2.2 Нахождение приближающей функции в виде линейной функции и квадратного трехчлена
Будем искать приближающую функцию в виде:
(6)
Найдем частные производные по параметрам a и b: и составим систему вида (4)
Сумма здесь и далее берется по параметру i в пределах от 1 до n
Далее имеем:
деля каждое уравнение на n, получим:
Размещено на http://www.allbest.ru/
9
(7)
Введем обозначения:
(8)
Тогда последняя система будет иметь следующий вид:
(9)
Коэффициенты этой системы - числа, которые в каждой конкретной задаче приближения могут быть легко вычислены по формулам (8), в которых - значения из исходной таблицы. Решив систему (9), получим значения параметров a и b и, следовательно, конкретный вид линейной функции (5)
В случае нахождения приближающей функции в виде квадратного трехчлена имеем:
(10)
Находим частные производные:
Составим систему вида (3)
После несложных преобразований получается система трех линейных уравнений с неизвестными a,b и c. Коэффициенты системы, так же как и в случае линейной функции, выражаются только через известные данные исходной таблицы:
(11)
Здесь использованы обозначения (8), а также
(12)
Решение системы (11) дает значения параметров a, b и c для приближающей функции (10)
- Введение
- Глава 1. Теоретические сведения
- §1 Многочлен Лагранжа
- 1.1 Постановка задачи
- 1.2 Построение интерполяционного многочлена Лагранжа
- 2.1 Постановка задачи
- 2.2 Нахождение приближающей функции в виде линейной функции и квадратного трехчлена
- 2.3 Нахождение приближающей функции в виде других элементарных функций
- Глава 2. Вычислительный эксперимент
- §1 Листинг программы по МНК
- §2 Листинг программы по многочлену Лагранжа
- §3 Вывод
- 35. В чем суть метода наименьших квадратов?
- Методы регрессивного анализа: метод наименьших квадратов, метод наименьших модулей.
- Метод наименьших квадратов
- 4.1. Метод наименьших квадратов
- 26. Задача наименьших квадратов. Прямой метод решения.
- Метод наименьших квадратов
- 20.5. Минимизация в задаче о наименьших квадратах и нелинейные регрессионные модели.
- Метод наименьших квадратов для регрессионного анализа
- 4.16 Регрессионная модель эксперимента и метод наименьших квадратов