2-8数据拟合与最小二乘法.pptVIP

过程检测技术及仪表

第二章

测量误差与数据处理2.8数据拟合与最小二乘法索引一、数据拟合二、最小二乘法三、回归分析四、一元线性回归五、一元非线性回归一、数据拟合在测量的数据处理中，通常需要根据实际测量所得的数据中，求得反映各变量之间的最佳函数关系的表达式。例如，通过测量得到变量y与自变量x1，x2，…，xn的m组测量数据通常需要根据实测得到的这m组数据求出这变量之间所满足的函数关系式一、数据拟合如果变量间的函数形式根据理论分析或以往的经验已经确定了，而其中有一些参数是未知的，则需要通过测量数据来确定这些参数；如果变量间的具体函数形式还没有确定，则需要通过测量数据来确定函数形式和其中的参数。根据实际测量所得的数据，求得反映各变量之间的最佳函数关系的表达式，这一过程称之为数据拟合。所求得的函数关系式为拟合方程式。一、数据拟合若所求得的函数关系式为线性方程式，则称之为直线拟合，根据求得的函数关系式所作出的直线称为拟合直线。若所求得的函数关系式为非线性方程式，则称之为曲线拟合，根据求得的函数关系式所作出的曲线称为拟合曲线。二、最小二乘法在数据拟合中，要求确定某些未知量，使得所确定的未知量能够最好地适应所测得的一组测量值。解决这些问题最常用的方法就是最小二乘法。最小二乘法的理论基础是最小二乘原理。所谓最小二乘原理就是：真值的最佳估计值应在残余误差的平方和为最小的条件下求出。最小二乘条件可表示为二、最小二乘法通过测量得到两个变量X与Y的一系列测量数据根据实测得到的这n组数据求出这两个变量之间所满足的函数关系式Y＝f（X）。假定这个函数关系式的形式已知，需要确定的是函数关系式中的参数a1，a2，…，an。为此，可将函数关系式写成二、最小二乘法根据最小二乘原理，为获得参数a1，a2，…，an的最佳估计值，应该使各个测量值yi的残差vi的平方和为最小，即所获得的参数估计值，应该使变量Y的测量值yi与其真值的估计值之差的平方和为最小。二、最小二乘法各个测量值yi的残差vi可以表示为：根据最小二乘条件，为最佳估计值，应满足二、最小二乘法根据高等数学中求函数极值的条件，取Q分别关于a1，a2，…，an的偏导数，并令它们等于零，可得到：上式称为正规方程组。二、最小二乘法求解正规方程组即可得参数a1，a2，…，an的最佳估计值。三、回归分析应用最小二乘法进行数据拟合的方法称为回归分析。所求得的函数关系式称为回归方程。若所求得的回归方程是线性方程，则所进行的回归分析称为线性回归。若所求得的回归方程是一元一次线性方程，则所进行的回归分析称为一元线性回归。三、回归分析回归分析实质上就是应用数理统计的方法，对测量数据进行分析和处理，从而求出反映变量间相互关系的经验公式，即回归方程。三、回归分析通常回归分析包括以下三个方面的内容：确定回归方程的形式，即经验公式的类型；求回归方程中的未定系数．即回归参数；研究回归方程的可信赖程度。四、一元线性回归l．一元线性回归方程2．正则方程组3．正则方程组的求解步骤4．回归方程的方差分析5．回归方程的显著性检验6．一元线性回归实例l．一元线性回归方程一元线性回归方程的形式为一元线性回归的目的就是求出回归方程的回归系数和。2．正则方程组求出回归系数和的主要方法基于最小二乘原理。设经过n次测量得到变量x、y的n对测量数据2．正则方程组将这n对测量数据代入回归方程，得方程组这个方程组有两个未知数、，而有n个方程（n＞2），因此有无穷多组解，是不定解方程。2．正则方程组为求得一组最佳的解，应用最小二乘原理。令残余误差，则有方程组这个方程组称为误差方程组。2．正则方程组令由最小二乘原理有：满足Q＝min的一组解为最佳的解。为求得最佳的解，可令2．正则方程组由此得方程组这个方程组称为正则方程组。正则方程组有唯一的一组解。通过求解正则方程组，即可求得回归系数、。3．正则方程组的求解步骤求n组测量数据两变量的算术平均值求离差平方和Lxx、Lyy3．正则方程组的求解步骤求协方差Lxy求回归系数4．回归方程的方差分析回归方程的方差分析是对回归方程的拟合准确度做出估计。常用残余标准偏差s作为回归方程的准确度指标，s越小，回归方程的准确度就越高