Аппроксимация функции методом наименьших квадратов

Построение эмпирических формул методом наименьших квадратов средствами программы Excel. Получение числовых характеристик линейной, квадратичной и экспоненциальной зависимостей. Нахождение искомой зависимости графически и средствами Mathcad.

Рубрика Программирование, компьютеры и кибернетика
Вид курсовая работа
Язык русский
Дата добавления 26.07.2015
Размер файла 519,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

2

Министерство образования Российской Федерации

Санкт-Петербургский государственный горный институт им. Г.В. Плеханова

(технический университет)

КУРСОВАЯ РАБОТА
по дисциплине Информатика
Тема: Аппроксимация функции методом наименьших квадратов
Автор: студент гр. ОНГ-09
Чебышева А.М.
Cанкт-Петербург 2010
ВВЕДЕНИЕ

Целью курсовой работы является углубление знаний по информатике, развитие и закрепление навыков работы с табличным процессором Microsoft Excel и применение их для решения задач с помощью ЭВМ из предметной области, связанной с исследованиями.

В каждом задании формулируются условия задачи, исходные данные, форма выдачи результатов, указываются основные математические зависимости для решения задачи. В соответствии с методом решения задачи разрабатывается алгоритм решения, который представляется в графической форме. Разработанная программа проходит этап отладки, в процессе которого обнаруживаются ошибки, допущенные при составлении алгоритма и написании программы. Контрольный расчет позволяет убедиться в правильности работы программы.

ПОСТАНОВКА ЗАДАЧИ

1. Используя метод наименьших квадратов функцию , заданную таблично, аппроксимировать

а) многочленом первой степени ;

б) многочленом второй степени ;

в) экспоненциальной зависимостью .

2. Для каждой зависимости вычислить коэффициент детерминированности.

3. Вычислить коэффициент корреляции (только в случае а).

4. Для каждой зависимости построить линию тренда.

5. Используя функцию ЛИНЕЙН вычислить числовые характеристики зависимости от .

6. Сравнить свои вычисления с результатами, полученными при помощи функции ЛИНЕЙН.

7. Сделать вывод, какая из полученных формул наилучшим образом аппроксимирует функцию .

8. Написать программу на одном из языков программирования и сравнить результаты счета с полученными выше.

Функция задана Рис. 1.

excel mathcad линейный квадратичный экспоненциальный

Рис. 1. Исходные данные

РАСЧЁТНЫЕ ФОРМУЛЫ

Часто при анализе эмпирических данных возникает необходимость найти функциональную зависимость между величинами x и y, которые получены в результате опыта или измерений.

Хi (независимая величина) задается экспериментатором, а yi , называемая эмпирическими или опытными значениями получается в результате опыта.

Аналитический вид функциональной зависимости, существующей между величинами x и y обычно неизвестен, поэтому возникает практически важная задача - найти эмпирическую формулу

, (1)

(где - параметры), значения которой при возможно мало отличались бы от опытных значений.

Согласно методу наименьших квадратов наилучшими коэффициентами считаются те, для которых сумма квадратов отклонений найденной эмпирической функции от заданных значений функции

(2)

будет минимальной.

Используя необходимое условие экстремума функции нескольких переменных - равенство нулю частных производных, находят набор коэффициентов , которые доставляют минимум функции, определяемой формулой (2) и получают нормальную систему для определения коэффициентов :

(3)

Таким образом, нахождение коэффициентов сводится к решению системы (3).

Вид системы (3) зависит от того, из какого класса эмпирических формул мы ищем зависимость (1). В случае линейной зависимости система (3) примет вид:

(4)

В случае квадратичной зависимости система (3) примет вид:

(5)

В ряде случаев в качестве эмпирической формулы берут функцию в которую неопределенные коэффициенты входят не линейно. При этом иногда задачу удается линеаризовать т.е. свести к линейной. К числу таких зависимостей относится экспоненциальная зависимость

(6) где a1и a2 неопределенные коэффициенты.

Линеаризация достигается путем логарифмирования равенства (6), после чего получаем соотношение

(7)

Обозначим и соответственно через и , тогда зависимость (6) может быть записана в виде , что позволяет применить формулы (4) с заменой a1 на и на .

График восстановленной функциональной зависимости y(x) по результатам измерений (xi, yi), i=1,2,…,n называется кривой регрессии. Для проверки согласия построенной кривой регрессии с результатами эксперимента обычно вводят следующие числовые характеристики: коэффициент корреляции (линейная зависимость), корреляционное отношение и коэффициент детерминированности.

Коэффициент корреляции вычисляется по формуле:

(8)

(9)

где - среднее арифметическое значение соответственно по x, y.

Коэффициент корреляции между случайными величинами по абсолютной величине не превосходит 1. Чем ближе к 1, тем теснее линейная связь между x и y.

В случае нелинейной корреляционной связи условные средние значения располагаются около кривой линии. В этом случае в качестве характеристики силы связи рекомендуется использовать корреляционное отношение, интерпретация которого не зависит от вида исследуемой зависимости.

Корреляционное отношение вычисляется по формуле:

(10)

где а числитель характеризует рассеяние условных средних около безусловного среднего.

Всегда. Равенство = соответствует случайным некоррелированным величинам; = тогда и только тогда, когда имеется точная функциональная связь между x и y. В случае линейной зависимости y от x корреляционное отношение совпадает с квадратом коэффициента корреляции. Величина используется в качестве индикатора отклонения регрессии от линейной.

Коэффициент детерминированности определяется по формуле:

(11)

где Sост = - остаточная сумма квадратов, характеризующая отклонение экспериментальных данных от теоретических.

Sполн - полная сумма квадратов, где среднее значение yi.

- регрессионная сумма квадратов, характеризующая разброс данных.

Чем меньше остаточная сумма квадратов по сравнению с общей суммой квадратов, тем больше значение коэффициента детерминированности r2, который показывает, насколько хорошо уравнение, полученное с помощью регрессионного анализа, объясняет взаимосвязи между переменными. Если он равен 1, то имеет место полная корреляция с моделью, т.е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминированности равен 0, то уравнение регрессии неудачно для предсказания значений y.

РАСЧЁТ С ПОМОЩЬЮ ТАБЛИЦ, ВЫПОЛНЕННЫХ СРЕДСТВАМИ MICROSOFT EXCEL

Для проведения расчётов, данные целесообразно расположить в виде таблицы 1, используя средства табличного процессора Microsoft Excel.

Таблица 1

Расчеты с помощью таблицы процессора Microsoft Excel

Аппроксимируем функцию линейной функцией. Для определения коэффициентов и воспользуемся системой (4). Используя итоговые суммы таблицы 2, расположенные в ячейках A27, B27, C27 и D27, запишем систему (4) в виде

(11)

решив которую, получим и .

Систему решали методом Крамера. Суть которого состоит в следующем. Рассмотрим систему n алгебраических линейных уравнений с n неизвестными:

(12)

Определителем системы называется определитель матрицы системы:

(13)

Обозначим - определитель, который получится из определителя системы Д заменой j-го столбца на столбец

(14)

Решение системы (11) проводим, пользуясь средствами Microsoft Excel. Результаты представлены в таблице 2.

Таблица 2

Решение системы (11)

Таким образом, линейная аппроксимация имеет вид

(15)

Далее аппроксимируем функцию квадратичной функцией . Для определения коэффициентов a1, a2 и a3 воспользуемся системой (5). Используя итоговые суммы таблицы 1, расположенные в ячейках A27, B27, C27 , D27, E27, F27, G27 запишем систему (5) в виде

(16)

решив которую, получим , и

Решение системы (16) проводим, пользуясь средствами Microsoft Excel. Результаты представлены в таблице 3.

Таблица 3.

Решение системы (16)

Таким образом, квадратичная аппроксимация имеет вид

(17)

Теперь аппроксимируем функцию экспоненциальной функцией

.

Для определения коэффициентов и прологарифмируем значения и, используя итоговые суммы таблицы 2, расположенные в ячейках A27, C27, H27 и I27, получим систему

(18)

где .

Решив систему (18), получим и .

После потенцирования получим .

Решение системы (18) проводим, пользуясь средствами Microsoft Excel. Результаты представлены в таблице 4.

Таблица 4

Решение системы (18)

Таким образом, экспоненциальная аппроксимация имеет вид

(19)

Вычислим среднее арифметическое и по формулам:

; .

Результаты расчета и средствами Microsoft Excel представлены в таблице 5.

Таблица 5

Результаты расчета и

Для того, чтобы рассчитать коэффициент корреляции и коэффициент детерминированности данные целесообразно расположить в виде таблицы 6, которая является продолжением таблицы 1.

Таблица 6

Продолжение Таблицы 1

Теперь проведем расчеты коэффициента корреляции по формуле (8) (только для линейной аппроксимации) и коэффициента детерминированности по формуле (10). Результаты расчетов средствами Microsoft Excel представлены в таблице 7.

Таблица 7

Расчеты по формулам (8) и (10)

Анализ результатов расчетов показывает, что квадратичная аппроксимация наилучшим образом описывает экспериментальные данные.

ИСПОЛЬЗОВАНИЕ ФУНКЦИИ ЛИНЕЙН ДЛЯ ТАБЛИЧНОГО ПРОЦЕССОРА MICROSOFT EXCEL

Получение числовых характеристик линейной зависимости

Для построения числовых характеристик необходимо создать табличную форму, которая будет занимать 5 строк и 2 столбца. В этот интервал требуется ввести функцию ЛИНЕЙН. Для этого выполняем следующую последовательность действий:

1. Выделим область А65:В69.

2. Вызовем функцию Линейн.

3. Определим аргументы функции

· В качестве изв_знач_у укажем А3:А27.

· В качестве изв_знач_х укажем В3:В27.

· Третье поле Константа оставим пустым.

· В четвертом поле стат наберем истина.

4. Нажмем кнопку ОК.

5. Установим курсор в строку формул.

Нажмем комбинацию клавиш Ctrl+Shift+Enter, это обеспечит ввод табличной формулы.

В результате должны заполниться все ячейки интервала А65:В69 (табл.8)

Таблица 8

Расчеты по формулам (8) и (10)

В ячейках А65:В69 введена формула {=ЛИНЕЙН(А3:А27;B3:B27;ИСТИНА;ИСТИНА)}.

Пояснения к табл. 8:

А67- коэффициент детерминированности

А68- F-наблюдаемое значение.

В68- число степеней свободы.

А69- факторная сумма квадратов.

В69- остаточная сумма квадратов.

Рассмотрим назначение функции ЛИНЕЙН.

Эта функция использует метод наименьших квадратов, чтобы определить прямую линию, которая наилучшим образом аппроксимирует имеющиеся данные.

Получение числовых характеристик квадратичной зависимости

1. Выделим область А71:С75.

2. Вызовем Мастер функций.

3. Выберем функцию Линейн.

4. Определим аргументы функции

· В качестве изв_знач_у укажем А3:А27.

· В качестве изв_знач_х укажем В3:В27.

· Третье поле Константа оставим пустым.

· В четвертом поле стат наберем истина.

5. Нажмем кнопку ОК.

6. Установим курсор в строку формул.

Нажмем комбинацию клавиш Ctrl+Shift+Enter. В результате должны заполниться все ячейки интервала А71:С75 (табл.9).

Таблица 9

Получение числовых характеристик квадратичной зависимости
В ячейках А71:С75 введена формула
={ЛИНЕЙН(А3:А27;B3:C27;ИСТИНА;ИСТИНА)}.

Получение числовых характеристик экспоненциальной зависимости

1. Выделим область А78:В82.

2. Вызовем Мастер функций.

3. Выберем функцию ЛГРФПРИБЛ.

4. Определим аргументы функции

· В качестве изв_знач_у укажем А3:А27.

· В качестве изв_знач_х укажем В3:В27.

· Третье поле Константа оставим пустым.

· В четвертом поле стат наберем истина.

5. Нажмем кнопку ОК.

6. Установим курсор в строку формулу.

Нажмем комбинацию клавиш Ctrl+Shift+Enter. В результате должны заполниться все ячейки интервала А78:В82 (см. табл.10).

Таблица 10

Получение числовых характеристик экспоненциальной зависимости
В ячейках А78:В82 введена формула
{=ЛГРФПРИБЛ(А3:А27;B3:B27;ИСТИНА;ИСТИНА)}.
Сравнивая значения коэффициентов, полученных вручную с табличными, видим отличие в значении (он вычислен в ячейке А78). Это связано с тем, что функция ЛГРФПРИБЛ возвращает параметры для соотношения . То есть . Отсюда следует, что .
Вычисление коэффициента представлено на рис.2.:
Рис. 2. Ячейка А78 Вычисление коэффициента
В ячейке А77 введена формула =LN(A78).

ГРАФИЧЕСКИЙ СПОСОБ НАХОЖДЕНИЯ ИСКОМОЙ ЗАВИСИМОСТИ

Рис. 3. График линейной аппроксимации в среде Microsoft Excel

Рис. 4. График квадратичной аппроксимации в среде Microsoft Excel

Рис. 5. График экспоненциальной аппроксимации в среде Microsoft Excel

НАХОЖДЕНИЕ ИСКОМОЙ ЗАВИСИМОСТИ В СРЕДЕ MATHCAD

Рис.6. График линейной аппроксимации в среде Mathcad

Рис. 7. График квадратичной аппроксимации в среде Mathcad

Рис.8. График экспоненциальной аппроксимации в среде Mathcad

ВЫВОД

Лучше всего функцию, заданную Рис.1. аппроксимирует квадратичная функция: , т.к. коэффициент детерминированности выше, и наиболее близок по абсолютной величине к 1 из всех вычисленных коэффициентов и равен 0,953. По условию x - это число оборотов вала, а у - это мощность косозубого шестеренного пневмо - двигателя, следовательно, величина мощности косозубого шестеренного пневмо - двигателя и число оборотов вала связаны квадратичной зависимостью. На правильность вычислений указывают результаты функции ЛИНЕЙН в табличном процессоре Microsoft Excel и вычисления в среде Mathcad.

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

Н. С. Пискунов. Дифференциальное и интегральное исчисление. М.: Наука. 1986. 279 с.

Информатика, Аппроксимация методом наименьших квадратов, методические указания. СПб, 2005. 96 с.

К. П. Власов. Методы научных исследований и организации эксперимента, Санкт-Петербургский горный институт. СПб, 2000.116 с.

Размещено на Allbest.ru

...

Подобные документы

  • Построение эмпирических формул методом наименьших квадратов. Линеаризация экспоненциальной зависимости. Элементы теории корреляции. Расчет коэффициентов аппроксимации, детерминированности в Microsoft Excel. Построение графиков функций, линии тренда.

    курсовая работа [590,9 K], добавлен 10.04.2014

  • Построение эмпирических формул методом наименьших квадратов. Линеаризация экспоненциальной зависимости. Элементы теории корреляции. Расчет аппроксимаций в табличном процессоре Excel. Описание программы на языке Turbo Pascal; анализ результатов ее работы.

    курсовая работа [390,2 K], добавлен 02.01.2015

  • Развитие навыков работы с табличным процессором Microsoft Excel и программным продуктом MathCAD и применение их для решения задач с помощью электронно-вычислительных машин. Схема алгоритма. Назначение функции Линейн и метода наименьших квадратов.

    курсовая работа [340,4 K], добавлен 17.12.2014

  • Аппроксимация эмпирических данных линейной и квадратичной зависимостью. Теория корреляции: расчет коэффициентов детерминированности. Построение алгоритма и вычисление приближённых функций методом наименьших квадратов в среде программирования Turbo Pascal.

    курсовая работа [766,6 K], добавлен 26.12.2011

  • Аппроксимация функции зависимости крутящего момента косозубого шестеренного пневмодвигателя К3М от числа оборотов вала в безразмерных величинах с помощью Microsoft Excel и PTC MathCad. Суть метода наименьших квадратов. Оценка точности аппроксимации.

    курсовая работа [1,2 M], добавлен 10.03.2012

  • Метод наименьших квадратов. Возможные варианты расположения экспериментальных точек. Аппроксимация экспериментальных данных в программах Microsoft Excel, MathCAD и MatLAB. Вычисление средних значений и их сумм. Коэффициенты корреляции и детерминации.

    курсовая работа [890,9 K], добавлен 30.10.2012

  • Определение зависимости одной физической величины от другой. Применение метода наименьших квадратов с помощью программного обеспечения Mathcad. Суть метода наименьших квадратов. Корреляционный анализ, интерпретация величины корреляционного момента.

    курсовая работа [63,8 K], добавлен 30.10.2013

  • Метод Гаусса и одно из его приложений в экономике (простейшая задача о рационе). Модель Леонтьева межотраслевого баланса. Алгебраический метод наименьших квадратов. Анализ данных эксперимента. Метод наименьших квадратов в Excel и аппроксимация данных.

    курсовая работа [598,7 K], добавлен 11.07.2015

  • Определение параметров линейной зависимости из графика. Метод парных точек. Метод наименьших квадратов. Блок-схема программного комплекса в Microsoft Visual Studio и Microsoft Excel. Инструкция пользователя, скриншоты. Общий вид программного кода.

    курсовая работа [2,1 M], добавлен 29.11.2014

  • Разработка алгоритма аппроксимации данных методом наименьших квадратов. Средства реализации, среда программирования Delphi. Физическая модель. Алгоритм решения. Графическое представление результатов. Коэффициенты полинома (обратный ход метода Гаусса).

    курсовая работа [473,6 K], добавлен 09.02.2015

  • Анализ методов идентификации, основанных на регрессионных процедурах с использованием метода наименьших квадратов. Построение прямой регрессии методом Асковица. Определение значения дисперсии адекватности и воспроизводимости, коэффициентов детерминации.

    курсовая работа [549,8 K], добавлен 11.12.2012

  • Построение аппроксимирующей зависимости методом наименьших квадратов. Расчет интеграла по Ричардсону. Последовательность действий при аппроксимации экспоненциальной зависимостью. Определение корня уравнения методом простых итераций и решение задачи Коши.

    курсовая работа [550,5 K], добавлен 13.03.2013

  • Аппроксимация – процесс замены таблично заданной функции аналитическим выражением кривой. Алгоритм нахождения зависимости между заданными переменными. Условия сходимости итераций к решению системы уравнений. Методы Якоби и Гаусса. Тестирование программы.

    курсовая работа [1,4 M], добавлен 28.08.2012

  • Отделение корней методом простых интеграций. Дифференцирование и аппроксимация зависимостей методом наименьших квадратов. Решение нелинейного уравнения вида f(x)=0 методом Ньютона. Решение системы линейных уравнений методом Зейделя и методом итераций.

    курсовая работа [990,8 K], добавлен 23.10.2011

  • Обзор методов аппроксимации. Математическая постановка задачи аппроксимации функции. Приближенное представление заданной функции другими, более простыми функциями. Общая постановка задачи метода наименьших квадратов. Нахождение коэффициентов функции.

    курсовая работа [1,5 M], добавлен 16.02.2013

  • Определение зависимости между экспериментальными данными при помощи аппроксимации, особенности решения поставленной задачи различными способами, проведение расчетов с помощью табличного процессора Microsoft Excel и среды программирования Turbo Pascal 7.0.

    курсовая работа [765,0 K], добавлен 25.02.2012

  • Основные методы и алгоритмы исследования. Нахождение минимума среднеквадратичного отклонения. Особенности решения нормальных уравнений. Параметры линейной аппроксимирующей функции. Расчет значений аппроксимирующей функции и среднеквадратичного уклонения.

    курсовая работа [749,3 K], добавлен 08.06.2019

  • Решения алгебраических уравнений методом выделения корней. Аппроксимация функций методом наименьших квадратов; дихотомия, бисекция. Одномерная оптимизация многоэкстремальных функций; метод золотого сечения. Многомерная оптимизация градиентным методом.

    курсовая работа [956,7 K], добавлен 04.03.2013

  • Определение ускорения свободного падения с помощью физического маятника. Период колебания физического маятника. Нахождение ускорения свободного падения методом наименьших квадратов. Решение задач методами Гаусса-Ньютона и квазиньютоновскими методами.

    лабораторная работа [32,4 K], добавлен 29.03.2015

  • Идентификация объектов методом наименьших квадратов, построение линейной модели для неравноточных измерений входной величины. Численные процедуры оценивания параметров нелинейной регрессии; аналитическая модель химического реактора; линеаризация.

    курсовая работа [1,2 M], добавлен 12.12.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.