
- •Тема 1 Наближені обчислення
- •Тема 2 Табулювання функції
- •Тема 3 Дії з матрицями
- •Тема 4 Апроксимація функції, що задана таблично
- •4.1. Метод найменших квадратів
- •4.2 Наближення сплайнами
- •Тема 5 Розв’язок нелінійних рівнянь
- •Тема 6 Розв’язок диференційних рівнянь
- •Інформційні технології в машинобудуванні
Тема 4 Апроксимація функції, що задана таблично
4.1. Метод найменших квадратів
Нехай
емпірична формула має вигляд
,
де
,
,
…,
─ невідомі коефіцієнти. Треба знайти
такі значення коефіцієнтів
,
за яких крива якомога ближче проходитиме
до всіх точок
,
,
…,
,
знайдених експериментально. Зрозуміло,
що жодна з експериментальних точок не
задовольняє точно рівнянню. Відхилення
від підстановки координат
у рівняння дорівнюватимуть величинам
.
За методом найменших квадратів найкращі
значення коефіцієнтів
ті, для яких сума квадратів відхилень
.
Вибрати емпіричну формулу для нелінійних залежностей графічним методом часто буває важко. Тоді вдаються до перевірки аналітичних критеріїв існування певної залежності. Найпростіші необхідні умови залежностей подано в таблиці.
№ пор. |
Емпірична формула |
|
|
Спосіб вирівнювання |
1 |
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
,
де
,
|
4 |
|
|
|
|
5 |
|
|
|
,
де
|
6 |
|
|
|
|
7 |
|
|
|
|
Умови
перевіряють наступним чином.
На
заданому відрізку вибирають дві точки,
розміщені якомога далі одна від одної,
наприклад,
,
.
Потім, залежно від типу залежності, що
перевіряється, обчислюють значення
і
.
Далі, користуючись даною таблицею
значень
,
для значення
знаходять відповідне йому значення
.
Якщо
немає в таблиці, то
знаходять наближено з графіка або за
допомогою лінійної інтерполяції
,
де
і
─ проміжні значення, між якими лежить
.
Обчисливши
,
знаходять величину
.
Якщо ця величина велика, то відповідна
емпірична формула не придатна для
апроксимації заданих даних. З кількох
придатних формул перевагу надають тій,
для якої відхилення
якомога менше.
Вхідні дані повинні бути впорядковані за зростанням аргументу.
Mathcad.
Для знаходження коефіцієнтів наближення за методом найменших квадратів у категорії «Апроксимація та згладжування кривої» передбачені наступні функції:
Ім’я |
Функція наближення |
Аргументи |
Результат |
expfit(x,y[,vg]) |
|
х – вхідні значення аргументу у – вхідні значення функції vg – необов’язковий вектор наближених значень коефіцієнтів |
|
lgsfit(x,y,vg) |
|
х – вхідні значення аргументу у – вхідні значення функції vg – вектор наближених значень коефіцієнтів |
, |
line(x,y) |
|
х – вхідні значення аргументу у – вхідні значення функції |
|
lnfit(x,y) |
|
х – вхідні значення аргументу у – вхідні значення функції |
|
logfit(x,y,vg) |
|
х – вхідні значення аргументу у – вхідні значення функції vg – вектор наближених значень коефіцієнтів |
, |
pwfit(x,y,vg) |
|
х – вхідні значення аргументу у – вхідні значення функції vg – вектор наближених значень коефіцієнтів |
, |
regress(x,y,n) |
|
|
|
sinfit(x,y,vg) |
|
х – вхідні значення аргументу у – вхідні значення функції vg – вектор наближених значень коефіцієнтів |
, |
Для
побудови наближення поліномом
застосовується функція:
,
де х – вхідні значення аргументу, у –
вхідні значення функції, n
– степінь
поліному.
Для
обчислення значень поліному. Заданого
своїми коефіцієнтами використовується
функція:
,
де
– ім’я поліному,
– значення аргументу.