《数学建模》数据分析与拟合模型.pptVIP

10. y=a+b1f1(x)+b2 f2(x)+…+bn fn(x) 令 ui= fi(x), 则有 y=a+b1u1+…+bnun. 20. y=a ebx . 令 z=ln y, 则有 z = ln a + b x = a* + b x . 30. y = a xb . 令 z = ln y, u = ln x, 则有 z = ln y = lnａ＋b ln x = a*+ b u 40. y = 1/(a＋bx) 令 z = 1/y, 则有 z = 1/y = a + bx . 50. y = x/(b+ax) 令 z = 1/y, u=1/x, 则有 z = 1/y = a + b/x = a + b u 60. y = (1+ax)/(1+bx) ? 10. 经验模型的组建是通过对有关变量的观测数据的观察、分析和选择恰当的数学表达方式得到的。问题主要是探讨变量间的内在规律，允许出现一定的误差。 20. 经验模型组建的实质是数据拟合的精度和数学表达式简化程度间的一个折衷。折衷方案的选择将取决于实际问题的需要。 模型将侧重于选择规律的简单的数学表达。 在简单的数学表达式中选择拟合效果好的。 * 数据资料与拟合模型 2011年3月28日 内容： 1：数据资料建模 2：拟合模型原理 3：拟合模型实例 1：数据资料 数据资料 是在实际问题中收集到的观测数值。 是组建数学模型的重要依据, 是检验数学模型的重要标准。 数据误差 观测数据中一般都包含有误差。正确对待和处理这 些误差是数学建模中不可回避的问题。 系统误差：偏差，来自于系统，有规律，可避免。 随机误差：无偏，来自随机因素，无规律，不可免 数据获取 年鉴报表、学术刊物、网络资源、实验观测等等 忽略性误差、截断误差、舍入误差、测量误差等 数据资料建模 在科学研究中，人们经常遇到的有些问题具有以下特征： ● 能确定其中某些因素之间有因果关系，但不知道这种因果关系的解析表达。 ● 当需要对研究对象进行类别划分时，知道区分这些对象的类别归属的描述指标，但面对一个给定的对象，怎样确定它应该属于哪一类？其科学标准和方法是什么？ ● 哪些因素之间有因果关系，哪种因果关系是该问题中因果关系的更准确的表达？ ● 哪些指标能更有力地区分研究对象的类属？ 2：数据资料建模方法的适用范围 如果想确定具有因果关系的变量之间的确定因果关系，可通过先测量一组数据，再通过数学方法得到具体的函数表达式模型，利用该模型可进行解释所研究的问题，可进行预测。这个过程就称为拟合过程，得到的模型称为拟合模型。与拟合模型相关的是插值模型，在此就不介绍了。 拟合模型原理 对插值法感兴趣的 同学可以查阅相关书籍，例如由 李岳生编著上海科学技术出版社出版的《样条与插值》（1983年出版）等。 拟合模型假设所利用的数据是有误差的； 插值模型假设所利用的数据是很准确的。 拟 合 模 型 实 例 1 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求600C时的电阻R。 确定函数类型为 R=at+b a,b为待定系数，如何估计？ 拟 合 模 型 实 例 2 t (h) 0.25 0.5 1 1.5 2 3 4 6 8 c (?g/ml) 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01 已知一室模型快速静脉注射下的血药浓度数据(t=0注射300mg) 求血药浓度随时间的变化规律c(t). 半对数坐标系(semilogy)下的图形 拟合模型的提法（以曲线拟合为例） 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i =|yi－f(xi)|为点（xi,yi) 与曲线 y=f(x) 的距离 建立拟合模型需解决的问题 如何选定拟合的函数类型？例如用多项式型函数还是指数型函数去拟合？ 在一类函