и практически важных случаев связи
13
|
|
14
|
|
15
|
|
16
|
|
17
|
|
18
|
|
19
|
|
20
|
|
21
|
|
22
|
|
23
|
|
24
|
|
25
|
|
26
|
|
27
|
|
28
|
|
29
|
|
30
|
|
2.3. Аппроксимация функций
Одним из распространенных и практически важных случаев связи между аргументом и функцией является задание этой связи в виде некоторой таблицы {xi ; yi}, например, экспериментальные данные. На практике часто приходится использовать табличные данные для приближенного вычисления у при любом значении аргумента х (из некоторой области). Этой цели служит задача о приближении (аппроксимации) функций: данную функцию f(x) требуется приближенно заменить некоторой функцией g(х) так, чтобы отклонение g(х) от f(x) в заданной области было наименьшим. Функция g(х) при этом называется аппроксимирующей. Если приближение строится на заданном дискретном множестве точек {xi}, то аппроксимация называется точечной. К ней относятся интерполирование, среднеквадратичное приближение и др. При построении приближения на непрерывном множестве точек (например, на отрезке [a, b]) аппроксимация называется непрерывной или интегральной. MATLAB имеет мощные средства точечной и непрерывной аппроксимации с визуализацией результата. Рассмотрим наиболее важную точечную аппроксимацию (обработка экспериментальных данных).
Пример 4. Используя линейную и полиномиальную аппроксимации, получить эмпирические формулы для функции у=f(x), заданной в табличном виде:
xi
|
0.75
|
1.50
|
2.25
|
3.00
|
3.75
|
yi
|
2.50
|
1.20
|
1.12
|
2.25
|
4.28
|
Оценить погрешность эмпирических формул.
Протокол программы. В окне команд набираются значения xi и yi. Далее выполняется команда построения графика только узловых точек.
>> x
= [0.75, 1.50, 2.25, 3.00, 3.75] ;
>> y
= [2.50, 1.20, 1.12, 2.25, 4.28] ;
>> рlot (x, y, ¢ 0 ¢) ;
Появляется окно с символами ¢ 0 ¢ на месте узловых точек (рис. 2.1).
4.5
|
|
|
|
|
|
|
|
|
|
4
|
|
|
|
|
|
|
|
|
|
3.5
|
|
|
|
|
|
|
|
|
|
3
|
|
|
|
|
|
|
|
|
|
2.5
|
|
|
|
|
|
|
|
|
|
2
|
|
|
|
|
|
|
|
|
|
1.5
|
|
|
|
|
|
|
|
|
|
1
|
|
|
|
|
|
|
|
|
|
0.5
|
|
|
|
|
|
|
|
|
|
0
|
0.5
|
1
|
1.5
|
2
|
2.5
|
3
|
3.5
|
4
|
|
Рис. 2.1
Внимание. Следует помнить, что при полиномиальной аппроксимации максимальная степень полиноме
на 1 меньше
числа экспериментальных точек!
На панели инструментов окна графика узловых точек в меню
Tools исполняем команду
Basic Fitting. Появляется окно
Основной Монтаж. В этом окне птичкой отмечаются необходимые данные аппроксимации. В частности, можно задать следующие операции:
- показать уравнение аппроксимирующей функции у = g(х);
- выбрать метод подбора: сплайн интерполяции
эрмитовская интерполяция
линейный
квадратные
кубический
…………….
В нашей задаче выбираем линейную и полиномиальную аппроксимации. В окне графика появляются соответствующие графики разноцветом и формулы аппроксимирующих функций (рис. 2.2).
Рис. 2.2
Чтобы узнать погрешность аппроксимации, надо отметить птичкой параметр
График остатка в окне Основной Монтаж, и
Показать норму остатков. График погрешностей с нормами можно вынести в отдельное окно, или вместе с графиком и аппроксимирующих функций –
суб-график. Норма погрешностей указывает на статистическую оценку среднеквадратической погрешности. Чем она меньше, тем точнее полученная аппроксимирующая функция у = g(х). В нашем примере:
Linear : norm of residuals (норма погрешности)
= 2.1061
Quadratic : norm of residuals = 0.10736
Cubic : norm of residuals = 0.035857
4 th degree : norm of residuals = 9.6305e-015.
График погрешностей можно выводить в виде диаграмм (
зоны), линий (
линии) или отдельных точек (
фрагменты). Сам график погрешностей представляет собой зависимость разности g(х) - f(x) в условных точках, соединенных прямыми линиями.
Содержание раздела