数值计算方法课件CH3插值法与最小二乘法—37数据拟合的最小二乘法.pptVIP

华长生制作 * 第三章 插值法与 最小二乘法 苏 丽 自动化学院 3.7 数据拟合的最小二乘法 在科学实验中，往往要从一组实验数据 中，寻找自变量x与因变量y之间的函数关系y=f(x),但给出的观测数据本身不一定完全可靠，个别数据的误差甚至可能很大，如果用插值法求函数关系近似表达式，曲线通过所有节点会使曲线保留所有测量误差的影响，这是我们不希望的. 实例：考察某种纤维的强度与其拉伸倍数的关系,下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录: §3.7 数据拟合的最小二乘法 可见:纤维强度随拉伸倍数增加而增加,并且24个点大致分布在一条直线附近. 因此可以认为强度S 与拉伸倍数t 的关系近似满足线性关系 数据拟合法是函数逼近的另一种方法.它与插值法不同，它不要求曲线完全通过所有已知的节点，而是从给出的一大堆数据中找出规律，即设法构造一条曲线反映数据点的总的趋势，以消除其局部波动。这在一定条件下比插值法更能反映客观实际.数据有误差往往是难免的，数据拟合法是从总偏差最小的角度来取近似曲线. 根据上述实例图中测试点的分布情况,可以画出很多条靠近这些点的直线,其方程都可表示为： 一、最小二乘法的基本概念 (1) (2) 其中: a, b 待定.要从形如(1)式的所有直线中,找出一条用某种度量标准来衡量最靠近所有数据点