priblizhenie tablichnykh funkcij po mnk

ПРИБЛИЖЕНИЕ ТАБЛИЧНЫХ ФУНКЦИЙ
ПО МЕТОДУ НАИМЕНЬШИХ КВАДРАТОВ
Постановка задачи аппроксимации
По результатам экспериментов получена таблица с произвольным расположением
аргументов:  xi , yi  , i  1, n . Аналитическое выражение табличной функции может быть
неизвестным. На основе этой таблицы требуется найти формулу F  F  x  , приближённо
описывающую зависимость между экспериментальными данными таблицы. При этом
отклонение значений в точках xi , i  1, n , вычисленные по формуле F  F  x  , от
экспериментальных данных yi должны быть минимальными.
Дано: точки наблюдения  xi , yi  i  1, n (их количество n).
x
y
x1
y1
x2
y2
…
…
xn
yn
Найти функцию F  x  и значение F  x*  , x*   x1; xn  :
1.
Fi  F  xi   yi , i  1, n
2.
  y, F   min , y   y1 , y2 , , yn  , F   F1 , F2 , , Fn 
Определение. Полученное функциональное соотношение F  x  для приближённого
описания зависимости между экспериментальными данными таблицы
 xi , yi  ,
i  1, n
называется эмпирической формулой, а функция F  x  – эмпирической функцией.
Возможным вариантом решения этой задачи является интерполирование. Однако этот
способ, требующий обязательного совпадения табличных значений табличной и
приближающей функций во всех табличных аргументах мало пригоден. При большом
количестве узлов он является неудобным и сложным, ибо потребует отыскания
многочлена большой степени.
Кроме того, экспериментальные данные в силу ряда причин могут иметь трудно
учитываемые случайные или систематические ошибки. В этих условиях
интерполирование становится сомнительным.
Часто с помощью какой-либо простой функции с проходящим около табличных точек
графиком, удаётся добиться эффекта сглаживания ошибок и получить более точное
приближение.
Поиск эмпирической формулы F  x  начинается с определения класса функций, которые
лучше всего отражают связь между табличными данными. Эффективным методом для
этого являются графические изображения. На координатной плоскости отмечаются
определяемые данной функцией точки, а затем по характеру их расположения
подбирается вид приближения из числа известных элементарных функций .
В перечень наиболее часто используемых классов функций входят, например, линейные
полиномиальные
логарифмические
y  a1 x  a0 ,
y  a ln x  b ,
y  a2 x2  a1x  a0
1
экспоненциальные y  aebx , степенные y  axb , дробно-рациональные y 
,
ax  b
b
гиперболические y  a  и другие функциональные зависимости.
x
35
50
y = ax + b
40
y = ax2 + bx + c
30
25
30
20
15
20
10
10
5
0
0
5
10
15
0
0
5
10
15
40000
14
12
10
8
6
4
2
0
30000
y = a lnx + b
y = aebx
20000
10000
0
5
10
0
15
0
100000
5
80000
4
5
10
15
y = 1/(ax + b)
3
60000
y=
axb
2
40000
1
20000
0
0
0
0
5
10
5
10
15
15
Метод наименьших квадратов для поиска приближённой зависимости
Поиск числовых параметров выбранной эмпирической зависимости F  x  сводится к
решению задачи поиска минимального значения метрики   y, F  
n
  y  F  x 
i 1
i
i
2
.
Определение.
Квадрат
метрики
n
 2  y , F     yi  F  xi  
2
называется
i 1
среднеквадратическим отклонением.
Задача приближения по методу наименьших квадратов. Требуется определить такие
значения параметров a0 , a1 , an выбранной эмпирической зависимости F  x, a0 , a1 , an  ,
 2  y, F  (среднеквадратическое отклонение) будет
при которых квадрат метрики
наименьшим:
n
 2  y , F     yi  F  xi , a0 , a1 ,
an    min
2
i 1
Эта задача является задачей поиска минимума функции многих переменных a0 , a1 ,
S  x, a0 , a1 ,
n
an     yi  F  xi , a0 , a1 ,
i 1
an :
an    min
2
Необходимое условие экстремума функции многих переменных – равенство нулю всех
частных производных функции:
i  1, n :
S
 0.
ai
Поскольку
n  y  F x ,a ,a ,
 i i 0 1
S

ai i 1
ai
параметры a0 , a1 ,
 y  F  x ,a ,a ,
i 1
2
n
 2  yi  F  xi , a0 , a1 ,
i 1
an  
F  xi , a0 , a1 ,
ai
an 
0,
an определяются из системы уравнений:
n
i
an  
i
0
an  
1
F  xi , a0 , a1 ,
an 
ai
 0 , i  1, n
(1)
Линейная аппроксимация
Пусть на основании графического изображения в качестве эмпирической функции
выбирается линейная функция F  x   a1 x  a0 .
Система (1) примет вид:
n
F  a1 xi  a0 
i 1
a0
  yi   a1 xi  a0  
F  a x  a 
  y   a x  a   a
n
1 i
i 1
i
1 i
0
1
0

 0

,
 0





i 1
.
n
 yi   a1 xi  a0    xi  0

i 1

n
  y   a x  a   1  0
i
1 i
0
Отсюда получается система линейных уравнений для определения параметров a0 , a1
линейной аппроксимации:
n
a1  xi2
i 1
n
a1  xi
n
 a0  xi

i 1

na0
i 1




i 1
.
n
yi 


i 1
n
x y
i
i
(2)
Задача 1
Методом наименьших квадратов определить параметры линейной эмпирической функции
F  x   a1 x  a0 по экспериментальным данным, представленным в таблице. Найти F  6  .
x
1
2
3
4
5
y
1,6
1
3
3,3
5,4
Решение
Количество точек наблюдения n = 5.
Для определения параметров линейной зависимости
вспомогательная таблица:
x
1
2
3
4
5
 15
F  x   a1 x  a0
составляется
y
x2
xy
1,6
1 1,6
1
4
2
3
9
9
3,3 16 13
5,4 25 27
14 55 53
Полученные значения сумм подставляются в систему линейных уравнений для
определения параметров a0 , a1 линейной аппроксимации:
55a1
 15a0
15a1

5a0
 52,8

 14,3 
Комментарий к решению системы. Точные методы решения этой системы линейных
уравнений известны: решение системы с помощью обратной матрицы, с помощью формул
Крамера, метод исключения неизвестных – метод Гаусса. В данном случае проще
применить метод Гаусса. Действительно, если умножить второе уравнение системы на (-3)
и сложить его с первым, то легко определяется параметр a1 :
55a1  15a0
45a1
 15a0

52,8 55a1
,
 42,9  10a1
 15a0
 52,8 55a1  15a0
,
 9,9 
a1
 52,8
.
 0,99 
При подстановке a1  0,99 в любое уравнение исходной системы получается a0  0,11 .
Искомая эмпирическая функция имеет вид: F  x   0,99 x  0,11 .
F  6   0,99  6  0,11  5,83
Реализация решения примера в MS Excel
Услуга Мастера диаграмм Построение линии тренда реализует метод наименьших
квадратов для поиска коэффициентов эмпирической функции и построения её графика.
Параметры линейной зависимости определяются с помощью Мастера функций: с
помощью функции ЛИНЕЙН из категории Статистические функции.
6
y = 0,99x - 0,11
R² = 0,8368
5
4
3
2
1
0
0
Квадратическая
аппроксимация
1
2
(параболическая,
3
4
5
полиномиальная
6
2-й
степени)
Пусть на основании графического изображения в качестве эмпирической функции
выбирается линейная функция F  x   a2 x 2  a1 x  a0 .
Система (1) примет вид:

n
i 1

n
i 1
yi   a2 xi2  a1 xi  a0 
 y  a x
n
i 1

i
2
2 i
 a1 xi  a0 


F  a2 xi2  a1 xi  a0 

 0
a0


2
F  a2 xi  a1 xi  a0 


 0 ,
a1

2

F  a2 xi  a1 xi  a0 

 0

a2

yi   a x  a1 xi  a0  
2
2 i

 a1 xi  a0  1  0 


2
yi   a2 xi  a1 xi  a0   xi  0  .


yi   a2 xi2  a1 xi  a0   xi2  0 

 y  a x



n
i 1
n
i 1

n
i 1
i
2
2 i

Отсюда получается система линейных уравнений для определения параметров a0 , a1 , a2
параболической аппроксимации:
n
a2  xi4
i 1
n
a2  xi3
i 1
n
a2  xi2
i 1
n
 a1  xi3
i 1
n
 a1  xi2
i 1
n
 a1  xi
n
 a0  xi2
i 1
n
 a0  xi
i 1

i 1
na0 

y 
i 1

n

  xi yi  .
i 1

n

  yi 
i 1


n
x
2
i i
Экспоненциальная аппроксимация
Пусть на основании графического изображения в качестве эмпирической функции
выбирается экспоненциальная функция F  x   aebx .
Для применения
линеаризуется:
метода
наименьших
квадратов
экспоненциальная
функция
ln F  ln aebx , ln F  ln a  bx .
Метод наименьших квадратов применяется к линейной функции
a  ln a , a  b , Fˆ  ln F , X  x .
0
F̂  a1 X  a0 , где
1
Задача 2
Методом наименьших квадратов определить параметры экспоненциальной эмпирической
функции F  x   aebx по экспериментальным данным, представленным в таблице. Найти
минимальную величину  2  y, F  . Найти F  6  .
x
1
2
3
4
5
y
2,1
6,2
13,3
24,6
117,5
Решение
Количество точек наблюдения n = 5.
Для применения
линеаризуется:
метода
наименьших
квадратов
ln F  ln aebx , ln F  ln a  bx .
экспоненциальная
функция
Метод наименьших квадратов применяется для определения коэффициентов линейной
функции F̂  a1 X  a0 , аппроксимирующей экспериментальные данные  X i , Yi  , где
X  x , Y  ln y , a  ln a , a  b , Fˆ  ln F , i  1, n .
i
i
i
i
0
1
Для определения параметров
вспомогательная таблица:

x
1
2
3
4
5
15
y
2,1
6,2
13,3
24,6
117,5
163,7
линейной
X=x
1
2
3
4
5
15
зависимости
Y= lny
0,7
1,8
2,6
3,2
4,8
13,1
X2
1
4
9
16
25
55
F̂  a1 X  a0
XY
0,7
3,6
7,8
12,8
23,8
48,8
составляется
F
2,13
4,82
10,90
24,65
55,73
(y – F)2
0,00
1,90
5,76
0,00
3815,82
3823,493
Полученные значения сумм подставляются в систему линейных уравнений для
определения параметров a0 , a1 линейной аппроксимации:
55a1  15a0
15a1

5a0
 48,8
.
 13,1 
Решением системы являются значения a1  0,94
эмпирическая функция имеет вид: Fˆ  0,94 x  0, 20 .
и
a0  0, 20 . Линеаризованная
Определение параметров экспоненциальной эмпирической зависимости производится из
ранее принятых соотношений:
a0  ln a , a1  b .
Откуда a  ea0  e0,20  0,82 , b  a1  0,94 . Искомая экспоненциальная эмпирическая
функция будет иметь вид: F  x   aebx  0,94  e0,82 x .
Логарифмическая аппроксимация
Пусть на основании графического изображения в качестве эмпирической функции
выбирается логарифмическая функция F  a ln x  b .
Метод наименьших квадратов применяется к линейной функции F̂  a1 X  a0 , где a0  b ,
a1  a , F̂  F , X  ln x .
Степенная аппроксимация
Пусть на основании графического изображения в качестве эмпирической функции
b
выбирается степенная функция F  x   ax .
Для применения метода наименьших квадратов степенная функция линеаризуется:
ln F  x   ln axb , ln F  x   ln a  b ln x .
Метод наименьших квадратов применяется для определения коэффициентов линейной
функции F̂  a1 X  a0 , аппроксимирующей экспериментальные данные  X i , Yi  , где
X  ln x , Y  ln y , a  ln a , a  b , Fˆ  ln F , i  1, n .
i
i
i
i
0
1
Для определения параметров
вспомогательная таблица:

x
1
2
3
4
5
15
y
2,1
6,2
13,3
24,6
117,5
163,7
линейной
X = lnx
0,0
0,7
1,1
1,4
1,6
4,8
F̂  a1 X  a0
зависимости
X2
0,0
0,5
1,2
1,9
2,6
6,2
Y= lny
-0,5
0,6
1,7
2,3
2,9
7,0
XY
0
0,407423
1,852699
3,164054
4,704647
10,1
составляется
F
2,13
4,82
10,90
24,65
55,73
(y – F)2
0,00
1,90
5,76
0,00
3815,82
3823,493
Полученные значения сумм подставляются в систему линейных уравнений для
определения параметров a0 , a1 линейной аппроксимации:
6, 2a1  4,8a0
4,8a1

5a0
 10,1
.
 7, 0 
Решением системы являются значения a1  2,14
эмпирическая функция имеет вид: Fˆ  2,14 x  0,65 .
и
a0  0, 65 . Линеаризованная
Определение параметров степенной эмпирической зависимости производится из ранее
принятых соотношений:
a0  ln a , a1  b .
Откуда a  ea0  e0,65  0,52 , b  a1  2,14 . Искомая степенная эмпирическая функция
будет иметь вид: F  x   axb  0,52 x 2,14 .
Вопрос выбора наилучшей эмпирической зависимости
Если для таблицы  xi , yi  можно указать несколько классов эмпирических функций, то
сначала из каждого класса методом наименьших квадратов ищется наилучшая функция, а
затем из них выбирается та, которая даёт наименьшее среднеквадратическое отклонени е
  y, F  .
Решение задачи 5 из Типового расчёта №2
Задание 5.
квадратов
Приближение табличных функций по методу наименьших
Найти функцию, являющуюся наилучшим приближением к данной табличной функции по
методу наименьших квадратов.
x y
1
2
3
4
5
6
7
2,6
6,4
19
38,9
85,8
322,3
796,9
Для исследования в MS Excel использовать
1)
2)
3)
4)
5)
линейную функцию;
полиномиальную функцию 2-й степени;
экспоненциальную функцию;
логарифмическую функцию;
степенную функцию.
Выбрав наиболее подходящую зависимость, найти прогнозное значение F  8  .
Решение
Порядок работы:
1.
2.
3.
Ввести двумерный массив данных  xi , yi  , i  1, 7 в таблицу MS Excel.
Сформировать массивы предполагаемых эмпирических зависимостей, исп ользуя
абсолютные ссылки на параметры функций (пусть ячейки с этими параметрами
пока не заполнены).
Сформировать суммы квадратов разностей значений эмпирической функции и
соответствующих эмпирических данных.
4.
С помощью Надстройки MS Excel Поиск решения провести минимизацию целевых
функций - сумм квадратов разностей, используя в решении метод ОПГ.
5.
Из полученных минимальных значений сумм квадратов выбрать наименьшее
значение. Соответствующую функцию можно принимать за искомую
эмпирическую зависимость, по которой вычисляется прогнозное значение.
6.
Построить графики полученных эмпирических функций.
1000
800
F_линейн
600
F_поли
400
y
200
F_эксп
F_лог
0
1
-200
-400
2
3
4
5
6
7
F_степ