Обработка результатов экспериментов и наблюдений
Рефераты >> Математика >> Обработка результатов экспериментов и наблюдений

Поставим теперь задачу нахождения по результатам наблюдений наиболее вероятные значения неизвестных коэффициентов.

Предположим, что искомая зависимость y = ¦(х) существует. Тогда параметры этой линии необходимо выбрать таким образом, чтобы точки yi располагались по обе стороны кривой y = ¦(х) как можно ближе к последней. Предположим, что разброс точек yi относительно y = ¦(х) подчиняется закону нормального распределения. Тогда мерой разброса является дисперсия s2 или ее приближенное выражение - средний квадрат отклонений.

.

И требование минимального разброса будет удовлетворено, если минимизировать выражение ( Dyi )2. Как известно, необходимым условием того, что функция приобретает минимальное значение, является то, что ее первая производная ( или частные производные для функции многих переменных ) равна нулю. Применение метода наименьших квадратов имеет смысл, если число экспериментальных точек n больше числа определяемых коэффициентов.

Рассмотрим реализацию метода наименьших квадратов применительно к уравнению вида y = ax + b.

Для нахождения коэффициентов а, b искомой прямой необходимо минимизировать сумму квадратов расстояний Dyi по ординате от точки (хi; yi) до прямой ( см. рис. 12 ). Расстояния Dyi определятся

Dyi = yi - axi - b.

Рис. 12. К способу наименьших квадратов

Для минимизации приравниваем к нулю производные этой суммы по параметрам а, b:

;

.

Преобразуем эту систему

Получим систему нормальных уравнений метода наименьших квадратов.

Решая ее относительно а, b получаем:

; .

Вычисляя из n опытов необходимые суммы и производя указанные действия, получаем величину коэффициентов а, b.

Как видно, способ наименьших квадратов достаточно громоздок и при его применении широко используется вычислительная техника. Метод наименьших квадратов может использоваться и в случае нелинейных функций. Например, если определяются параметры квадратичной зависимости:

y = ах2 + bx + с,

то

.

Дифференцируя это соотношение по а, b, с получаем систему нормальных уравнений:

Из этой системы можно определить параметры а, b, с.

При использовании метода наименьших квадратов при других нелинейностях, удобнее будет линеаризовать исходные зависимости.

В табл. 4 приведены системы нормальных уравнений для некоторых исходных уравнений.

Таблица 4

Системы нормальных уравнений

Исходное

уравнение

Система нормальных уравнений

y=axb

y=a×lgx+b

y=eax+b

y=aebx

y=

y=

y=

Примечания: 1. Величины х, y обозначают значения величин хi, yi в i-ом

опыте;

2. Знак S обозначают сумму величин от i = 1 до i = n, где n

- число равноточных измерений.

3.3.3. Интерполирование функций

Известно, что под интерполированием понимают отыскание значений функции, соответствующих промежуточным значениям аргумента, отсутствующим в таблице логарифмов, тригонометрических и др. функций.

В общем смысле можно сказать, что задача интерполирования обратна задаче табулирования функций. При интерполировании по таблице значений функции строится ее аналитическое выражение, т.е. по значениям функции yo, y1, ., yn при значениях аргумента хо, х1, ., хn определяется выражение неизвестной функции.

Понятно, что через данные точки ( даже большого числа ) можно провести множество различных кривых. Поэтому существует интерполирование в различных функциях F (х). Чаще всего требуют, чтобы функция F(х) была многочленом степени на единицу меньшей, чем число известных значений.

Таким образом, задачу интерполирования функций можно сформулировать следующим образом.

Для данных значений х º хо, х1, ., хn и y º yo, y1, ., yn найти многочлен y = F (х) степени n, удовлетворяющий условиям F (хо) = yo, F (х1) = y1, ., F (хn) = yn. Точки хо, х1, ., хn называют узлами интерполяции. Многочлен F (х) - интерполяционным многочленом , а формулы его построения - интерполяционными формулами.

Как видно из описания сущности интерполирования, в отличии от описанных ранее способов получения функций ( графического, метода средних, метода наименьших квадратов ), интерполяционный многочлен опишет кривую, проходящую точно через заданные точки.

3.3.4. Параболическое интерполирование

При параболическом интерполировании в качестве интерполяционного многочлена F (х) принимают многочлен n - ой степени вида

F (х) = ао + а1х + а2х2 + . + аnxn.

Используя свойство прохождения функции F (х) через заданные точки для неизвестных коэффициентов аi можно составить n + 1 уравнений с n + 1 неизвестным:

ао + а1хо + а2хо2 + . + аnхоn = yo;

ао + а1х1 + а2х12 + . + аnх12 = y1;

ао + а1хn + а2хn2 + . + аnхn2 = yn.

Эта система имеет единственное решение, если значения хi отличны друг от друга. Понятно, что при большом n возникает сложность решения этой системы. Перед рассмотрением общего способа решения, рассмотрим простой пример.


Страница: