[工程科技]8最小二乘法.ppt

误差理论与数据处理 第8章 最小二乘法 华中科技大学机械学院 2011 * 内容提要 8 最小二乘法 1 最小二乘法原理 2 最小二乘法的基本运算 3 最小二乘法处理的精度估计 * 最小二乘法发展历程 1750年：拉普拉斯、欧拉、辛普生在天文间接测量数据处理问题上提 出了许多方法，其中有最小二乘法 1805年：勒让德应用测量平方差方法确定了彗星的轨道和地球子午线， 并称为“最小二乘法”，但没有论证其最佳性等理论问题 1809年：高斯推证了误差的概率定律，完整的发展了最小二乘法 现代：矩阵理论和计算机技术进一步推动了最小二乘法的应用 * 8 最小二乘法 * 8 最小二乘法 * 8 最小二乘法 * 8 最小二乘法 * 设对L和t各测取n个值，当已知 时，即可计算出n 组相应的 值 ，于是可得条件方程组（或称测量方程组）如下： 式中， 为可测量和经简单计算即可知道的量； 为待求量。 进一步改写为一般形式： 我们在不同温度 条件下测出一系列L值，再据以求 与 值。为了醒目 起见，以 ， 来代表 ， 两个未知的待求量，于是有 例：米尺长度： 。这里， 为米尺在 时的精确长度； ， 为米尺的温度膨胀系数。 8 .1 最小二乘法原理 或 8.1 最小二乘法原理 * (3) 当nm，则任选其中m个方程式即可求出m 个未知量。若取值绝对精确 （不管测多少次，结果不变），则所求出得解也将是唯一的，即代入其余n-m 个方程式也能满足。但事实上因为不可避免地有测量误差存在，故将各测得 值及求得的解代入其余各式后，并不能满足 。不过在nm 情况的下，仍可找到一组最佳的或最恰当的解，将其代入各方程式后，虽不 能使 ，但却是与零相差很微小的 值（ 仍可称为残 差），从方程组整体上看，这一组解可以是误差最小的唯一解。 8 .1 最小二乘法原理 方程组中有 两个（一般为m个）未知量，从方程组可看出： (1) 当nm，方程有无穷多个解。 (2) 当n=m，方程只有唯一解。 * 如要得到如上所述的一组解，既从整体上看误差最小，其条件是式（8-2）中 各方程式的残差 的平方和为最小，即 式中， 为需要直接测量的值待求估计值， 为相应的有误差 的实际测得值。 也就是说，任取另一组解，其 都将大于 。这就是最小二乘法最基本的 概念，应用最小二乘法时，要注意误差数据必须是无偏的，即没有系统误差，相互 独立，且服从正态分布，这是用最小二乘法确定最佳估计值的前提条件。 8 .1 最小二乘法原理 当考虑了测量误差之后，将各测量值代入式（8-1），可写出如下误差方程组： * 设对某x值进行n次等精度测量，得一系列测得值 ，相应的残差 。 为 的算术平均值，标准差为 。误差落在 范围内的概率 为 因为误差相互独立，根据概率乘法定理，误差 同时出现的概率 应为 8 .1 最小二乘法原理 * 对于不等精度测量，可设 的标准差分别为 。代入上式得： 按概率论的最大或然原理，测量结果的最可信赖值，应该是出现的机会最多 的那个数值，也就是出现的概率 为最大时所求得的数值。可以这样来理 解，按随机误差特性，小误差出现的概率大于大误差出现的概率，因此，概 率越大的测量值，就越可信赖。要使P最大的条件，就是上式中负指数的分 子 为最小，即 为最大的条件为 8 .1 最小二乘法原理 这样就证明了最小二乘原理。 * 因相应的权比为 故有 按此条件求出来的最可信赖值,即为加权平均值。 8 .1 最小二乘法原理 * 式中， 为待求量值； 为直接测量的量值。它们相应的 估计值亦有下列函数关系： 8 .2 最小二乘法的基本运算 一 等精度测量线性函数的最小二乘法处理 线性函数的测量方程组（条件方程组）一般有如下形式： 8.2 最小二乘法的基本运算 * 式中， 为有误差的实测值。 估计值矩阵 实测值矩阵 残差矩阵 8 .2 最小二乘法的基本运算 相应的误差方程组为： 以上线性方程组（式8-5）可用矩阵表示： 式中：系数矩阵 * 从而得到m个新的方程式，叫作“正规方程组”或“法方程组”。解正