Министерство образования московской области
Дмитровский государственный политехнический колледж
Курсовая работа
Тема: «Построение многочленов наилучшего среднеквадратичного приближения»
Выполнили: студенты гр. 624
Чернуха А..А.
Корнилов М.М.
Муминов З.Е.
___ ________ 2015 г. _____________ /_____________/
(дата) (подпись студента) (Расшифровка подписи)
Руководитель: Ширков П.Д
Оценка руководителя ________________________
Дмитров
Г.
Содержание
Введение…………………………………………………………….3
1. Среднеквадратичного приближения ……………………....………….4
2. Вывод эмпирической формулы.………….……………………………6
3. Математические вычисления основных статистических характеристик………………………………………………………………7
4. Линейная и параболическая регрессии………………………………9
5. Полиномиальная регрессия…………………………………………...11
6.Заключение………………………………………………………………12
7.Список литературы…………………………………………………….13
Ведение
Теоретические вопросы, связанные с построением эмпирических зависимостей, а также математическая формулировка метода наименьших квадратов подробно изложены в параграфе 3 третьей главы данного пособия. Перед выполнением лабораторной работы рекомендуется прочитать указанный материал и ответить на вопросы для самоконтроля, приведенные в конце главы.
Здесь же мы рассмотрим, каким образом задача построения эмпирических зависимостей может быть решена в математическом пакете Mathcad.Современный Mathcad располагает достаточно богатым ассортиментом встроенных средств (функций) для построения линейных и нелинейных зависимостей по экспериментальным данным. Сочетание этих средств со встроенной системой визуализации данных (построения разнообразных графиков) делает Mathcad удобным инструментом, позволяющим исследователю-экспериментатору быстро проводить обработку полученных эмпирических данных. При этом важно отметить, что всегда имеется возможность непосредственной реализации вычислений по рассмотренным в третьей главе формулам метода наименьших квадратов
Пусть значения приближаемой функции f(x) заданы в N+1 узлах f(x0),..., f(xN). Аппроксимирующую функцию будем выбирать из некоторого параметрического семейства F(x, c), где c = (c0,..., cn)T — вектор параметров, N > n.
Среднеквадратичного приближения
Принципиальным отличием задачи среднеквадратичного приближения от задачи интерполяции является то, что число узлов превышает число параметров. В данном случае практически всегда не найдется такого вектора параметров, для которого значения аппроксимирующей функции совпадали бы со значениями аппроксимируемой функции во всех узлах.
В этом случае задача аппроксимации ставится как задача поиска такого вектора параметров c = (c0,..., cn)T, при котором значения аппроксимирующей функции как можно меньше отклонялись бы от значений аппроксимируемой функции F(x, c) в совокупности всех узлов.
Графически задачу можно представить так
Запишем критерий среднеквадратичного приближения для метода наименьших квадратов:
ПОМЕНЯТЬ ФОРМУЛЫЧЕРЕЗ ВСТАВКУ
J(c) = √ (Σi=0N[f(xi) — F(x, c) ]2) →min
Подкоренное выражение представляет собой квадратичную функцию относительно коэффициентов аппроксимирующего многочлена. Она непрерывна и дифференцируема по c0,..., cn. Очевидно, что ее минимум находится в точке, где все частные производные равны нулю. Приравнивая к нулю частные производные, получим систему линейных алгебраических уравнений относительно неизвестных (искомых) коэффициентов многочлена наилучшего приближения.
Метод наименьших квадратов может быть применен для различных параметрических функций, но часто в инженерной практике в качестве аппроксимирующей функции используются многочлены по какому-либо линейно независимому базису { φk(x), k=0,...,n }:
F(x, c) = Σk=0n[ckφk(x)].
В этом случае система линейных алгебраических уравнений для определения коэффициентов будет иметь вполне определенный вид:
a00c0 + a01c1 +… + a0ncn = b0
a10c0 + a11c1 +… + a1ncn = b1
…
an0c0 + an1c1 +… + anncn = bn
akj = Σi=0N [φk(xi)φj(xi) ], bj = Σi=0N[f(xi)φj(xi) ]
Чтобы эта система имела единственное решение необходимо и достаточно, чтобы определитель матрицы А (определитель Грама) был отличен от нуля. Для того, чтобы система имела единственное решение необходимо и достаточно чтобы система базисных функций φk(x), k=0,...,n была линейно независимой на множестве узлов аппроксимации.
В этой статье рассматривается среднеквадратичное приближение многочленами по степенному базису { φk(x) = xk, k=0,...,n }.
Вывод эмпирической формулы.
А теперь перейдем к примеру. Требуется вывести эмпирическую формулу для приведенной табличной зависимости f(х), используя метод наименьших квадратов.
x | 0,75 | 1,50 | 2,25 | 3,00 | 3,75 |
y | 2,50 | 1,20 | 1,12 | 2,25 | 4,28 |
Примем в качестве аппроксимирующей функцию
y = F(x) = c0 + c1x + c2x2, то есть, n=2, N=4
Система уравнений для определения коэффициентов:
a00c0 + a01c1 +… + a0ncn = b0
a10c0 + a11c1 +… + a1ncn = b1
…
an0c0 + an1c1 +… + anncn = bn
akj = Σi=0N[φk(xi)φj(xi) ], bj = Σi=0N[f(xi)φj(xi) ]
Коэффициенты вычисляются по формулам:
a00 = N + 1 = 5, a01 = Σi=0Nxi = 11,25, a02 = Σi=0Nxi2 = 30,94
a10 = Σi=0Nxi = 11,25, a11 = Σi=0Nxi2 = 30,94, a12 = Σi=0Nxi3 = 94,92
a20 = Σi=0Nxi2 = 30,94, a21 = Σi=0Nxi3 = 94,92, a22 = Σi=0Nxi4 = 303,76
b0 = Σi=0Nyi = 11,25, b1 = Σi=0Nxiyi = 29, b2 = Σi=0Nxi2yi = 90,21
Решаем систему уравнений и получаем такие значения коэффициентов:
c0 = 4,822, c1 = -3,882, c2 = 0,999
Таким образом
y = 4,8 — 3,9x + x2
График получившейся функции