数值分析曲线拟合的最小二乘法实验报告.docxVIP

数值分析曲线拟合的最小二乘法实验报告 曲线拟合的最小二乘法 一、目的和意义 在科学实验的统计方法研究中，往往要从一组实验数 据?xi,yi??i?O, 1,2, ?, m?中，寻找自变量x与因变量y之 间的函数关系y?F?x?。由于观测数据往往不准确，因此不 要求y?F?x?经过所有点?xi,yi?,而只要求在给定点xi上 误差而只要求所在所有给定点xi上的误 差?i?F(xi)?yi?i?O, 1,2, ?, m?按某种标准最小。若 记????0,?l,?2,?,?m?,就是要求向量？的范数 如果用最大范数，计算上困难较大，通常采用欧式范 数?最小。 2T 作为误差度量的标准。F?x?的函数类型往往与实验的 物理背景以及数据的实际分布有关，它一般含有某些待定 参数。如果F?x?是所有待定参数的线性函数，那么相应的 问题称为线性最小二乘问题，否则称为非线性最小二乘问 题。最小二乘法还是实验数据参数估计的重要工具。这是 因为这种方法比其他方法更容易理解，即使在其他方法失 效的情况下，用最小二乘法还能提供解答，而且从统计学 的观点分析，用该方法求得各项估计具有最优统计特征， 因此这一方法也是系统识别的重要基础。线性最小二乘问 题可以借助多元微分学知识通过求解法方程组得到解答。 用最小二乘法求拟合曲线时，首先要确定S?x ?的形式。 这不单纯是数学问题，还与所研究问题的运动规律以及所