1.3 Линейная и квадратичная регрессия
Найдем приближающую функцию в виде:
F(x, a, b) = ax + b (11)
Частные производные по параметрам:
∂F/∂а = x; ∂F/∂b = 1 (12)
Составим систему вида (6-8):
∑ (yi - axi - b)xi = 0; ∑ (yi - axi - b) = 0 (13)
Сумма здесь и далее берется по параметру i в пределах от 1 до n . Далее имеем:
∑ xi yi - a∑ x2i - b∑xi = 0; ∑ yi - a∑ x2i - nb = 0 (14)
или, деля каждое уравнение на n:
(n-1 ∑ x2i) · a +(n-1 ∑xi) · b = n-1 ∑ xi yi (15)
(n-1∑xi) · a + b = n-1 ∑ yi (16)
Введем обозначения:
Mx = n-1∑xi ; My = n-1 ∑ yi ; Mxy = n-1 ∑ xi yi ; Mx2 = n-1 ∑ x2i; (17)
Тогда система будет иметь вид:
Mx2a + M b = Mxy ; Mx a + b = My (18)
Коэффициенты этой системы Mx, My, Mxy, Mxy, - числа, которые в каждой конкретной задаче приближения могут быть легко вычислены по формулам (17). Решив систему (18), получим значения параметров a и b, а следовательно, и конкретный вид линейной функции (11).
Для квадратичной приближающей функции:
F(x, a, b ,c) = ax2 + bx + c (19)
Частные производные:
∂F/∂а = x2; ∂F/∂b = x, ∂F/∂c = 1 (20)
Находим систему вида (6) - (8):
∑ (yi - ax2i - bxi - c)x2i = 0; ∑ (yi - ax2i - bxi - c)xi = 0 (21)
∑ (yi - ax2i - bxi - c) = 0 (22)
После несложных преобразований получается система трех линейных уравнений с тремя неизвестными a, b и с. Коэффициенты системы, так же как и в случае линейной функции, выражаются через неизвестные данные из таблицы 1:
Mx4 a + M x3 b + M x2 c = M x2y ;
Mx3 a + M x2 b + M x c = M xy ; (23)
Mx2 a + M x b + c = M y ;
Здесь использованы следующие обозначения:
Mx4 = n-1 ∑x4i ; Mx3 = n-1 ∑x3i ; M x2y = n-1 ∑x2iyi (24)
Решение системы (23) дает значения параметров a, b и с для приближающей функции (19). Примеры нахождения приближающих функций в виде других элементарных функций представлены в работе [2].
Задание на расчет
Cоставить алгоритм и программу аналитической аппроксимации функции, заданной таблично. Найти такие значения δ1 и δ2, входящие в уравнение (25), при которых погрешность аппроксимации табличной функции с помощью соотношения (25) минимальна. Внести предложения по модификации соотношения (25) с целью снижения величины абсолютной погрешности.
(25)
Ниже приведены примеры программ в системе MathCad и MatLab для решения данного задания.
Варианты заданий:
Таблица 2
α = 4
№ |
Y = 1 |
1.1 |
1.2 |
1.3 |
1.4 |
1.5 |
1.6 |
1.7 |
1.8 |
1.9 |
1 |
1.212 |
0.896 |
0.637 |
0.477 |
0.373 |
0.296 |
0.234 |
0.181 |
0.132 |
0.082 |
2 |
1.679 |
1.438 |
1.187 |
0.944 |
0.746 |
0.592 |
0.468 |
0.361 |
0.263 |
0.163 |
3 |
2.014 |
1.809 |
1.589 |
1.347 |
1.105 |
0.887 |
0.702 |
0.542 |
0.394 |
0.245 |
4 |
2.274 |
2.096 |
1.896 |
1.67 |
1.423 |
1.171 |
0.935 |
0.722 |
0.525 |
0.327 |
5 |
2.501 |
2.329 |
2.143 |
1.931 |
1.692 |
1.431 |
1.161 |
0.902 |
0.656 |
0.408 |
6 |
2.636 |
2.522 |
2.347 |
2.146 |
1.916 |
1.657 |
1.374 |
1.079 |
0.787 |
0.49 |
7 |
2.828 |
2.684 |
2.517 |
2.325 |
2.104 |
1.852 |
1.656 |
1.249 |
0.918 |
0.571 |
8 |
2.927 |
2.821 |
2.66 |
2.475 |
2.262 |
2.016 |
1.733 |
1.407 |
1.046 |
0.653 |
9 |
3.076 |
2.937 |
2.781 |
2.601 |
2.394 |
2.156 |
1.877 |
1.55 |
1.17 |
0.734 |
10 |
3.166 |
3.035 |
2.882 |
2.706 |
2.505 |
2.272 |
1.999 |
1.675 |
1.286 |
0.815 |
Таблица 3
α = 9
№ |
Y =1 |
1.15 |
1.3 |
1.45 |
1.6 |
1.75 |
1.9 |
2.05 |
2.2 |
2.35 |
2.5 |
11 |
1.851 |
1.671 |
1.358 |
1.079 |
0.872 |
0.719 |
0.6 |
0.503 |
0.419 |
0.345 |
0.276 |
12 |
2.682 |
2.507 |
2.26 |
1.984 |
1.698 |
1.43 |
1.199 |
1.005 |
0.837 |
0.689 |
0.552 |
13 |
3.175 |
3.091 |
2.88 |
2.637 |
2.364 |
2.072 |
1.779 |
1.503 |
1.256 |
1.033 |
0.828 |
14 |
3.543 |
3.545 |
3.355 |
3.135 |
2.884 |
2.602 |
2.297 |
1.979 |
1.669 |
1.376 |
1.104 |
15 |
4.201 |
3.916 |
3.74 |
3.536 |
3.301 |
3.034 |
2.736 |
2.408 |
2.063 |
1.716 |
1.379 |
16 |
4.254 |
4.225 |
4.059 |
3.866 |
3.644 |
3.391 |
3.103 |
2.779 |
2.423 |
2.042 |
1.652 |
17 |
4.482 |
4.486 |
4.327 |
4.142 |
3.93 |
3.688 |
3.41 |
3.095 |
2.739 |
2.344 |
1.917 |
18 |
4.895 |
4.706 |
4.553 |
4.375 |
4.171 |
3.937 |
3.669 |
3.363 |
3.013 |
2.615 |
2.167 |
19 |
5.068 |
4.892 |
4.743 |
4.571 |
4.373 |
4.146 |
3.886 |
3.588 |
3.246 |
2.852 |
2.396 |
20 |
5.273 |
5.049 |
4.903 |
4.735 |
4.542 |
4.32 |
4.067 |
3.777 |
3.443 |
3.055 |
2.6 |
Таблица 4
α = 16
№ |
1.1 |
1.3 |
1.5 |
1.7 |
1.9 |
2.1 |
2.3 |
2.5 |
2.7 |
2.9 |
3.1 |
21 |
2.544 |
2.232 |
1.885 |
1.553 |
1.284 |
1.076 |
0.912 |
0.775 |
0.659 |
0.556 |
0.463 |
22 |
3.623 |
3.392 |
3.117 |
2.802 |
2.463 |
2.126 |
1.818 |
1.549 |
1.317 |
1.111 |
0.924 |
23 |
4.394 |
4.197 |
3.962 |
3.687 |
3.374 |
3.029 |
2.666 |
2.307 |
1.972 |
1.666 |
1.386 |
24 |
5 |
4.823 |
4.611 |
4.363 |
4.076 |
3.751 |
3.39 |
3 |
2.604 |
2.215 |
1.847 |
25 |
5.497 |
5.333 |
5.136 |
4.906 |
4.639 |
4.334 |
3.988 |
3.602 |
3.183 |
2.744 |
2.303 |
26 |
5.913 |
5.757 |
5.572 |
5.355 |
5.103 |
4.813 |
4.482 |
4.108 |
3.69 |
3.231 |
2.743 |
27 |
6.264 |
6.116 |
5.938 |
5.731 |
5.49 |
5.212 |
4.895 |
4.534 |
4.124 |
3.663 |
3.154 |
28 |
6.562 |
6.418 |
6.247 |
6.047 |
5.815 |
5.548 |
5.242 |
4.892 |
4.493 |
4.039 |
3.523 |
29 |
6.814 |
6.674 |
6.508 |
6.314 |
6.088 |
5.829 |
5.532 |
5.193 |
4.805 |
4.359 |
3.847 |
30 |
7.025 |
6.889 |
6.727 |
6.537 |
6.317 |
6.065 |
5.775 |
5.445 |
5.066 |
4.63 |
4.126 |
ПРИМЕР ПРОГРАММНОЙ РЕАЛИЗАЦИИ
3.1. Программа поиска эмпирических коэффициентов по МНК в системе MathCad:
4. СОДЕРЖАНИЕ ОТЧЕТА
4.1 Наименование и цель работы.
4.2 Теоретическая часть.
4.3 Задание на расчет.
4.4 Результаты расчета и выводы.
4.5 Источники информации.
Литература
Алексеев А.П. Информатика 2003 / А.П. Алексеев. М.: Солон-Пресс, 2003. 464 с.
Заварыкин В.М. Численные методы / В.М. Заварыкин, В.Г. Житомирский, М.П. Лапчик. М.: Просвещение, 1991. 176 с.
ОБРАБОТКА ЧИСЛОВЫХ ДАННЫХ
Методическое указание
к лабораторной работе
Составил КОМАРОВ Вячеслав Вячеславович
Рецензент А.А. Димитрюк
Корректор Д.А.Козлова
Подписано в печать Формат 60х84 1/16
Бум. тип. Усл. печ. л. Уч. – изд. л.