[数学]7讲：最小二乘法.ppt

例: 确定b,c，使 是以0，1，2为节点的三次样条插值函数。 解：要使S(x)为3次样条插值函数，S(x)须满足下列条件： 即 由上述三式中的任意两式可得： ， 。 多项式拟合对应的法方程为 内容小结 那么数据点(xi, lnyi)的分布近似于直线。就可以先求出数据点(xi, lnyi)的最小二乘拟合直线 两边取指数就得到原数据点的最小二乘拟合指数函数 指数拟合 拟合问题例5 试对数据做出形如 的拟合函数。 46.22 39.6726 28.667 24.4819 20.8666 1.77 1.69 1.45 1.37 1.25 解 对函数 两边取自然对数： 得到数据表： 3.83341 3.68.66 3.35575 3.19793 3.03815 1.77 1.69 1.45 1.37 1.25 得矛盾方程组： 法方程组为： 指数拟合 解方程组可得： 所以有 指数拟合 线性最小二乘法的一般形式 拟合模型必须能反映离散点分布基本特征。 通常选取?是线性拟合模型，即?所属函数类为 M =Span{? 0，?1，… ?n}， 其中 ? 0，?1，… ?n 是线性无关的基函数 于是 若选取每个?j是次数?j的简单多项式，则M 是次 数 ? n 的n次多项式空间。 取 ?j（x）=x j ， j=0，1，…，n M =Span{1 ,x , x2，…，x n}， 从而?（x）= C0 +C1 x1 + …+ C n x n =Pn(x) 线性最小二乘法的一般形式 实际问题中，由于各点的测试数据的影响不相等，常引入加权方差，即确定参数的准则为 使得 最小。 n 设经验公式为 ?（x）= ?a j ?j（x） j=0 则求解归结为 n+1元函数S的 极值问题: m n S（a0，a1，…，an）= ? ?i [ y i ˉ? a j ?j（xi）] 2 i=0 j=0 显然S达最小值必要条件是 线性最小二乘法的一般形式 这是关于 a0，a1，…，an 的方程组， 改写成 称为正规方程组. 线性最小二乘法的一般形式 方程组的矩阵形式为： 一般n m，函数 ? 0，?1，…，?n，线性无关能保证正规方程组的系数矩阵 线性最小二乘法的一般形式 的行列式不为零。因此正规方程组有唯一解。设其解为 a j =a j *，j=0，1，…，n 则所要求的离散点的拟合函数(最佳平方逼近)为 定理6.1设 为方程组（**）的解， 则函数 是数据组 线性最小二乘法的一般形式 的最小二乘函数。 最小二乘法曲线拟合是实验数据处理的常用方法。最佳平方逼近可以在一个区间上比较均匀的逼近函数且具有方法简单易行，实效性大，应用广泛等特点。但当正规方程阶数较高时，往往出现病态。因此必须谨慎对待和加以巧妙处理。有效方法之一是引入正交多项式以改善其病态性质。。 最小二乘法方法评注 线性最小二乘法的一般形式 1.数据拟合的最小二乘法； 内 容 小 结 2.曲线拟合的常用解法； 3.指数拟合; 4.最小二乘法方法评注； 七、用分段函数拟合所给曲线 现有一条曲线形状如下：试给出函数的表达式， 使其图形形状与下图形状大致相似（形状模拟） （不要求数值模拟） 观察曲线形状大致确定曲线分为三段： 根据曲线连续性可得： 根据曲线光滑性（1阶导函数连续）可得： 解方程组可得： 由此确定曲线的模拟函数为： Clear[A,a,c,x0