Projekt 3 3. APROKSYMACJA FUNKCJI

Podobne dokumenty
Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

BADANIE DRGAŃ RELAKSACYJNYCH

11. Aproksymacja metodą najmniejszych kwadratów

FUNKCJE DWÓCH ZMIENNYCH

Wnioskowanie statystyczne dla korelacji i regresji.

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak

STATYSTYKA MATEMATYCZNA

SZTUCZNA INTELIGENCJA

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku?

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

INFORMATYKA W CHEMII Dr Piotr Szczepański

Środek masy i geometryczne momenty bezwładności figur płaskich 1

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych

WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ

n 3 dla n = 1,2,3,... Podać oszacowania

METODY KOMPUTEROWE 1

RÓWNANIA RÓŻNICZKOWE WYKŁAD 7

Regresja liniowa. Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2,

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Metody numeryczne procedury

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

Statystyka. Metody analizy korelacji i regresji

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19

7. Szeregi funkcyjne

Projekt 2 2. Wielomiany interpolujące

ZADANIA Z ANALIZY MATEMATYCZNEJ dla I roku kierunku informatyka WSZiB

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

Prawo propagacji niepewności. 1

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel

Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Rysunek 11.

POMIAR SIŁY ELEKTROMOTORYCZNEJ OGNIWA I CHARAKTERYSTYKI JEGO PRACY

Przykład 2.5. Figura z dwiema osiami symetrii

Zapis wskaźnikowy i umowa sumacyjna

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1,

R A P O R T. Wykonał: dr hab. inż. Piotr Banasik prof. nzw.agh dr inż. Marcin Ligas dr inż. Jacek Kudrys dr inż. Bogdan Skorupa

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe.

Linie regresji II-go rodzaju

DOPASOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

7. SFORMUŁOWANIE IZOPARAMETRYCZNE

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Wykład 9. Podejmowanie decyzji w warunkach niepewności

Wykład Podejmowanie decyzji w warunkach niepewności

ANALIZA NIEPEWNOŚCI POMIAROWYCH W PIGUŁCE

Statystyka. Katarzyna Chudy Laskowska

Sposoby wyznaczenia błędu bezwzględnego. Pomiar bezpośredni. Pomiar pośredni. f x. f x. f x. f x. x n = =

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA.

DOBÓR DODATKOWYCH REZYSTORÓW I BOCZNIKÓW DO GALWANOMETRU

Wyznacznik macierzy. - wyznacznik macierzy A

Rachunek różniczkowy funkcji wielu zmiennych

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym.

TEORIA BŁEDÓW POMIARÓW

Wykład 6. Klasyczny model regresji liniowej

Przydatna wiedza dotycząca systemów transmisji cyfrowej

Opracowanie wyników pomiarów

χ (MNK) prowadziła do układu m równań liniowych ze względu

ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY Etapy rozwiązania zadania , 3 5, 7

Wykład 7: Pochodna funkcji zastosowania do badania przebiegu zmienności funkcji

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Przykładowe zadania dla poziomu rozszerzonego

Spójne przestrzenie metryczne

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Zadania i rozwiązania prac domowych z Analizy Matematycznej 1.2 z grupy pana Ryszarda Kopieckiego, semestr letni 2011/2012.

Klucz odpowiedzi do zadań zamkniętych i schemat oceniania zadań otwartych

MACIERZE I DZIAŁANIA NA MACIERZACH. Niech ustalone będzie ciało i dwie liczby naturalne,.

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

METODY NUMERYCZNE. Wykład 5. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH. Met.Numer. wykład 5 1

Macierze w MS Excel 2007

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

Rozkłady prawdopodobieństwa 1

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA

Algebra WYKŁAD 5 ALGEBRA 1

Przykład 2.6. Przekrój złożony z trzech kształtowników walcowanych.

Wcześniej zajmowaliśmy się przypadkiem, w którym zależność między wielkościami mierzonymi dało się przedstawić przy pomocy funkcji: = 3

Metody Lagrange a i Hamiltona w Mechanice

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera

Materiały do wykładu 7 ze Statystyki

Iloczyn skalarny

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów

I. APROKSYMACJA I INTERPOLACJA FUNKCJI JEDNEJ ZMIENNEJ

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13 III etap zawodów (wojewódzki) 12 stycznia 2013 r.

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Rachunek różniczkowy funkcji wielu zmiennych

e) Kwadrat dowolnej liczby b) Idź na dwór! całkowitej jest liczbą naturalna. c) Lubisz szpinak? f) 12 jest liczbą pierwszą. d) 3 2 =10.

m) (2.2) p) (2.3) r) (2.4)

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Natalia Nehrebecka. Dariusz Szymański

Transkrypt:

Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle ukcję (). Pojęce proksmcj m ses tlko w przpdku ked zdeowe jest krterum chrkterzujące błąd pomędz ukcją () welomem P(). 3.. Krterum Czebszew Współczk welomu proksmującego leż tk dobrć b mksml różc mędz wrtoścą ukcj () welomem P() osągęł mmum. Jeśl m ε (m) w przedzle b Gdze ε P( ) to wmg sę tutj b: m P( ) m (3.) Te rodzj proksmcj zw sę proksmcją jedostją lub proksmcją Czebszew 3.. Krterum jmejszego błędu kwdrtowego Współczk welomu proksmującego leż tk dobrć b cłk z kwdrtu ukcj błędu P( ) b osągęł mmum: ε w przedzle [ ] b ε d m (3.) 3. Aproksmcj metodą jmejszch kwdrtów Pożej przedstwm procedurę określ współczków ukcj proksmującej prz wkorzstu krterum jmejszego błędu kwdrtowego Złóżm że welkośc zwąze są ezą zleżoścą () są określoe płszczźe - w sposób dskret z pomocą -puktów o współrzędch (... ).

W tm celu leż wbrć tp ukcj )... ( któr zleż w sposób jw od prmetrów... stępe określć te prmetr tk b zmmlzowć ukcję krterlą )... ( [ ]...... (3.3) Fukcj t osąg mmum w puktch okresloch wrukm: 0... 3 (3.4) Różczkując ukcję względem poszczególch prmetrów uzskuje sę stępując ukłd rówń : [ ] 0... [ ] 0...... [ ] 0... )... ( X

Dostjem węc k rówń k ewdomm co pozwl wzczee k espólczków welomu proksmujcego. Wele zgdeń moż rozwązć przjmując z pukt wjśc proksmcję prz wkorzstu ukcj lowej. W przpdku zleżośc elowch często moż sprowdzć rówe do lowego co przedstwoo pożej w tbel 3. TABLA 3. () Nowe zmee z + b z l l lb b b z l l b l + b z b + b q z lg q b + z + b z b b b 3.. Regresj low jko przkłd proksmcj. Przjmjm ukcję proksmujcą w postc ukcj lowej wrżoej wzorem : Fukcj krterl m w tm przpdku postć : + b (3.5) (3.6) + b Wruk mmum ukcj krterlej wrzoe przez pochode cząstkowe wzgledem prmetrów proksmcj b mją postć : ( + b) ( ) 0 3

( + b) ( ) 0 b co prowdz do ukłdu rówń : + b + b (3.7) Rozwązem powższego ukłdu rówń są wrtośc wspólczków b : (3.8) b (3.9) 3.3 Współczk regresj odchlee stdrdowe Wprowdźm pojęc z rchuku sttstczego : wrtość średej odeso do zmeej { L } zmeość welkośc chrkterzow jest wzorem : (3.0) (3.) gdze określ odchlee stdrdowe rówe co do wrtośc : (3.) Wprowdźm dl ukłdu puktów ( ) zjduje sę w pukce o współrzędch rówch ( ) w którm owe współrzęde wrżją sę wzorm : Łtwo wkzć że : ow ukłd współrzędch którego początek u ; v (3.3) 4

u 0 v 0 (3.4) Z decj odchle stdrdowego może psć że : orz u (3.5) v (3.6) W owm ukłdze współrzędch rówe regresj lowej m postć : v αu + β (3.7) Moż pokzć że wrtośc prmetrów α β wrżją sę wzorm : Możem ozczć α jko Możem węc psć : α β 0 u v α gdż poszukw relcj jest relcją. (3.8) v α u (3.9) Korzstjąc z zleżośc (4.3) moz zpsć : α co pozwl zpsć rówe regresj w perwotm ukłdze odese : węc α b α. ( α ) Rozwzm stępe zleżość odwrotą w owm ukłdze odese : α + (3.0) - wówczs rówe regresj m postć : + b (3.) 5

u αv + β (3.) Moż pokzć że wrtośc prmetrów regresj w owm ukłdze są rówe : α α β 0 u v (3.3) rówe w ukłdze : węc α (3.4) ( α ) α + Prmetr odwrotej regresj w ukłdze woszą : α α b. Wspólczk lowej korelcj jest perwstkem kwdrtowm z tgesów kątów chle dwóch prostch regresj : r α α u v u v u v węc wspólczk korelcj wrż sę wzorem : uv r (3.5) Powższą ormułę dl ukłdu os możem zpsć w postc : r (3.6) Wspólczk kąt chle prostch moz przedstwć prz pomoc wspólczk korelcj r w postc : orz uv r (4.7) α 6

u v α r (4.8) Możem węc proksmcję lową zpsć : :. w ukłdze czl w ukłdze :. w ukłdze : czl w ukłdze : (4.9) v r u ( ) (4.30) r u r v (4.3) ( ) (4.3) r N postwe powższch wzorów mozem zpsć : r. (4.33) 3.3. Włsośc współczk korelcj «r» Ozczm sumę kwdrtów odległosc puktów od prostej : d v α u v α uv + α u (4.34) Poewż węc uv α d v α + α u Wem podto że : u v 7

Węc d α + α α (4.35) Poewż : α r możem zpsć ( ) ( ) d r r (4.36) Dzeląc przez obe stro rów (4.36) dostjem : ( r ) d (4.37) Welkość gdze : d okresl zmeość błędu estmcj S w keruku os S d (4.38) Przedzł uosc w którm zjdują se pukt ze zboru okresl mpltud + S S z pozomem uośc 68%. Alogcze możem okreslć błąd estmcj w keruku os : S ( r ) (4.39) δ Błęd estmcj w kerukch wrżją sę wzorm : ( ); ( ) S r S r Wk stąd wruek współczk korelcj r : węc : ( r ) 0 (4.40) < r < 8

czl mm : r ± sl korelcj r 0 brk korelcj. Współczk korelcj moż wrzć czej korzstjc ze wzoru (4.6) : r (4.4)... 9