样的标准正态分布函数 的表格： 小华从表上查到 怎样从这些结果计算 呢？小华认为在0.51到0.52这样小的区间内，可将函数近似看作线性的，得到 小华用的就是一种插值方法——分段线性插值，插值可简单地理解为：要根据一个用表格表示的函数，计算表中没有的函数值。表中有的点称为节点，要计算的点称为插值点。 2、一维插值 调用格式：y=interp1(x0,y0,x,’method’) 其中向量x0，y0为插值点，y为在被插值点x处的插值结果；‘method’表示插值的方法。 MATLAB的插值方法： ‘nearest’ 最邻近插值； ‘linear’ 线性插值； ‘spline’ 三次样条插值； ‘cubic’ 立方插值； 缺省时表示线性插值。 注：所有的插值方法都要求x是单调的，并且xi不能超过x的范围。 例1：对 用g(x)产生11个节点作四种插值计算，并作图。 例2：在一天24小时内，从零点开始每间隔2小时测得环境温度数据分别为( ) 12,9,9,10,18,24,28,27,25,20,18,15,13. 推测中午13点的温度，并作出一天的温度曲线。 二、拟合 1、引例：几天后，小华在物理实验中又碰到一个看起来非常类似的问题：有一只对温度敏感的电阻，已经测得一组温度t和电阻R数据： 根据一组（二维）数据，即平面上的若干点，确定一个一元函数，即曲线，使这些点与曲线总体来说尽量接近，这就是曲线拟合。 2、多项式函数拟合: p=polyfit(x,y,m) 其中x，y为要拟合的数据，是长度自定义的数组，m为拟合多项式的次数。输出参数p为拟合多项式的系数。 3、对超定方程组 用 可得最小二乘意义下的解。 4、多项式在x处的值y可用下面程序计算： y=polyval(p,x)。 注：也可使用MATLAB曲线拟合工具箱。 Start-Toolboxes-Curve Fitting 例2：x为0到1之间的数，间隔0.1，y为-0.447，1.978，3.28，6.16，7.08，7.34，7.66，9.56，9.48，9.30，11.2，分别用二次、五次和十次拟合曲线来拟合这组数据，并进行比较。 例3 已知在某实验中测的某质点的位移和速度随时间的变化如下，求质点的速度与位移随时间的变化曲线以及位移随速度的变化曲线。 练习：旧车价格预测 某年美国旧车价格的调查资料如下表，其中xi表示轿车的使用年数，yi表示相应的平均价格。试分析用什么形式的曲线来拟合上述数据，并预测使用4.5年后轿车的平均价格大致为多少？ * * … … 0.7357 0.7324 0.7291 0.7257 0.6 … 0.7019 0.6985 0.6950 0.6915 0.5 … … 3 2 1 0 x 1032 942 873 826 765 95.7 73.0 51.0 32.7 20.5 现在想知道 时的电阻多大。 老师给他两点提示：1、在直角坐标系中把5个点画一下，看看电阻R和温度t之间的关系；2、测量数据总有误差，这与用函数表作插值计算有不同之处。 R与t大致呈直线关系，即 例1：拟合引例中电阻R与温度t之间的关系R=at+b。 从图形上看，次数越高拟合程度越好。 4 3.5 3 2.5 2 1.5 1 s 0.1411 0.5985 0.9093 0.9