- •1. Учет погрешности вычислений.
- •3. Приближенные вычисления без учета погрешности.
- •7. Метод границ
- •8.Математические модели и численные методы.Вспомогательные сведения из математического анализа. Метод оптимального исключения решения слау.
- •9. Решение ур-ний с одним неизвестным. Дихотомия. Принцип Банаха.
- •13. Метод Гаусса.
- •14. Обращение матриц и уточнение приближенной обратной матрицы.
- •15. Метод квадратного корня решения слау.
- •19. Интерполирование функций. Интерполяционный многочлен Лагранжа.
- •20. Интерполирование функций. Конечные разности. Разделённые разности.
- •21. Интерполяционные многочлены Ньютона.
- •22. Численное дифференцирование. Некоторые частные формулы вычисления производных.
- •23. Обработка результатов эксперимента. Метод наименьших квадратов.
- •24. Численное интегрирование. Квадратурные формулы Ньютона-Котеса.
- •26. Численное интегрирование. Квадратурная формула Симпсона.
- •27. Численное интегрирование. Квадратурные формулы прямоугольников. Правило Рунге выбора шага интегрирования.
23. Обработка результатов эксперимента. Метод наименьших квадратов.
Нередко при обработке данных эксперимента встречаются со следующей задачей. В итоге опыта получен ряд значений x и y? однако характер функциональной зависимости между x и y неизвестен. Требуется по полученным данным найти аналитическое выражение зависимости между x и y. Формулы, которые получены в результате решения такого рода задач, называются эмпирическими.
Использование интерполяционных многочленов для этой цели не всегда целесообразно, т.к. совпадение значений полученной ф-ции с табличными значениями в узлах интерполяции не гарантирует достаточно малого различия указанных значений в других точках отличных от узлов.
Задача о построении эмпирической формулы состоит в следующем:
x |
|
|
… |
|
y |
|
|
… |
|
И пусть в y=φ(x; ) искомая эмпирическая формула, где параметры неизвестны. Обозначим через φ( )- , i= , ─ уклонения эмпирической формулы, т.е. погрешности.
─ значения из верхней строчки таблицы, ─ из нижней.
Требуется так подобрать параметры , чтобы эти уклонения оказались наименьшими (в каком-то смысле). Для нахождения параметров используются методы:
метод средних
метод выбранных точек
метод наименьших квадратов
Метод наименьших квадратов.
Пусть известен вид эмпирической формулы y=φ(x; ) и φ( )- , i= , ─ уклонения эмпирической формулы.
По методу наименьших квадратов наилучшими коэффициентами считаются те, при которых сумма квадратов уклонений является минимальной:
S( )=
Воспользуемся необходимым условием экстремума ф-ций нескольких переменных, по которому частные производные равны 0:
; ; …; ;
Получили, так называемую нормальную систему для нахождения параметров . Если полученная система имеет единственное решение, то оно будет искомым.
Метод наименьших квадратов обладает тем преимуществом, что если сумма S квадратных уклонений мала, то сами эти уклонения также малы по абсолютной величине, чего нельзя сказать о методе средних. Недостаток метода наименьших квадратов – громоздкость вычислений.
Определение параметров эмпирических формул по методу наименьших квадратов в случае квадратичной зависимости.
Дана таблица:
x |
|
|
… |
|
y |
|
|
… |
|
Рассмотрим пары ( ) как прямоугольные координаты на плоскости и предположим, что точки M( ), i= , почти лежат на параболе. В этом случае естественно предположить, что между x и y существует квадратичная закономерность:
, i=
, i=
Выберем параметры a, b, c так, чтобы выполнялось S=
Необходимо, чтобы сумма была наименьшей. Для этого необходимо, чтобы =0; =0; =0;
Находя выражение для частных производных для ф-ции S по переменным a, b, c получим так называемую систему уравнений:
Из этой системы, используя, например метод Гаусса, и определяются параметры a, b, c эмпирической формулы.