数据拟合简介.pptVIP

数据拟合简介 赛 跑 的 成 绩 （数据文件：saipaocj.mat，程序文件：spcj_linear.m，spcj_power.m） * * 武娇:Made By WuJiao 一、数据资料的收集和分析 数据资料 指人们从实际问题中所收集到的实际观察值和测量值。 分析数据资料时，可能需要解决三个任务： 按照一个或一些选出的模型类型对数据进行拟合； 从一些已经拟合的模型中选取最合适的模型； 根据收集的数据资料做出预测。 数 据 拟 合 公式化误差 二、建模过程中的误差来源 产生源于：一些变量可忽略的假设条件，或在构建模型中描述变量间关系过分简化。 截断误差 可归因于解一个数学问题所用的数值方法。 数 据 拟 合 舍入误差 二、建模过程中的误差来源 由计算时使用有限小数位的机器引起的。因为有限位不能精确地表示全部的数，总是有舍入误差。 随机误差 由一系列随机因素引起的一类不易控制的误差。 数 据 拟 合 测量误差 二、建模过程中的误差来源 指在观测过程中，观测仪器校订不准所引起的偏差、固定的观测人员习惯所引起的偏差等等，这一类误差不可能通过多次观测的平均来消除，但是一般它可以用一定的方法来识别和避免，收集数据时必须要注意如何避免或消除系统误差以及降低随机误差。 数 据 拟 合 三、数据拟合方法 数据拟合的三种方法 切比雪夫近似准则 最小一乘法 最小二乘法 数据(xi , yi)(i=1,2,…,n) 拟合 y=ax+b 拟合直线函数值与测量值的误差 xi 刻画拟合准确度应是n个误差的全体，即总误差 数 据 拟 合 三、数据拟合方法 总误差的三种刻划方法 最大的绝对偏差 绝对偏差的和 偏差的平方和 数 据 拟 合 切比雪夫近似准则 数 据 拟 合 最 小 一 乘 法 数 据 拟 合 最 小 二 乘 法 数 据 拟 合 最 小 二 乘 法 数 据 拟 合 线性拟合 设拟合函数为线性函数y=ax+b，a、b待定，已有n个数据点(xi，yi)，应用最小二乘法，就是要使 达到最小值. 最 小 二 乘 法 数 据 拟 合 线性拟合 将Q看成待定参数a、b的连续函数，令Q对a、b的偏导数为零，得到关于a、b方程组 求解，得 最 小 二 乘 法 数 据 拟 合 线性拟合 其中a是拟合直线的斜率，b是截距。 利用最小二乘法进行线性拟合在统计学上又称为线性回归。 最 小 二 乘 法 数 据 拟 合 非线性拟合 设待定拟合的函数为 求最小值 非线性方程组，过于复杂，难于求解。 最 小 二 乘 法 数 据 拟 合 非线性拟合 数据转换的方法 非线性——线性的转换 x y y x 变换后的函数形式 变换方法 函数形式 四、数据拟合曲线的选择 数据(xi , yi)(i=1,2,…,n) 散点图 直观判断 确定拟合曲线 数 据 拟 合 直线 多项式 双曲线 指数曲线 常用的拟合曲线 + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + f=a1+a2x f=a1+a2x+a3x2 f=a1+a2x+a3x2 f=a1+a2/x f=aebx f=ae-bx 数 据 拟 合 数据拟合—方法应用 问 题 下表给出了某小型田径运动会在六个不同的距离上短跑成绩的最佳纪录。根据记录数据，分析运动员的赛跑成绩跟所跑距离的关系。 距离(米) 100m 200m 400m 800m 1000m 1500m 时间(秒) 9.95s 19.72s 43.86s 102.4s 133.9s 212.1s 散点图 赛跑成绩 线性拟合 赛跑成绩 赛跑距离— x 参数估计值 a=0.1455，b=-9.9883 完成时间— y 拟合线性函数 y=ax+b 最小二乘法 线性拟合函数：y=0.1455x－9.9883 线性拟合直线 赛跑成绩 以下是使用拟合函数y=0.1455x－9.9883对原数据拟合的结果 线性拟合值 赛跑成绩 距离（米） 50m 100m 200m 400m 800m 1000m 1500m 时间（秒） ? 9.95s 19.72s 43.86s 102.4s 133.9s 212.1s 时间拟合值 -2.7150 4.5582 19.1047 48.1977 106.384 135.477 208.209 负值 与实际不符 线性拟合直线 赛跑成绩 实际值更像在一条幂函数曲线上 拟合幂函数 赛跑成绩 线性变换 拟合幂函数 参数估计值 a = 1.1453 lnb