最小二乘法的应用研究11.docVIP

本科生毕业论文（设计） 系（院） 数学与信息科学学院 专 业 数学与应用数学 论文题目 最小二乘法的应用研究 学生姓名 曹人月 指导教师 冯新磊（副教授） （姓名及职称） 班 级 2011级（本）3级 学 号 完成日期：二0一五 年 四 月 最小二乘法的应用研究 曹人月 数学与信息科学学院 数学与应用数学【摘要】文中简单阐述了最小二乘法的原理，对利用最小二乘原理的几种简单拟合曲线进行了讨论，包括：一元线性拟合、多元线性拟合、多项式拟合、指数函数拟合等，并利用程序对线性最小二乘拟合进行了实现. 【关键词】最小二乘法 拟合 应用 1 引言 最小二乘法最早出现在1805年，由天文学家勒让德发表在论著《计算彗星轨道的新方法》附录中，但作为一种计算方法，其在应用数学领域还属于萌芽阶段.直至1809年，数学家高斯从纯代数的角度进行研究，才形成了经典最小二乘法理论.随着社会的不断发展与进步，数学与计算机技术的有效结合，使得最小二乘法在各个领域得到了飞速的发展.如今，最小二乘法的理论研究已经比较成熟，逐渐分化成各种较为专业的方向.现有最小二乘理论都是基于经典最小二乘理论而形成，其普遍存在实际计算操作较为复杂的弊端，为此文中将其与现代数学软件结合，使其更加适用于实际生活. 2 最小二乘法的原理 在实验中，每当我们研究一组变量时，通常会得到一系列的测量点.为了研究它们的变化趋势，将所有测量点画在坐标系中，找出相应的拟合函数，使得所有测量点距离曲线最近. 为了便于研究，我们选择对直线拟合（其中，为待估参数）这种简单情况进行讨论.若，为变量的测量值，，表示测量值的“真实值”（即最佳估计值），表示相应的误差. 现用测量值，来估计参数，从而实现直线拟合. 要使所有测量点距离最近，则实际点到测量点的距离最小.故拟合准则为 . 由微分学求极值的原理可知：要使达到最小值，只须，.由此，可求得参数，. 推导一 假设，即测量值的横坐标没有误差. 此时拟合准则为 . 即测量点与对应点纵坐标差的平方和取得最小值. 推导二 假设，即测量值的纵坐标没有误差. 此时拟合准则为 . 即测量点与对应点横坐标差的平方和取得最小值. 推导三 假设，，即测量值的横、纵坐标都有误差. 此时拟合条件为 . 其中，为测量值在轴和轴上的误差，即此时的几何意义为测量点到拟合曲线最短距离. 这三种推导都是现有的最小二乘理论，其中最常用的是第一种.通过推导，我们可以看到无论哪种理论在估计精度上都不可能达到百分之百，并且随着拟合情况的复杂化，在曲线拟合化为直线拟合的过程中又会进一步产生误差.因此，从结果准确度考虑，我们在使用最小二乘法时应尽可能地避免计算误差. 3 拟合函数的确定 在了解最小二乘法的原理后，我们可以知道在现实生活中，只要任意的给定两个变量，的一组测量数据，都可以通过最小二乘法进行强行拟合，从而将毫无关系的数据变为线性关系.但这条直线，并不一定有效地反映测量数据之间的关系以及未来的发展趋势. 为此，我们一方面可以建立在已有经验的基础上选择有意义的方程，另一方面我们应该对拟合效果和实际情况进行比对，从而确定最佳的拟合方式，真实有效地反映测量数据间的实际关系.因此，我们可以采用相关系数法对变量，的线性相关程度进行检验.公式如下 （即为和的相关系数）， ， ， ， ，. 结合相关系数公式，我们可以得残差平方和. 由于我们可知，即.因此，越接近，的值就越接近，和的线性关系就越好. 例1 人口增长问题日益突出，有关部门做出了世界人口统计. 表1 世界人口数表 年 1960 1961 1962 1963 1964 1965 1966 1967 1968 人口 29.72 30.61 31.51 32.13 34.34 32.85 33.56 34.20 34.83 解 对表中数据直接用线性关系强行拟合，根据最小二乘原理，即有残差平方和 . 令得 即， 所以生产量与年份关系满足线性关系. 从表中我们可以明显的看出人口与年份呈现递增关系，而直接采用线性拟合得出的却是递减关系，这明显是不符合实际情况的.出现这种反差的原因就在于没有考虑散点图的发展趋势，随意选取拟合曲线进行强行拟合.因此，我们在对实验数据进行拟合的时候，必须依据散点图的发展趋势来选择正确的拟合曲线，并对拟合函数进行相关性检验.在后面第九部分中，对该例题中拟合曲线的选取进行了详细的演示. 4 一元线性拟合 例2 测得某电阻线在温度时的电阻如表2所示. 表2 电阻随温度变化表 i 1 2 3 4 5 6 7 19.1