Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
7
Добавлен:
25.03.2021
Размер:
155.15 Кб
Скачать

Отчет по лабораторной работе № 4 на тему: «Метод наименьших квадратов» по дисциплине «Вычислительные методы»

Постановка задачи.

Аппроксимировать данные функциями следующего вида:

1)многочленом 2-й степени P(x)=ax2+bx+c;

2)экспоненциальной функцией G(x)=aebx.

Для каждого приближения вычислить величину среднеквадратичного отклонения σ и выбрать лучшую аппроксимирующую функцию.

1. Исходные данные.

x

0

1

2

3

4

5

6

7

8

9

10

 

 

 

 

 

 

 

 

 

 

 

 

y

6074,3

4370,75

2022,3

1750,2

3552,8

941,4

938

517,6

520,2

333,5

613,6

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

11

12

13

14

15

16

17

18

19

 

 

 

 

 

 

 

 

 

 

 

 

 

 

y

28,3

318,5

25,3

103,3

13,3

50

89

51,35

42,9

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Часть А).

2. Программа, реализующая составление матрицы нормальной системы:

matr(x,y ,n ,m) :=

 

for k 0..m

 

 

 

 

 

 

for

j 0..m

 

 

 

 

 

 

 

 

n

(xi)k+j

 

 

 

 

Mk,j

 

 

 

 

 

 

i = 0

 

 

 

 

 

 

M

 

 

 

 

M := matr(x,y ,19,2)

 

 

 

 

 

 

20

190

2.47×

3

 

 

 

10

 

M =

 

 

2.47×

3

3.61×

4

 

 

190

10

10

 

 

 

3

3.61×

4

 

5

 

 

 

2.47× 10

10

5.627× 10

 

Программа, реализующая составление вектора правых частей:

vect (x,y ,n ,m) := for k 0..m

n

bk yi (xi)k i = 0

b

b := vect (x,y ,19,2)

 

 

 

 

2.236×

4

 

 

 

 

 

10

 

 

 

 

 

 

 

4

 

 

 

 

b =

6.529×

10

 

 

 

 

 

 

 

5

 

 

 

 

4.368×

10

 

 

 

 

 

 

 

 

3. Получение значений коэффициентов многочлена P(x)=ax2+bx+c:

kf := lsolve(M ,b)

 

 

 

 

 

3

 

 

 

 

4.747× 10

 

 

 

 

kf =

730.46

 

 

 

 

 

 

 

 

 

 

 

 

26.804

 

 

 

 

c=4747

 

 

 

 

 

b=-730,46

 

 

 

 

 

a=26,804

 

 

 

 

 

4. Графики многочлена P(x) = 4747 - 730,46 × x + 26,804 × x2 и точек исходной таблицы:

 

 

8×103

 

 

 

 

 

 

6×103

 

 

 

 

 

 

4×103

 

 

 

 

y

 

 

 

 

 

 

 

P(x)

 

 

 

 

 

 

 

 

 

2×103

 

 

 

 

 

 

0

 

 

 

 

 

 

2×103

5

10

15

20

 

 

 

0

 

 

 

 

 

x

 

 

5. Вычисление среднеквадратичного отклонения многочлена P(x):

 

n

σ(n) := n 1+ 1 (P(xk)yk)2 k = 0

σ(19) = 654.116

2

Часть Б).

G(x) = aebx

ln(G(x)) = ln(a) + bx = c + bx

6. Значения элементов векторов x и s = ln(y):

x

0

1

2

3

4

5

6

7

8

9

10

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s

8,712

8,383

7,612

7,467

8,175

6,847

6,844

6,249

6,254

5,81

6,419

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

 

11

 

12

 

13

 

14

 

15

 

16

 

17

 

18

 

19

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s

 

3,343

 

5,764

 

3,231

 

4,638

 

2,588

 

3,912

 

4,489

 

3,939

 

3,759

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

7. Составление матрицы нормальной системы и вектора правых частей:

M1 := matr(x,s ,19,1)

20

190

 

M1 =

190

3

 

 

2.47× 10

 

b1 := vect (x,s ,19,1)

b1 = 114.434897.161

8. Получение значений коэффициентов b, c, a:

kf1 := lsolve(M1,b1)

8.435 kf1 = 0.286

c=8,435 b=-0,286

a := e8.435 = 4.605× 103

3

9. Графики функции G(x) = 4605 × e-0,286 × x и точек исходной таблицы:

 

8×103

 

 

 

 

6×103

 

 

 

 

4×103

 

 

 

 

y

 

 

 

 

G(x)

 

 

 

 

2×103

 

 

 

 

0

 

 

 

 

2×103

5

10

15

20

0

 

 

x

 

 

10. Вычисление среднеквадратичного отклонения функции G(x):

 

n

σ(n) := n 1+ 1 (G(xk)yk)2 k = 0

σ(19) = 630.872

Функция

 

Коэффициенты

СКО σ

 

 

 

 

 

 

a

 

26,804

 

P(x)=ax2+bx+c

 

 

 

654,116

b

 

-730,46

 

 

 

 

 

 

c

 

4747

 

 

 

 

 

 

G(x)=aebx

a

 

4605

630,872

 

 

 

b

 

-0,286

 

 

 

 

 

 

 

 

11. Среднеквадратичное отклонение у функции G(x)=aebx меньше, чем у функции P(x)=ax2+bx+c, следовательно, G(x) более адекватно приближает исходные данные.

4

Соседние файлы в папке Лабораторные работы