一元数据处理方法 多元数据处理方法 如何写好建模竞赛论文 数据处理专题.pptx

一. 一元数据处理方法;数据处理是指用简明而严格的方法把获得的实验数据所代表的事物内在的规律提炼出来，得出结果的加工过程，包括数据记录、描绘曲线，从带有误差的数据中提取参数，验证和寻找经验规律，外推实验数据等等。本章介绍一些最基本的数据处理方法。;1.插值 2.拟合及线性回归; 例如在工程实践和科学实验中，常常需要从一组试验观测数据(xi ,yi ) ，i = 0,1,....,n之中找到自变量x与因变量y 之间的函数关系，一般可用一个近似函数y = f (x)来表示。函数 y = f (x)的产生办法因观测数据和要求不同而异，通常可采用数据拟合与函数插值两种办法来实现。 数据拟合主要是考虑到观测数据受随机观测误差的影响，进而寻求整体误差最小、能较好反映观测数据的近似函数y = f (x)，此时并不要求所得到的近似函数y = f (x)满足 yi= f (xi) ， i = 0,1,…,n。 函数插值则要求近似函数y = f (x)在每一个观测点 xi 处一定要满足y i= f (xi) ， i = 0,1,…,n ，在这种情况下，通常要求观测数据相对比较准确，即不考虑观测误差的影响。 ;在实际问题中，通过观测数据能否正确揭示某些变量之间的关系，进而正确认识事物的内在规律与本质属性，往往取决于两方面因素。其一是观测数据的准确性或准确程度，这是因为在获取观测数据的过程中一般存在随机测量误差，导致所讨论的变量成为随机变量。其二是对观测数据处理方法的选择，即到底是采用插值方法还是用拟合方法，插值方法之中、拟合方法之中又选用哪一种插值或拟合技巧来处理观测数据。插值问题忽略了观测误差的影响，而拟合问题则考虑了观测误差的影响。但由于观测数据客观上总是存在观测误差，而拟合函数大多数情况下是通过经验公式获得的，因此要正确揭示事物的内在规律，往往需要对大量的观测数据进行分析，尤为重要的是进行统计分析。统计分析的方法有许多，如方差分析、回归分析等。; 数据拟合虽然较有效地克服了随机观测误差的影响，但从数理统计的角度看，根据一个样本计算出来的拟合函数（系数），只是拟合问题的一个点估计，还不能完全说明其整体性质。因此，还应该对拟合函数作??间估计或假设检验，如果置信区间太大或包含零点，则由计算得到的拟合函数系数的估计值就毫无意义。这里所采用的统计分析方法就是所谓的回归分析。另外还可用方差分析的方法对模型的误差作定量分析。 对于插值方法，本文简单介绍最常用的插值法的基本结论及其Matlab实现问题。由于数据拟合问题必须作区间估计或假设检验，所以除了介绍最基本的数据拟合方法——最小二乘法的基本结论及其Matlab实现问题外，我们专门介绍了对数值拟合问题进行区间估计或假设检验的统计方法。;即介绍回归分析方法及其Matlab实现。 数据处理问题通常情况下只是某个复杂实际问题的一个方面或部分内容，因而这里所介绍的数据处理方法——函数插值和数据拟合的方法（包括回归分析）通常只能解决实际问题中的部分问题——计算问题。一般来说，对实际问题进行数学建模需要用到多方面知识，只有很少的情况下可以单独使用本章所介绍的内容，故我们最后以修改后的美国91年数学建模A题为例说明如何使用数值计算知识建立数学模型，从而解决实际问题的方法。; 1、插 值 法;1.1 插值概念与基础理论; 这类问题称为插值问题。 [a,b]称为插值区间， x0 , x1, ... , xn 称为插值节点，（2）称为插值条件，插值条件是选择近似函数的标准，满足此条件的近似函数 ?(x) 称为插值函数， f(x) 称为被插值函数。 ;;§1.2 插值多项式的求法;的一组n次多项式; 显然，求拉格朗日多项式的关键是求n次插值基函数。;两种特殊的Lagrange插值多项式;2.抛物插值;; 1901年龙格(Runge) 给出一个例子: 定义在区间[-1，1]上，这是一个光滑函数，它的任意阶导数都存在，对它在[-1，1]上作等距节点插值时，插值多项式情况，见图:; 从图中，还可发现，在0附近插值效果是好的，即余项较小，另一种现象是插值多项式随节点增多而振动更多。 这种插值多项式当节点增加时反而不能更好地接近被插之数的现象，称为龙格现象。;分段线性插值的构造：;分段线性插值曲线图：;;分段二次插值即：选取跟节点x最近的三个节点xi-1,xi, xi+1进行二次插值，即在区间[xi-1, xi+1]，取： 这种分段的低次插值叫分段二次插值，在几何上就是用分段抛物线代替y=f(x)，故分段二次插值又和分段