数值计算第章曲线拟合的最小二乘法.docVIP

第6章? 曲线拟合的?最小二乘法? 6.1? 拟合曲线 　　通过观察或?测量得到一?组离散数据?序列，当所得数据?比较准确时?，可构造插值?函数逼近客?观存在的函?数，构造的原则?是要求插值?函数通过这?些数据点，即。此时，序列与是相?等的。 　　如果数据序?列，含有不可避?免的误差（或称“噪音”），如图6.1所示；如果数据序?列无法同时?满足某特定?函数，如图6.2所示，那么，只能要求所?做逼近函数?最优地靠近?样点，即向量与的?误差或距离?最小。按与之间误?差最小原则?作为“最优”标准构造的?逼近函数，称为拟合函?数。 图6.1 含有“噪声”的数据 图6.2 一条直线公?路与多个景?点 　　插值和拟合?是构造逼近?函数的两种?方法。插值的目标?是要插值函?数尽量靠近?离散点；拟合的目标?是要离散点?尽量靠近拟?合函数。 　　向量与之间?的误差或距?离有各种不?同的定义方?法。例如： 　　用各点误差?绝对值的和?表示： 　　 　　用各点误差?按模的最大?值表示： 　　 　　用各点误差?的平方和表?示： 　　　　　　或???? （6.1） 　　其中称为均?方误差，由于计算均?方误差的最?小值的方法?容易实现而?被广泛采用?。按均方误差?达到极小构?造拟合曲线?的方法称为?最小二乘法?。本章主要讲?述用最小二?乘法构造拟?合曲线的方?法。 　　在运筹学、统计学、逼近论和控?制论中，最小二乘法?都是很重要?的求解方法?。例如，它是统计学?中估计回归?参数的最基?本方法。 　　关于最小二?乘法的发明?权，在数学史的?研究中尚未?定论。有材料表明?高斯和勒让?德分别独立?地提出这种?方法。勒让德是在?1805年?第一次公开?发表关于最?小二乘法的?论文，这时高斯指?出，他早在17?95年之前?就使用了这?种方法。但数学史研?究者只找到?了高斯约在?1803年?之前使用了?这种方法的?证据。 　　在实际问题?中，怎样由测量?的数据设计?和确定“最贴近”的拟合曲线?？关键在选择?适当的拟合?曲线类型，有时根据专?业知识和工?作经验即可?确定拟合曲?线类型；在对拟合曲?线一无所知?的情况下，不妨先绘制?数据的粗略?图形，或许从中观?测出拟合曲?线的类型；更一般地，对数据进行?多种曲线类?型的拟合，并计算均方?误差，用数学实验?的方法找出?在最小二乘?法意义下的?误差最小的?拟合函数。 　　例如，某风景区要?在已有的景?点之间修一?条规格较高?的主干路，景点与主干?路之间由各?具特色的支?路联接。设景点的坐?标为点列；设主干路为?一条直线，即拟合函数?是一条直线?。通过计算均?方误差最小?值而确定直?线方程（见图6.2）。 　　 6.2　线性拟合和?二次拟合函?数 　　线性拟合 　　给定一组数?据，做拟合直线?，均方误差为? 　　　　　　???? （6.2） 　　是二元函数?，的极小值要?满足 　　 　　 　　整理得到拟?合曲线满足?的方程： 　　　　　　　　????????? （6.3） 　　或??????????????????? 　　称式（6.3）为拟合曲线?的法方程。用消元法或?克莱姆法则?解出方程： a= = 　　例6.1 下表为P. Sale及?R. Dybda?ll在某处?作的鱼类抽?样调查，表中为鱼的?数量，为鱼的种类?。请用线性函?数拟合鱼的?数量和种类?的函数关系?。 13 15 16 21 22 23 25 29 30 31 36 11 10 11 12 12 13 13 12 14 16 17 40 42 55 60 62 64 70 72 100 130 　 13 14 22 14 21 21 24 17 23 34 　 　　解：设拟合直线?，并计算得下?表： 编号 x y xy x2 1 2 3 4 5 21 ∑ 13 15 16 21 22 130 956 11 10 11 12 12 34 344 143 150 176 252 264 4420 18913? 169 225 256 441 484 16900? 61640? 　　将数据代入?法方程组（6.3）中，得到： 　　 　　解方程得：= 8.2084，= 0.1795 　　拟合直线为?：= 8.2084 + 0.1795 　　二次拟合函?数 　　给定数据序?列，用二次多项?式函数拟合?这组数据。 　　设，作出拟合函?数与数据序?列的均方误?差： 　　???（6.4） 　　由多元函数?的极值原理?，的极小值满?足 　　整理得二次?多项式函数?拟合的法方?程： 　　　　　?????????（6.5） 　　解此方程得?到在均方误?差最小意义?下的拟合函?数。方程组（6.5）称为多项式?拟合的法方?程，法方程的系?数矩阵是对?称的。当拟保