Upload
tad-butler
View
44
Download
10
Embed Size (px)
DESCRIPTION
数学模型实验课(二). 最小二乘法与直线拟合. 康尔乃奶粉 32.4 元 400g; 67.1 元 900g. 4 k 1 + 4 2/3 k 2 = 32.4 9 k 1 + 9 2/3 k 2 = 67.1 解得 : k 1 = 5.3791, k 2 = 4.3192 模型 : C(W)=5.3791 W + 4.3192 W 2/3 . 预测 : W=1800, C(W) = 126.49. W=2500, C(W) = 154.36 - PowerPoint PPT Presentation
Citation preview
数学模型实验课(二)最小二乘法与直
线拟合
康尔乃奶粉 32.4 元 400g; 67.1 元 900g. 4 k1 + 42/3 k2 = 32.4 9 k1 + 92/3 k2 = 67.1 解得 : k1 = 5.3791, k2 = 4.3192 模型 : C(W)=5.3791 W + 4.3192 W2/3. 预测 : W=1800, C(W) = 126.49. W=2500, C(W) = 154.36 实际 : W=1800, C(W)=115.9 W=2500, C(W)=146.85
>>x=[4,9,18,25];y=[32.4,67.1,115.9,146.85]; >>x1=[x(1),x(2)]’,x2=x1.^(2/3); >>y1=[y(1),y(2)]’;X=[x1,x2]; >>k=X\y1
>>x1=[x(1),x(2),x(3)];x2=x1.^(2/3); >>y1=[y(1),y(2),y(3)];X=[x1,x2]; >>k=X\y1
. .壹 求解线性方程组: A x = y
如果
4
3
2
1
2
1
42
32
22
12
41
31
21
11
,,
y
y
y
y
yx
xx
a
a
a
a
a
a
a
a
A
设: Ax+ε= y ,求 x 使得误差 ||ε|| 最小。Qxaxay
iiii
ii
4
1
22211
4
1
2 )(
0)(2 122111
i
iiii axaxay
x
Q
0)(2 222112
i
iiii axaxay
x
Q
iii
iii
iii
iii
iii
iii
yaxaaxaa
yaxaaxaa
2222112
1221111
A’A x = A’yx = (A’A)-1A’y
二 . 直线拟合
1. 矩阵左除
数据( xi, yi ) , 拟合直线 y = a + bx, 误差最小
模型: yi = a + bxi +ε
nn y
y
y
yb
ab
x
x
x
X2
1
2
1
,,
1
1
1
X b = y
>>y=[17,16,17,23,26,27,41,49]; >>x=[1953,2015,2015,2821,3049,3049,5133,5592]; >>X=[ones(8,1),x’];b=X\y’; >>y1=b(1)+b(2).*x; >>plot(x,y1,’r’,x,y,’*r’)
2)(
))((
xx
yyxx
L
Lb
xbya
i
ii
xx
xy
2. 直线拟合的效果(相关系数)
ii bxay ˆ
i i i
iiiiyy yyyyyyL 222 )ˆ()ˆ()( UQ
22 )()ˆ( ybxayyU ii xxi Lbxbbx 22)(
yyxx
xy
yy
xx
yy LL
L
L
Lb
L
Ur
222
yJn
IxyyxxL iixy
)
1('))((
>>X1=[x’,y’];m=size(X1);n=m(1);p=m(2); >>X=[ones(n,1),x’];B=X\y’;a=B(1);b=B(2:p); >>y1=a+b*x;plot(x,y1,’r’,x,y,’*r’); >>Cov=X1’*(eye(n)-ones(n)./n)*X1; >>Lyy=Cov(p,p);Lxx=Cov(1:(p-1),1:(p-1)); >>R=(b’*Lxx*b)/Lyy;r=sqrt(R);
3. 多项式拟合 b=polyfit(x,y,1);
4. 线性回归 [b,r,j,k,l]=regress(y’,X);