计算方法最佳平方逼近-最小二乘法.pptVIP

国学经典儒家典范曲线拟合的最小二乘法值法,势必得到次数较高的插值多项式，计算很烦琐。由实验或观测提供的数据个数往往很多，如果用插01若已知f(x)在点xi(i=1,2,…,n)处的值yi,便可根据插值原理来建立插值多项式作为f(x)的近似。但在科学实验和生产实践中，往往会遇到下述情况：节点上的函数值是由实验或观测得到的数据，带有测量误差，若要求近似函数曲线通过所有的点(xi,yi)，就会使曲线保留着一切测试误差；当个别数据的误差较大时，插值效果可能不理想；02最小二乘法的思想求一条曲线,使数据点均在离此曲线的上方或下方不远处,所求的曲线称为拟合曲线,它既能反映数据的总体分布,又不至于出现局部较大的波动；更能反映被逼近函数的特性,使求得的逼近函数与已知函数从总体上来说其偏差按某种方法度量达到最小。为此，希望从给定的数据(xi,yi)出发,构造一个近似函数,不要求函数完全通过所有的数据点，只要求所得的近似曲线能反映数据的基本趋势，如图3.1所示。图3.1曲线拟合示意图在某种意义上,曲线拟合更有实用价值。y=φ(x)xy…两种逼近概念:插值:在节点处函数值相同.拟合:在数据点处误差平方和最小在对给出的实验(或观测)数据作曲线拟合时,怎样才算拟合得最好呢？一般希望各实验(或观测)数据与拟合曲线的偏差的平方和最小,这就是最小二乘原理。xx0x1x2…xnyy0y1y2…yn问题的提出：函数解析式未知,通过实验观测得到的一组数据,代表f(x)在区间[a,b]上的一系列点的函数值yi=f(xi)，通常由函数表来表达。y=f(x)要求出一个比较简单的函数不要求函数完全通过所有的数据点，只要求所得的近似曲线能反映数据的基本趋势。希望在某种范数下，误差比较小。y=φ(x)很多情况下，y=f(x)的表达式是未知的当使用2范数的时候这种要求误差（偏差）平方和最小的拟合称为曲线拟合的最小二乘法。为最小。要求：设已知数据点分布大致为一条直线。作拟合直线,该直线不是通过所有的数据点,而是使偏差平方和为最小，其中每组数据与拟合曲线的偏差为（1）直线拟合……这是关于a0，a1的连续可导函数(3.1)根据最小二乘原理，应取和使有极小值，故和应满足下列条件：即得如下正规方程组例3.21设有某实验数据如下：i1234xi1.361.371.952.28yi14.09416.84418.47520.963用最小二乘法求以上数据的拟合函数。设所求的拟合直线为解:把表中所给数据画在坐标纸上,将会看到数据点的分布可以用一条直线来近似地描述。则正规方程组为计算，得到x1=1.36,x2=1.37,x3=1.95,x4=2.28,y1=14.094,y2=16.844,y3=18.475,y4=20.963于是得拟合直线方程：y=8.5027865+5.4357032xa0=8.5027865a1=5.4357032将以上数据代入上式正规方程组,得解得：logo拟合直线方程：y=8.5027+5.4357x计算误差：i1234xi1.361.371.952.28yi14.09416.84418.47520.963拟合值15.89515.95019.10220.896*****Confidential,forreviewonlyBorland*在数学分析中我们用y=f(x)描述一条平面曲线，但在实际问题中，函数y=f(x)往往是通过实验观测得到的一组数据来给出的，即在某个区间[a,b]上给出一系列点的函数值yi=f(xi)，或者给出一个函数表，如何通过这些对应关系去找函数f(x)的近似表达式呢？就可以利用插值。简单的说，插值的目的就是根据给定的数据表，寻找一个解析形式的函数p(x)，近似代替f(x)*第5次最佳平方逼近与曲线拟合的最小二乘法计算方法(NumericalAnalysis)主要内容最佳平方逼近曲线拟合的最小二乘法函数逼近的类型