Вы находитесь на странице: 1из 6

1

АППРОКСИМАЦИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ


ПО МЕТОДУ НАИМЕНЬШИХ КВАДРАТОВ
Постановка задачи
Предположим, что между независимой переменной x и зависимой
переменной y имеется некая неизвестная функциональная связь
y=f ( x ) , которая отображается в виде таблицы

xi x0 x1 … xn
yi y0 y1 … yn

Приближенные значения y i≈f ( x i ) получены в ходе


наблюдений или экспериментов. Требуется дать приближенное
аналитическое описание этой связи, т. е. подобрать функцию ϕ( x)
такую, которая аппроксимировала бы на отрезке [ x 0 , x n ] заданную
отдельными приближениями y i функцию f (x ) .
Один из подходов к решению задачи о приближении функции
f (x ) по набору экспериментальных данных заключается в том, что
подбирается функция ϕ( x) , которая описывает набор измеренных
значений y i в среднем, т. е. выполнение условия ϕ( x i )= y i не
требуется.

Рис. 1

Рассмотрим способ получения аппроксимирующей функции ϕ( x)


методом, носящим название «метод наименьших квадратов», сущность
которого заключается в следующем.
Пусть значения функции y=f ( x ) определены на дискретном
множестве точек
x 0 , x 1 ,…, x n ,
2

т. е.
y i=f ( x i ) , i=0,1 ,…, n .
В качестве функции ϕ( x) для аппроксимации неизвестной
функциональной связи y=f ( x ) выберем полином
Pm ( x )=a 0 + a1 x+ a2 x 2 + … + am x m , (1)
степень которого m≤n .
Ставится задача: аппроксимировать функцию f (x ) полиномом
2 m
Pm ( x )=a 0 + a1 x+ a2 x + … +am x ,
степень которого m≤n .
Таким образом, при заданной степени m многочлена (1) необходимо
найти его коэффициенты
a0 , a1 ,…,am .

Рис.2

Пусть погрешность аппроксимации функции f (x ) многочленом


Pm ( x) в узлах x i , i=0,1,2, …, n (рис. 2) равна
ε i =Pm ( x i )−f ( x i )=Pm ( xi )− y i =a0 +a1 x i + a2 x 2i +…+am x mi − y i , (2)
а сумма квадратов указанных погрешностей
n n
2
S=S( a0 , a1 ,…, am )=∑ ε i2= ∑ ( a0 +a1 x i + a2 xi2 +…+am x mi − y i ) .
i=0 i =0 (3)
Согласно методу наименьших квадратов, коэффициенты
a0 , a1 ,a 2 ,…,a m выбираются так, чтобы сумма квадратов ошибок
аппроксимации S=S( a0 , a1 ,…, am ) была минимальной. Отсюда и
название метода – «метод наименьших квадратов».
Таким образом, необходимо минимизировать функцию
S=S( a0 , a1 ,…, am ) как функцию (m+1)-й переменной a0 , a1 ,a 2 ,…, a m ,
A=( a0 , a1 , a2 ,… , am )T
т. е. определить такой вектор коэффициентов , при
3

котором функция S( A ) достигает своего минимума.

Ctrl+Shift+Enter
4

Инструмент «Линия тренда»

Л(Макет)►Линия тренда
5
6