Метод наименьших квадратов
Описание файла
Документ из архива "Метод наименьших квадратов", который расположен в категории "". Всё это находится в предмете "математический анализ" из 2 семестр, которые можно найти в файловом архиве НГТУ. Не смотря на прямую связь этого архива с НГТУ, его также можно найти и в других разделах. .
Онлайн просмотр документа "Метод наименьших квадратов"
Текст из документа "Метод наименьших квадратов"
Метод наименьших квадратов
(приложения функции нескольких переменных)
Если в результате наблюдений при исследовании некоего процесса в точках хi получены соответствующие значения уi (i =1, 2, 3,..., n), то установить истинный характер функциональной зависимости невозможно, хотя для исследования процесса в промежуточных точках и для i > n желательно бы иметь такую функцию для его исследования методами математического анализа.
Поэтому перед исследователем стоит задача по точкам (хi;уi) , полученным в эксперименте, найти эмпирические (опытные) формулы у = f(х) общего вида, наилучшим образом согласующиеся с экспериментальными данными.
Эти формулы могут быть получены с помощью МНК, но они являются лишь гипотезами. Однако значение их велико, так как они дают возможность вычислять промежуточные значения (интерполяция) и прогнозировать изменения наблюдаемого в опыте процесса (экстраполяция).
Построение эмпирической формулы состоит из двух этапов:
-
выбора общего вида формулы;
-
определение параметров формулы, наилучшим образом согласующейся с опытными данными.
Наиболее часто в качестве эмпирических формул выбирают следующие функциональные зависимости:
Первые четыре функции содержат по два неизвестных параметра, а пятая – три при k =2, причем при k > 2 количество параметров будет увеличиваться.
6) сплайн функции (Стечкин С.Б., Субботин Ю.Н. Сплайны в вычислительной математике. - М. 1976).
Примеры, 1) Экономика, погода, технические науки и т.д. 2) Материалы Х межд. конф. Актуальные проблемы электронного приборостроения. Т. 4, стр. 126 “Перепад волнового сопротивления нерегулярной линии передач” (интерполяционная формула получена как произведение степенной на экспоненту от многочлена: ).
10 МНК для получения интерполяционной формулы
в виде линейной зависимости у = ах+b.
Если точки Аi(xi;уi) расположены на координатной плоскости с небольшими отклонениями вдоль некоторой прямой, то можно предположить, что между xi и уi существует линейная зависимость у = ах + b (1). Параметры а и b можно найти методом наименьших квадратов.
Подберем параметры α и b так, чтобы сумма квадратов отклонений
э кспериментальных точек от соответствующих точек , принадлежащих прямой y = ax + b, была наименьшей, то есть функция МНК
достигала экстремума (min).
Отклонение = Bi(хi) – Аi(хi), где Bi(хi)= aхi + b.
Продифференцируем по а и в , то есть найдем частные
производные по переменным а и в : и приравняем к
нулю, чтобы найти критические точки (*).
Т очность эмпирической формулы оценим с помощью среднего квадратического отклонения
(*) Нормальная система метода наименьших квадратов.
Пример. С помощью метода наименьших квадратов определить коэффициенты линейной функции у = ах + b по таблице экспериментальных значений
xi | 1 | 2 | 3 | 4 | 5 |
yi | 3 | 4 | 2.5 | 0.5 | 1 |
Изобразим точки на координатной плоскости и для 5 экспериментальных
значений (1), составляем функцию МНК и нормальную
систему метода наименьших квадратов (2).
(2)
В полученную систему подставляем значения из таблицы:
хi | 1 | 2 | 3 | 4 | 5 | |
yi | 3 | 4 | 2,5 | 0,5 | 1 | |
xiyi | 3 | 8 | 7,5 | 2 | 5 | |
(xi)2 | 1 | 4 | 9 | 16 | 25 |
Найденное уравнение имеет вид
. .
П огрешность , где уi , берем из таблицы, а уiэмп вычисляем
по полученной формуле для соответствующих хi:
у1эмп(х1)= у1эмп(1)=3,7; у2эмп(х2)= у1эмп(2)=2,95; у3эмп(х3)= у1эмп(3)=2,2;
у4эмп(х4)= у1эмп(4)=1,45; у5эмп(х5)= у1эмп(5)=0,77.
Тогда
20 МНК для получения интерполяционной формулы
в виде степенной, показательной и гиперболической функций.
В случае нелинейной зависимости (2, 3, 4) можно подобрать новые переменные U и V так, что бы между ними была линейная зависимость.
Такой прием называется выравнивание зависимости.
2.1. Выравнивание функциональной зависимости.
-
степенные функции у = сха;
П рологарифмируем и введем новые переменные: lny = V, lnx = U, lnc = b. Тогда у = сха ↔ V = аU + b – линейная зависимость.
-
показательные функции у = сеах;
и введем новые переменные: lny = V, x = U; lnc = b. Тогда у = сеах ↔ V = аU + b – линейная зависимость.
Обозначим V = y; . . Тогда ↔ V = аU + b – линейная зависимость.
ui | u1 u2……ui…..un |
vi | v1 v2……vi…..vn |
Пусть задана таблица экспериментальных значений
и точки Аi(ui;vi) изображены на координатной плоскости. Заметим, что они располагаются вдоль прямой v = аu + b.
Д ля решения этой задачи с переменными a и b в уравнении прямой, подберем их так, чтобы сумма квадратов отклонений экспериментальных точек Аi(ui;vi) от соответствующих точек Bi(ui; aui+b) l , была наименьшей, то есть
где отклонение = Bi(ui) – Ai(ui); Bi(ui)= aui + b , а функция МНК:
. Далее необходимо для исследования на экстремум продифференцировать функцию двух переменных
п о переменным a и b и приравнять частные производные к нулю.
нормальная система метода наименьших квадратов.
Нормальная система метода наименьших квадратов – это система двух линейных алгебраических уравнений с двумя неизвестными. При ее решении любым способом, находим неизвестные параметры a и b и, соответственно, уравнение линейной зависимости: прямой v = аu + b.
Т очность эмпирической формулы оценим с помощью среднего квадратического отклонения , в том числе и для
функциональных зависимостей (2, 3, 4), где Аi(ui;vi), viэмп = аui + b .
Замечания. 1) Погрешность вычисляется по выровненной функциональной зависимости (линейной v = аu + b).
2) Ответ записывается как формула для соответствующей функциональной зависимости: степенной, показательной или гиперболической в соответствие с выполненной заменой переменных при выравнивании функциональной зависимости.
30 МНК для подбора аналитической зависимости многочленом по
экспериментально полученным данным.
Интерполяция функции многочленом по методу наименьших квадратов.
Если для экспериментально полученных точек функциональная зависимость f(xi) = yi (i = 1, 2, 3,…., n) такая, что для ее аппроксимации удачнее выбрать
многочлен порядка k: Pk(x) = a0 + a1x + a2x2+…. + akxk = .
Используя метод наименьших квадратов, коэффициенты aj , будем подбирать так, чтобы сумма квадратов отклонений многочлена Pk(xi) от заданных yi(xi)
была минимальной, то есть для
производные по неизвестным параметрам аj (j =0, 1, 2, 3,…,) должны быть равны нулю. Так как неизвестных параметров k+1, то после дифференцирования получаем систему линейных алгебраических уравнений относительно аj порядка k+1:
, где m= 0, 1, 2.,k, причем система имеет единственное решение.
В частности:
Рассмотрим многочлен второго порядка при k = 2: P2(x) = a0 + a1x + a2x2, содержащим 3 неизвестных параметра (a0 , a1 , a2 ).
Составим для этого многочлена функцию разности квадратов отклонений по
методу наименьших квадратов: и систему линейных алгебраических уравнений третьего порядка относительно параметров аj (j = 0, 1, 2) из частных производных функции по искомым параметрам:
.