- •Лабораторна робота №1 Рішення задач лінійної алгебри. Операцї над векторами та матрицями
- •Завдання:
- •Контрольні питання:
- •Лабораторна робота №3 Рішення рівнянь із одною змінною. Обчислення коренів поліному. Розв’язування систем лінійних рівнянь Довідкові відомості:
- •1. Рішення рівнянь із одною змінною
- •Знайдемо корені рівняння символьним методом, для чого звертаємося до панелі інструментів Symbolic і вибираємо кнопку solve:
- •2. Знаходження коренів поліномів
- •3. Знаходження коренів системи лінійних рівнянь
- •3.2. Рішення лінійної системи методом Гауса
- •3.3. Решение системы методом Крамера
- •3.4.Рішення системи лінійній алгебрі рівняння методом простих ітерацій
- •3.5. Рішення системи лінійних рівнянь алгебри методом Зейделя
- •Тема: Рішення систем лінійних рівнянь
- •Завдання 3
- •Приблизний варіант виконання лабораторної роботи
- •1. Символьне рішення систем рівнянь
- •5.Рішення системи лінійній алгебрі рівняння методом простих ітерацій
- •6.Рішення системи лінійних рівнянь алгебри методом Зейделя
- •Обчисліть послідовні наближення.
- •4. Чисельне рішення диференціальних рівнянь
- •Лабораторная работа №5 Тема: Интерполирование функций
- •Задание 1
- •Задание 2
- •Задание 3.
- •Приблизний фрагмент виконання роботи
- •Контрольні питання
- •Лабораторна робота №6 Тема: Апроксимація залежностей методом найменших квадратів Завдання 1
- •Завдання 3
- •Приклад 3. Використання лінії тренда на діаграмі
- •Завдання 4
- •Контрольні питання:
- •Лабораторна робота №7 Розв’язування задач оптимізаційного типу
- •Приклад 2
- •Приклад 3
- •Варіанти завдань:
- •3. Розв’язати рівняння та знайти екстремум функції в Excel:
- •Контрольні питання:
- •Література
Задание 3.
Уплотнить часть таблицы заданной на отрезке функции, используя интерполяционный многочлен Ньютона (3.5) и оценить погрешность интерполяции D (формула (3.6)). Таблицу 3.7 конечных разностей просчитать вручную на отрезке с шагом . Для выполнения задания исходные данные берутся из таблиц 3.8, 3.5 и 3.6.
+ 3y0, (3.5)
где .
, (3.6)
где – некоторая внутренняя точка наименьшего промежутка, содержащего все узлы и x.
Формула (3.5) называется первой интерполяционной формулой Ньютона. Если вычисляемое значение переменной ближе к концу отрезка , то применяют вторую формулу Ньютона – интерполирование назад (формула (3.6)).
+ 3yn-3 (3.6)
где и
Таблица 3.7
|
|
|
|
|
|
|
= - |
|
|
|
|
= |
|
|
|
|
= |
|
|
|
|
|
|
|
Таблица 3.8
№ |
|
|
|
|
№ таблицы |
1 |
0.65 |
0.80 |
0.05 |
0.01 |
3.6 |
2 |
0.25 |
0.40 |
0.05 |
0.025 |
3.5 |
3 |
0.75 |
0.90 |
0.05 |
0.01 |
3.6 |
4 |
0.70 |
0.85 |
0.05 |
0.025 |
3.6 |
5 |
0.80 |
0.95 |
0.05 |
0.025 |
3.6 |
6 |
0.1 |
0.25 |
0.05 |
0.025 |
3.5 |
7 |
0.15 |
0.3 |
0.05 |
0.025 |
3.5 |
8 |
0.7 |
0.85 |
0.05 |
0.025 |
3.6 |
9 |
0.2 |
0.35 |
0.05 |
0.01 |
3.5 |
10 |
0.80 |
0.95 |
0.05 |
0.01 |
3.6 |
Приблизний фрагмент виконання роботи
Контрольні питання
1. У чому особливість наближення табличний заданої функції методом інтерполяції?
2. Як обгрунтовується існування і єдиність інтерполяційного многочлена?
3. Який зв'язаний ступінь інтерполяційного многочлена з кількістю вузлів інтерполяції?
4. Як будуються інтерполяційні многочлени Лагранжа і Ньютона?
5. У чому особливості цих двох способів інтерполяції?
6. Як проводиться оцінка погрішності методу інтерполяції многочленом Лагранжа?
7. Як використовується метод інтерполяції для уточнення таблиць функцій?
8. У чому відмінність між першою і другою інтерполяційними формулами Ньютона?
Лабораторна робота №6 Тема: Апроксимація залежностей методом найменших квадратів Завдання 1
У MathCad побудувати методом найменших квадратів дві емпіричні формули: лінійну і квадратичну. У разі лінійної функції задача зводиться знаходженню параметрів і із системи лінійних рівнянь
, де
, , , My= i
а у разі квадратичної залежності до знаходження параметрів , і із системи рівнянь:
, де
, ,
Вибрати з двох функцій найбільш відповідну. Для цього скласти таблицю для підрахунку суми квадратів відхилень по формулі:
Приклад 1:
Варіанти завдань:
№ |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
|
0.5 |
0.1 |
0.4 |
0.2 |
0.6 |
0.3 |
0.4 |
0.7 |
0.3 |
0.8 |
|
1.8 |
1.1 |
1.8 |
1.4 |
2.1 |
1.8 |
1.6 |
2.2 |
1.5 |
2.3 |
|
2 |
|
1.7 |
1.5 |
3.7 |
1.1 |
6.2 |
0.3 |
6.5 |
3.6 |
3.8 |
5.9 |
|
1.5 |
1.4 |
1.6 |
1.3 |
2.1 |
1.1 |
2.2 |
1.8 |
1.7 |
2.3 |
|
3 |
|
1.7 |
1.1 |
1.6 |
1.2 |
1.9 |
1.5 |
1.8 |
1.4 |
1.3 |
1.0 |
|
6.7 |
5.6 |
6.7 |
6.1 |
7.4 |
6.9 |
7.9 |
5.9 |
5.6 |
5.3 |
|
4 |
|
1.3 |
1.2 |
1.5 |
1.4 |
1.9 |
1.1 |
2.0 |
1.6 |
1.7 |
1.8 |
|
5.5 |
5.9 |
6.3 |
5.8 |
7.4 |
5.4 |
7.6 |
6.9 |
6.6 |
7.5 |
|
5 |
|
2.3 |
1.4 |
1.0 |
1.9 |
1.5 |
1.8 |
2.1 |
1.6 |
1.7 |
1.3 |
|
5.3 |
3.9 |
2.9 |
5.0 |
4.0 |
4.9 |
5.1 |
4.5 |
4.1 |
3.7 |
|
6 |
|
1.8 |
2.6 |
2.3 |
1.3 |
2.0 |
2.1 |
1.1 |
1.9 |
1.6 |
1.5 |
|
4.4 |
6.4 |
5.3 |
3.7 |
4.9 |
5.6 |
3.0 |
5.0 |
4.3 |
3.7 |
|
7 |
|
1.9 |
2.1 |
2.0 |
2.9 |
3.0 |
2.6 |
2.5 |
2.7 |
2.2 |
2.8 |
|
6.6 |
7.6 |
6.7 |
9.2 |
9.4 |
7.8 |
8.4 |
8.0 |
7.9 |
8.7 |
|
8 |
|
2.0 |
1.4 |
1.0 |
1.7 |
1.3 |
1.6 |
1.9 |
1.5 |
1.2 |
2.1 |
|
7.5 |
6.1 |
4.8 |
7.4 |
5.7 |
7.0 |
7.1 |
6.8 |
6.0 |
8.9 |
|
9 |
|
2.0 |
1.2 |
1.8 |
1.9 |
1.1 |
1.7 |
1.6 |
1.4 |
1.5 |
1.3 |
|
7.5 |
5.9 |
7.0 |
8.0 |
5.0 |
7.4 |
6.4 |
6.6 |
6.3 |
5.7 |
|
10 |
|
1.9 |
1.1 |
1.4 |
2.3 |
1.7 |
2.1 |
1.6 |
1.5 |
1.0 |
1.2 |
|
4.7 |
3.4 |
3.8 |
5.2 |
4.6 |
5.5 |
3.9 |
3.9 |
3.2 |
3.5 |
Реалізація методу найменших квадратів в табличному процесорі Microsoft Excel:
Завдання 2
Визначити математичну залежність кількості виїздів пожежних частин від календарного року, використовуючи метод найменших квадратів. Скласти прогноз на 2011 рік.
У наведених залежностях n – число пар точок х та у.
Коефіцієнт а знаходимо у клітині В11 за формулою:
=(7*СУММПРОИЗВ($B$3:$H$3;$B$4:$H$4)-СУММ($B$4:$H$4)* СУММ($B$3:$H$3))/(7*СУММПРОИЗВ($B$3:$H$3;$B$3:$H$3)-СУММ($B$3:$H$3)^2).
Коефіцієнт b знаходимо у клітині В12 за формулою:
=(СУММ($B$4:$H$4)-B11*СУММ($B$3:$H$3))/7.
Перевірку знайденої залежності виконуємо шляхом порівняння значень у діапазонах B4:H4 I B14:H14. Похибку можна оцінити в процентах за формулою:
=ABS(B4-B14)/B4*100
для кожної пари значень або графічно.
Прогноз на 2008 рік знаходимо в клітині В17 за формулою
=В11*В16+В12.
Множинна лінійна регресія
Приклад 2. Припустимо, що забудовник оцінює вартість групи невеликих офісних будинків у традиційному діловому районі.
Забудовник може використовувати множинний регресійний аналіз для оцінки ціни офісного будинку в заданому районі на основі наступних змінних.
-
Змінна
Зміст змінної
y
Оцінна ціна будинку під офіс
x1
Загальна площа в квадратних метрах
x2
Кількість офісів
x3
Кількість входів
x4
Час експлуатації будинку в роках
У цьому прикладі передбачається, що існує лінійна залежність між кожної незалежної перемінною (x1, x2, x3 і x4) і залежної перемінний (y), тобто ціною будинку під офіс у даному районі.
Забудовник навмання вибирає 11 будинків з наявних 1500 і одержує наступні дані.
Рисунок 18 – Таблиця статистичних даних
«Пів-входу» (1/2) означає вхід тільки для доставки кореспонденції. Виділяємо клітини А14:Е18 і вводимо у них як масив приведену нижче функцію:
ЛИНЕЙН(E2:E12;A2:D12;ИСТИНА;ИСТИНА)
Функція повертає наступні результати:
Обчислені коефіцієнти рівняння регресії
Рівняння множинної регресії y = m1*x1 + m2*x2 + m3*x3 + m4*x4 + b тепер може бути отримане з рядка 14:
y = 27,64*x1 + 12530*x2 + 2553*x3 - 234,24*x4 + 52318
Тепер забудовник може визначити оцінну вартість будинку під офіс у тім же районі, що має площу 2500 квадратних метрів, три офіси, два входи, будинку 25 років, використовуючи наступне рівняння y = 27,64*2500 + 12530*3 + 2553*2 - 234,24*25 + 52318 = 158 261.