Cap 8 Metoda Celor Mai Mici Patrate Probleme PDF

TEORIA APROXIMARII
Metode celor mai mici patrate
Aproximare liniara
Fie dat urmatorul set de date
⎛1⎞ ⎛ 1.3 ⎞
⎜ ⎜
⎜2⎟ ⎜ 3.5 ⎟
⎜3⎟ ⎜ 4.2 ⎟
⎜ ⎟ ⎜ ⎟
⎜4⎟ ⎜ 5.0 ⎟
⎜5⎟ ⎜ 7.0 ⎟
x := ⎜ ⎟ y := ⎜ ⎟
⎜6⎟ ⎜ 8.8 ⎟
⎜7⎟ ⎜ 10.1 ⎟
⎜ ⎟ ⎜ ⎟
⎜8⎟ ⎜ 12.5
⎟
⎜9⎟ ⎜ 13.0 ⎟
⎜ ⎜
⎝ 10 ⎠ ⎝ 15.6 ⎠
Reprezentam grafic aceste date ca puncte in plan.
20
15
y 10
0 5 10
x
Construim polinomul Lagrange de interpolare si-l reprezentam grafic.
m ⎛ m ⎛ u − xj ⎞ ⎞
m := last ( x) m=9 L ( u) :=
∑ ∏ ⎜
⎜
if ⎜ j ≠ i ,
⎝
, 1 ⋅ yi
xi − xj ⎠
i=0 ⎝j = 0 ⎠
Metoda_celor_mai_mici_patrate_1.mcd / Pag. 1 din 5

t := x0 , x0 + 0.01 .. xm
20
15
y
10
L ( t)
0 5 10
x, t
Se observa ca aceste puncte par a fi situate pe o dreapta.
Fie dreapta (cum se determina aceasta vom vedea mai jos) z ( v) := −0.36 + 1.538⋅ v
Reprezentam grafic aceasta dreapta in acelasi sistem de axe.
20
15
y
L ( t) 10
z ( t)
0 5 10
x, t, t
Dupa cum se vede grafic se poate obtine o buna aproximare pentru setul de date folosind
aceasta functie de gadul unu in locul polinomului Lagrange de gradul noua.

Problema
1) Folosind metoda celor mai mici patrate aproximati setul de date folosind un polinom de
gradul unu.
2) Reprezentati grafic setul de date si polinomul de aproximare obtinut.
3) Determinati eroarea totala care se obtine folosind acest polinom de aproximare si
coeficientul de corelatie.
Solutie. Gradul polinomului de aproximare n := 1
Indicele ultimei componente a vectorului x (sau y) m := last ( x) m=9
Sumele nodurilor la diferite puteri p
m
k := 0 .. 2⋅ n Sk :=
∑ ( xi) k Sk =
10
i=0
55
385
Matricea sistemului liniar din care se determina coeficientii polinomului
i := 0 .. n j := 0 .. n Mi , j := Si+ j
⎛ 10 55 ⎞
M=⎜
⎝ 55 385 ⎠
Vectorul termenilor liberi a sistemului din care se determina coeficientii polinomului
m
⎛ 81.0000 ⎞
bj :=
∑ ⎡( xi) j ⋅ yi⎤
⎣ ⎦ b=⎜
⎝ 572.4000 ⎠
i=0
Rezolvarea sistemului liniar M⋅ a = b a := lsolve ( M , b)
Coeficientii polinomului de aproximare aj =

-0.36
1.538
( aj ⋅ x )
n
∑
j
Definim polinomul de aproximare P ( x) :=
j=0

Reprezentarea grafica a polinomului de aproximare
20
15
y
10
P ( t)
0 5 10
x, t
Erorile in fiecare punct
i := 0 .. m
yi − P ( xi) =
0.122 20
0.784
-0.055
-0.793 15
-0.331
-0.069 y
-0.307 10
P ( x)
0.555
-0.484
0.578 5
0 5 10
x, x
Valoarea erorii totale facute prin folosirea acestui polinom de aproximare
m
E :=
∑ ( yi − P ( xi) ) 2 E = 2.345
i=0

Calculul coeficinetului de corelatie.
∑
1
Valoarea medie vm := ⋅ yi
m+1
i=0
Suma abaterilor patratice de la valoarea medie
m
E0 :=
∑ ( yi − vm) 2
i=0
E0 − E
Coeficientul de corelatie r := r = 0.994
E0
Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea facuta cu

polinomul de aproximare de gradul unu (linia de regresie) este foarte buna.

Nicolae Danet METODE NUMERICE
TEORIA APROXIMARII
Aproximare parabolica
⎛ 0 ⎞ ⎛ 1.0000 ⎞
⎜ 0.25 ⎜ 1.2840
⎜ ⎟ ⎜ ⎟
Fie dat setul de date x := ⎜ 0.50 ⎟ y := ⎜ 1.6487 ⎟
⎜ 0.75 ⎟ ⎜ 2.1170 ⎟
⎜ ⎜
⎝ 1 ⎠ ⎝ 2.7183 ⎠
4
y 2
0 0.5 1
x
1) Folosind metoda celor mai mici patrate aproximati setul de date folosind un polinom
de gradul doi.
2) Reprezentati grafic setul de date si polinomul de aproximare obtinut.
3) Determinati eroarea totala care se obtine folosind acest polinom de aproximare si coeficientul
de corelatie.
Solutie. Gradul polinomului de aproximare n := 2

m
k := 0 .. 2⋅ n Sk :=
∑ ( xi) k Sk =
i=0 5
2.5
1.875
1.563
1.383

i := 0 .. n j := 0 .. n Mi , j := Si+ j
⎛⎜ 5 2.5 1.875 ⎞
M = ⎜ 2.5 1.875 1.563 ⎟
⎜ 1.875 1.563 1.383
⎝ ⎠
m ⎛⎜ 8.7680 ⎞
bj :=
∑ ⎡( xi) j ⋅ yi⎤
⎣ ⎦ b = ⎜ 5.4514 ⎟
⎜ 4.4015
i=0 ⎝ ⎠

1.005
0.864
0.844
∑ ( aj⋅x )
n
j
j=0
Reprezentarea grafica a polinomului de aproximare t := x0 , x0 + 0.1 .. xm
y
2
P ( t)
0 0.5 1
x, t

m
−4
E :=
∑ ( yi − P ( xi) ) 2 E = 2.741 × 10
i=0
∑
1
m+1
i=0
Suma abaterilor patratice de la valoarea medie

m
E0 :=
∑ ( yi − vm) 2
i=0
E0 − E
E0
Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea facuta cu

polinomul de aproximare de gradul unu (linia de regresie) este foarte buna.

TEORIA APROXIMARII
Aproximare cubica. Alegerea polinomului de aproximare
⎛ 0 ⎞ ⎛ 1 ⎞
⎜ ⎜
⎜ 0.15 ⎟ ⎜ 1.004 ⎟
⎜ 0.31 ⎟ ⎜ 1.031 ⎟
Fie dat urmatorul set de date x := ⎜ ⎟ y := ⎜ ⎟
⎜ 0.5 ⎟ ⎜ 1.117 ⎟
⎜ 0.6 ⎟ ⎜ 1.223 ⎟
⎜ ⎜
⎝ 0.75 ⎠ ⎝ 1.422 ⎠
2
1.5
y 1
0.5
− 0.5 0 0.5 1
x
1) Folosind metoda celor mai mici patrate aproximati setul de date folosind polinome de
gradul unu, doi si trei.
2) Reprezentati grafic setul de date si polinoamele de aproximare.
3) Calculati eroarea totala si coeficientul de corelatie in fiecare caz.
Solutie.
Cazul unu. Constructia polinomului de gradul unu n1 := 1
m
k := 0 .. 2⋅ n1 Sk :=
∑ ( xi) k Sk =
i=0 6
2.31
1.291

i := 0 .. n1 j := 0 .. n1 M1i , j := Si+ j
⎛ 6 2.31 ⎞
M1 = ⎜
⎝ 2.31 1.291 ⎠
m
⎛ 6.7970 ⎞
b1j :=
∑ ⎡( xi) j ⋅ yi⎤
⎣ ⎦ b1 = ⎜
⎝ 2.8290 ⎠
i=0
Rezolvarea sistemului liniar M1⋅ a1 = b1 a1 := lsolve ( M1 , b1)
Coeficientii polinomului de aproximare a1j =

0.93
0.528
∑ ( a1j⋅x )
n1
j
Definim polinomul de aproximare P1 ( x) :=
j=0
y
P1 ( t)
1
0 0.5 1
x, t
m
E1 :=
∑ ( yi − P1 ( xi) ) 2 E1 = 0.02457
i=0

∑
1
m+1
i=0
Suma abaretilor patratice de la valoarea medie
m
E0 :=
∑ ( yi − vm) 2
i=0
E0 − E1
Coeficientul de corelatie r1 := r1 = 0.906
E0
Cazul doi. Constructia polinomului de gradul doi n2 := 2

m Sk =
k := 0 .. 2⋅ n2 Sk :=
∑ ( xi) k 6
i=0 2.31
1.291
i := 0 .. n2 j := 0 .. n2 M2i , j := Si+ j
⎛⎜ 6 2.31 1.291 ⎞
M2 = ⎜ 2.31 1.291 0.796 ⎟
⎜ 1.291 0.796 0.518
⎝ ⎠
m ⎛⎜ 6.7970 ⎞
∑ ⎡( xi) ⋅ yi⎤
j
b2j := ⎣ ⎦ b2 = ⎜ 2.8290 ⎟
i=0 ⎜ 1.6411
⎝ ⎠

1.011
-0.326
1.147

( a2j ⋅ x )
n2
∑
j
j=0
y
P2 ( t)
1
0 0.5 1
x, t
m
−4
E2 :=
∑ ( yi − P2 ( xi) ) 2 E2 = 9.45246 × 10
i=0
E0 − E2
E0
Cazul trei. Constructia polinomului de gradul trei n3 := 3

m
k := 0 .. 2⋅ n3 Sk :=
∑ ( xi) k Sk =
i=0 6
2.31
1.291
0.796
0.518
0.349
0.241

i := 0 .. n3 j := 0 .. n3 M3i , j := Si+ j
⎛ 6 2.31 1.291 0.796 ⎞

⎜
M3 = ⎜
2.31 1.291 0.796 0.518 ⎟
⎜ 1.291 0.796 0.518 0.349 ⎟
⎜
⎝ 0.796 0.518 0.349 0.241 ⎠
⎛ 6.7970 ⎞
m ⎜
b3 = ⎜
2.8290 ⎟
b3j :=
∑ ⎡( xi) j ⋅ yi⎤
⎣ ⎦ ⎜ 1.6411 ⎟
i=0 ⎜
⎝ 1.0378 ⎠

1.00044
-0.00154
-0.01151
1.02102
∑ ( a3j⋅x )
n3
j
j=0
y
P3 ( t)
1
0 0.5 1
x, t

m
−4
E3 :=
∑ ( yi − P3 ( xi) ) 2 E3 = 1.11238 × 10
i=0
E0 − E3
E0
Compararea erorilor totale si a coeficientilor de corelatie
k := 1 .. 3 Ek = rk =
0.02457 0.905635
0.00095 0.996534
0.00011 0.999593
Din tabelele de mai sus rezulta ca cea mai buna aproximare este facuta cu polinomul de
gradul trei.

TEORIA APROXIMARII
Aproximare neliniara (exponentiala de forma beax)
Fie dat setul de date

⎛ 1 ⎞ ⎛ 5.10 ⎞
⎜ 1.25 ⎜ 5.79
⎜ ⎟ ⎜ ⎟
x := ⎜ 1.50 ⎟ y := ⎜ 6.53 ⎟
⎜ 1.75 ⎟ ⎜ 7.45 ⎟
⎜ ⎜
⎝ 2 ⎠ ⎝ 8.46 ⎠
Die reprezentarea grafica a punctelor in plan se vede ca aceste pot avea o distributie
exponentiala.
8
10
6
t
y e
4
exp ( 1.1+ 0.5⋅ v) 5 −t
e
2
1 1.5 2 −2 −1 0 1 2
x, v t,t
Logaritmam vectorul y si reprezentam grafic noile date obtinute
Y := ln ( y) T
Y = ( 1.629 1.756 1.876 2.008 2.135 )
Y
1
1 1.5 2
x
Metoda_celor_mai_mici_patrate_4_neliniara(ae^bx).mcd / Pag. 1 din 4

Deoarece aceste sunt situate aproape pe o dreapta vom face a aproximare liniara.
Gradul polinomului de aproximare n := 1
m
k := 0 .. m Sk :=
∑ ( xi) k Sk =
5
i=0
7.5
11.875
19.688
33.883
i := 0 .. n j := 0 .. n Mi , j := Si+ j
⎛ 5 7.5 ⎞
M=⎜
⎝ 7.5 11.875 ⎠
m
⎛ 9.4053 ⎞
bj :=
∑ ⎡( xi) j ⋅ Yi⎤
⎣ ⎦ b=⎜
⎝ 14.4241 ⎠
i=0

1.122
0.506
( aj ⋅ x )
n
∑
j
j=0

2.5
2
Y
P ( x)
1
0
1 1.5 2
0.75 x, x 2.25
Functia exponentiala de aproximare
β := a1 α := exp ( a0) β⋅ x
yy ( x) := α⋅ e
y 7
yy ( x)
6
1 1.5 2
x, x
m
E :=
∑ ( yi − yy ( xi) ) 2 E = 0.001206
i=0
∑
1
m+1
i=0

m
E0 :=
∑ ( yi − vm) 2
i=0
E0 − E
E0
Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea

facuta cu functia exponentiala este foarte buna.

TEORIA APROXIMARII
Aproximare neliniara (exponentiala de forma αxβ)
 4   102.56 
   
 4.2   113.18 
 4.5   130.11 
   
 4.7   142.05 
 5.1   167.53 
x    y   
5.7
   195.14 
 5.9   224.87 
   
 6.3   256.73

 6.8   299.50 
   
 7.1   326.73 
Reprezentam grafic punctele in plan.
300
y 200
100
4 5 6 7
x
β
Cautam o functie de aproximare de forma y = αx
Logaritmand obtinem ln ( y) = ln ( α)  β ln ( x)
Notam Y  ln ( y) X  ln ( x)
Metoda_celor_mai_mici_patrate_4_neliniara(ax^b).mcd / Pag. 1 din 4

 1.386   4.63 
   
 1.435   4.729 
 1.504   4.868 
   
 1.548   4.956 
 1.629   5.121 
X   Y  
 1.74   5.274 
 1.775   5.416 
   
 1.841   5.548 
 1.917   5.702 
   
 1.96   5.789 
Reprezentam grafic noul set de date
5.5
Y 5
4.5
4
1.4 1.6 1.8
X
Dupa cum se vede, de data acesta, punctele sunt situate aproape pe o dreapta.
De aceea vom face a aproximare liniara.
Gradul polinomului de aproximare n  1
Indicele ultimei componente a vectorului x (sau y) m  last ( x) m9
m
k  0  2 n Sk 
  Xi k Sk 
i0 10
16.735
28.377

i  0  n j  0  n Mi j  Si j
 10 16.735 
M 
 16.735 28.377 
m
 52.0337 
bj 
  Xi j  Yi
  b 
 87.8219 
i0
Rezolvarea sistemului liniar M a = b a  lsolve ( M b)
Coeficientii polinomului de aproximare aj 

1.845
2.007
Definim polinomul de aproximare P ( X)  a0  a1 X
Reprezentarea grafica a polinomului de aproximare t  x0 x0  0.1  xm
5.5
Y
5
P ( X)
4.5
4
1.3 1.417 1.533 1.65 1.767 1.883 2
X X
Prin identificarea coeficientilor intre polinomul de aproximare P(X) si relatia obtinuta

in urma logaritmarii functiei y = αxβ obtinem
ln ( α) = a0 β = a1
Deci α  exp  a0 β  a1

Functia exponentiala de aproximare este β

yy ( x)  α x
t  x0 x0  0.1  xm
300
y 200
yy ( t)
100
3.5 4.167 4.833 5.5 6.167 6.833 7.5

x t
m
E 
  yi  yy  xi  2 E  200.201093
i0
m
1
Valoarea medie vm 
m1

 yi
i0
m
E0 
  yi  vm 2
i0
E0  E
Coeficientul de corelatie r  r  0.998210
E0
Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea

facuta cu functia exponentiala este foarte buna.

TEORIA APROXIMARII
Aproximare liniara bidimensionala (Regresie bidimensionala)
⎛ 10 ⎞ ⎛5⎞ ⎛ 50 ⎞
⎜ ⎜ ⎜
⎜ 10 ⎟ ⎜ 45 ⎟ ⎜ 40 ⎟
⎜ 20 ⎟ ⎜ 25 ⎟ ⎜ 36 ⎟
x := ⎜ ⎟ y := ⎜ ⎟ z := ⎜ ⎟
⎜ 50 ⎟ ⎜ 25 ⎟ ⎜ 32 ⎟
⎜ 60 ⎟ ⎜5⎟ ⎜ 32 ⎟
⎜ ⎜ ⎜
⎝ 60 ⎠ ⎝ 45 ⎠ ⎝ 20 ⎠
Reprezentam grafic punctele din planul xOy. m := last ( x) m=5 i := 0 .. m
60
50
40
yi 30
20
10
0 10 20 30 40 50 60 70
xi
Reprezentam grafic punctele in spatiu.
T
P0 := ( 10 5 50 ) F0 ( t) := P0 P0 := CreateSpace ( F0)
T
T
T
T
T
Metoda_celor_mai_mici_patrate_5_bidimensionala.mcd / Pag. 1 din 3

P0 , P1 , P2 , P3 , P4 , P5
Vom aproxima valorile zi cu un polinom de gradul un in variabilele x si y.

Definim coeficientii sistemului si termenii liberi.
m m m
M0 , 0 := m + 1 M0 , 1 :=
∑ xi M0 , 2 :=
∑ yi b0 :=
∑ zi
i=0 i=0 i=0
m m m
∑ ( xi) ∑ ∑
2
M1 , 0 := M0 , 1 M1 , 1 := M1 , 2 := xi⋅ yi b1 := xi⋅ zi
i=0 i=0 i=0
m m
∑ ( yi) ∑
2
M2 , 0 := M0 , 2 M2 , 1 := M1 , 2 M2 , 2 := b2 := yi zi
i=0 i=0
⎛⎜ 6 210 150 ⎞ ⎛⎜ 210 ⎞

M = ⎜ 210 10300 5250 ⎟ b = ⎜ 6340 ⎟
⎜ 150 5250 5350 ⎜ 4810
⎝ ⎠ ⎝ ⎠
Solutia sistemului si polinomtul de aproximare de gradul unu bidimensional.
⎛⎜ 53.858051 ⎞
a := lsolve ( M , b) a = ⎜ −0.342373 ⎟
⎜ −0.275000
⎝ ⎠
P ( x , y) := a0 + a1⋅ x + a2⋅ y

Reprezentarea grafica a planului de regresie.
P0 , P1 , P2 , P3 , P4 , P5 , P
Valorile erorilor in fiecare punct. zi − P ( xi , yi) =

0.941
1.941
-4.136
2.136
0.059
-0.941
m
E :=
∑ ( zi − P ( xi , yi) ) 2 E = 27.203
i=0
Calculul coeficientului de corelatie
m
m
∑
1
∑
vm := ⋅
m+1
zi E0 := ( zi − vm) 2
i=0
i=0
E0 − E
r := r = 0.972
E0

Cap 8 Metoda Celor Mai Mici Patrate Probleme PDF

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cap 8 Metoda Celor Mai Mici Patrate Probleme PDF

Încărcat de

Drepturi de autor:

Formate disponibile

TEORIA APROXIMARII

Metode celor mai mici patrate

Fie dat urmatorul set de date

Reprezentam grafic aceste date ca puncte in plan.

Construim polinomul Lagrange de interpolare si-l reprezentam grafic.

Metoda_celor_mai_mici_patrate_1.mcd / Pag. 1 din 5

Se observa ca aceste puncte par a fi situate pe o dreapta.

Reprezentam grafic aceasta dreapta in acelasi sistem de axe.

Metoda_celor_mai_mici_patrate_1.mcd / Pag. 2 din 5

Solutie. Gradul polinomului de aproximare n := 1

Indicele ultimei componente a vectorului x (sau y) m := last ( x) m=9

Sumele nodurilor la diferite puteri p

Matricea sistemului liniar din care se determina coeficientii polinomului

Rezolvarea sistemului liniar M⋅ a = b a := lsolve ( M , b)

Coeficientii polinomului de aproximare aj =

Metoda_celor_mai_mici_patrate_1.mcd / Pag. 3 din 5

Erorile in fiecare punct

Valoarea erorii totale facute prin folosirea acestui polinom de aproximare

Metoda_celor_mai_mici_patrate_1.mcd / Pag. 4 din 5

Suma abaterilor patratice de la valoarea medie

Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea facuta cu

Metoda_celor_mai_mici_patrate_1.mcd / Pag. 5 din 5

Metode celor mai mici patrate

Solutie. Gradul polinomului de aproximare n := 2

Metoda_celor_mai_mici_patrate_2.mcd / Pag. 1 din 3

Matricea sistemului liniar din care se determina coeficientii polinomului

Vectorul termenilor liberi a sistemului din care se determina coeficientii polinomului

Rezolvarea sistemului liniar M⋅ a = b a := lsolve ( M , b)

Coeficientii polinomului de aproximare aj =

Reprezentarea grafica a polinomului de aproximare t := x0 , x0 + 0.1 .. xm

Metoda_celor_mai_mici_patrate_2.mcd / Pag. 2 din 3

Valoarea erorii totale facute prin folosirea acestui polinom de aproximare

Calculul coeficinetului de corelatie.

Suma abaterilor patratice de la valoarea medie

Deoarece valoarea coeficientului de corelatie este apropiata de unu aproximarea facuta cu

Metoda_celor_mai_mici_patrate_2.mcd / Pag. 3 din 3

Metode celor mai mici patrate

Aproximare cubica. Alegerea polinomului de aproximare

Metoda_celor_mai_mici_patrate_3.mcd / Pag. 1 din 6

Matricea sistemului liniar din care se determina coeficientii polinomului

Vectorul termenilor liberi a sistemului din care se determina coeficientii polinomului

Rezolvarea sistemului liniar M1⋅ a1 = b1 a1 := lsolve ( M1 , b1)

Coeficientii polinomului de aproximare a1j =

Reprezentarea grafica a polinomului de aproximare t := x0 , x0 + 0.01 .. xm

Valoarea erorii totale facute prin folosirea acestui polinom de aproximare

Metoda_celor_mai_mici_patrate_3.mcd / Pag. 2 din 6

Calculul coeficinetului de corelatie.

Suma abaretilor patratice de la valoarea medie

Cazul doi. Constructia polinomului de gradul doi n2 := 2

Matricea sistemului liniar din care se determina coeficientii polinomului

Coeficientii polinomului de aproximare a2j =

Metoda_celor_mai_mici_patrate_3.mcd / Pag. 3 din 6

Reprezentarea grafica a polinomului de aproximare t := x0 , x0 + 0.01 .. xm

Valoarea erorii totale facute prin folosirea acestui polinom de aproximare

Cazul trei. Constructia polinomului de gradul trei n3 := 3

Metoda_celor_mai_mici_patrate_3.mcd / Pag. 4 din 6

Matricea sistemului liniar din care se determina coeficientii polinomului

⎛ 6 2.31 1.291 0.796 ⎞

Vectorul termenilor liberi a sistemului din care se determina coeficientii polinomului

Coeficientii polinomului de aproximare a3j =

Reprezentarea grafica a polinomului de aproximare t := x0 , x0 + 0.01 .. xm

Metoda_celor_mai_mici_patrate_3.mcd / Pag. 5 din 6

Valoarea erorii totale facute prin folosirea acestui polinom de aproximare

Compararea erorilor totale si a coeficientilor de corelatie