Студопедия.Орг Главная | Случайная страница | Контакты | Мы поможем в написании вашей работы!  
 

Сглаживание. Метод наименьших квадратов (МНК)



Задача аппроксимации функции может ставиться, когда исходные данные содержат погрешности (рис. 4.3а), повторы (рис. 4.3б) или очень большое количество точек (рис. 4.3в). В этих случаях аппроксимация на основе интерполяции не имеет смысла или невозможна.

а) б) в)
Рис. 4.3. Аппроксимация функции сглаживанием.

Для задачи аппроксимации сглаживанием критерий близости аппроксимирующей функции к исходным данным , рассматривается как минимальное отклонение значений в заданных точках. Количественно отклонение может быть оценено различными способами. Наибольшее распространение получил метод наименьших квадратов (МНК), согласно которому необходимо минимизировать сумму квадратов:

(4.3)

где , - значения данных - значение аппроксимирующей функции в точке ; - число данных, - незвестные параметры. Задача сводится к нахождению экстремума функции параметров .

Линейная аппроксимация. В случае линейной формулы сумма квадратов (4.3) принимает вид:

(4.4)

Функция (4.4) имеет минимум в точках, в которых частные производные от по параметрам и обращаются в нуль, т.е.

, (4.5)

(4.6)

Решая систему уравнений (4.6), получим значения и уравнения .

Пример 4.4. Подобрать аппроксимирующий полином первой степени для данных

Таблица 4.3.
       
0,2 0,9 2,1 3,7

Решение. Для удобства вычисленные значения расположим в таблице.

Таблица 4.4.
    0,2   0,2
    0,9   0,9
    2,1   4,2
    3,7   14,8
  6,9   20,1

Система для определения коэффициентов имеет вид:

(4.7)

Решая систему (4.7), получим следующие значения параметров: , . Следовательно, искомый полином имеет вид:

.

Полиномиальная аппроксимация. В случае выбора зависимости в виде полинома, например, 2-й степени и (4.3) принимает вид:

(4.8)

Функция (4.8) имеет минимум в точках, в которых частные производные от по параметрам , , обращаются в нуль, т.е.:

, , (4.9)

В результате дифференцирования и элементарных преобразований для определения параметров получают систему из трех линейных уравнений с тремя неизвестными:

Или

(4.10)

Решая систему линейных уравнений (4.10), получим значения параметров , и функции .

Пример 4.5. Используя МНК, построить зависимость вида , аппроксимирующую следующие табличные значения:

Таблица 4.5.
-2 -1      
    -1 -2 -1

Решение. Расчеты представим в виде таблицы.

Таблица 4.6.
  -2     -8   -12  
  -1     -1   -2  
    -1          
    -2       -2 -2
    -1       -2 -4
          -18  

Тогда система линейных уравнений (4.10) относительно значений , и примет вид:

(4.11)

Решая систему (4.11), получим следующие значения параметров ; ; . Таким образом, искомый полином имеет вид:

Таблица 4.7.
  -2   6,114 0,012
  -1   1,743 0,066
    -1 -0,914 0,007
    -2 -1,857 0,020
    -1 -1,086 0,007
     

Пример 4.6. Используя программу Excel, построить функцию вида , аппроксимирующую значения из таблицы 4.5:





Дата публикования: 2015-02-22; Прочитано: 565 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!



studopedia.org - Студопедия.Орг - 2014-2024 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.008 с)...