Upload
hoangnhan
View
217
Download
0
Embed Size (px)
Citation preview
Metody obliczeniowe
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 1
• wykład nr 3
– interpolacja i aproksymacja funkcji
– model regresji
Zadanie Interpolacji
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 2
Danych jest n+1 punktów (węzłowych) (x0,y0),…,(xn,yn)
poszukujemy takiej funkcji g(x)w obrębie funkcji pewnej ustalonej klasy dla której
g(xi)=yi (i=0,…,n),
mówimy wówczas iż funkcja g(x) interpoluje wartości yi w węzłach xi (i=0,…,n)
Jeśli yi= f(xi)(i=0,…,n) dla pewnej funkcji f(x) to mówimy iż funkcja g(x)
interpoluje funkcję f(x) w węzłach xi (i=0,…,n)
0
0,5
1
1,5
2
2,5
3
0 1 2 3 4 5 6
y
x
x0 x1 … xn
yn
y0
y1
…
(x1 , y1 )
Przybliżenie funkcji
skomplikowanej funkcją
„prostszą”
Interpolacja wielomianowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 3
Najprostszy przypadek
• interpolacja liniowa - zadanie interpolacji dla dwóch punktów (x0,y0),(x1,y1)
• rozwiązaniem w klasie wielomianów pierwszego stopnia jest funkcja liniowa, której wykres przechodzi przez punkty (x0,y0),(x1,y1)
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
0 1 2 3 4 5
(x0 , y0 )
(x1 , y1 )
(x , y )
Interpolacja wielomianowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 4
Wyznaczanie współczynników wielomianu interpolacyjnego poprzez rozwiązanie układu równań liniowych
n
n
nnn
n
n
n
n
yxaxaa
yxaxaa
yxaxaa
10
11110
00010
n
nn xaxaaxp ...)( 10
nn
n
nn
n
n
y
y
y
a
a
a
xx
xx
xx
......
...1
......
1
...1
1
0
1
0
11
00
0
0,5
1
1,5
2
2,5
3
0 1 2 3 4 5 6
y
x
x0 x1 … xn
yn
y0
y1
…
(x1 , y1 )
Interpolacja wielomianowa Zjawisko Rungego, wzrost stopnia wielomianu
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 5
0
0,5
1
1,5
2
2,5
3
3,5
4
0 1 2 3 4 5 6
0
0,5
1
1,5
2
2,5
3
3,5
4
0 1 2 3 4 5 6
Kubiczne funkcje sklejane
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 6
określenie funkcji sklejanych 3 stopnia (cubic spline)
x x0 x1 x2 x3 x4
f(x0)
f(x1)
f(x2)
f(x3)
f(x4) f(x)
wykresy wielomianów
stopnia co najwyżej 3 zachowana ciągłość
funkcji i jej pochodnych
do 2 stopnia włącznie
drugie pochodne
równe 0
Funkcje sklejane (spline)
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 7
Konstrukcja funkcji sklejanej • Danych n+1 punktów węzłowych (x0,f(x0)),…,(xn,f(xn))
• w każdym podprzedziale [xi-1,xi] (i=1,...,n) określamy wielomian si(x) stopnia k
• wartości w węzłach zewnętrznych spełniają warunek interpolacji :
• wartości drugich pochodnych w węzłach zewnętrznych spełniają warunek naturalności :
• w węzłach wewnętrznych wartości funkcji, wartości pierwszych pochodnych i wartości drugich pochodnych są równe są równe :
• gdy stopień wielomianu k =3 funkcje sklejane nazywać będziemy kubicznymi funkcjami sklejanymi. Wówczas
• do wyznaczenia łącznie 4n współczynników - niewiadomych
s x a b x x c x x d x x i ni i i i i i i i 2 3
0 1 1, ,...,
s x f x s x f xn n n0 0 0 1 ,
s x s xn n0 0 1 0,, ,,
s x s x f x i ni i i i i 1 1 2 1, ,...,
s x s x i ni i i i 1 1 2 1, , , , ..., s x s x i ni i i i 1 1 2 1,, ,, , , ...,
Kubiczne funkcje sklejane, a wielomiany
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 8
0
0,5
1
1,5
2
2,5
3
3,5
4
0 1 2 3 4 5 6
funkcja sklejana wielomian interpolujący
0
0,5
1
1,5
2
2,5
3
3,5
4
0 1 2 3 4 5 6
funkcja sklejana wielomian interpolujący
Interpolacja funkcji wielu zmiennych
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 9
Interpolacja dwuliniowa - rozszerzenie interpolacji liniowej. Interpolacja funkcji
dwóch zmiennych.
• złożenie dwóch interpolacji liniowych.
• przeprowadza się dwie interpolacje liniowe dla jednego kierunku (np. wzdłuż osi
OX w układzie kartezjańskim),
• następnie dla tak uzyskanych wartości przeprowadza się interpolację liniową dla
drugiego kierunku (osi OY). Interpolujemy wartość funkcji w punkcie P
• interpolacja liniowa wzdłuż osi OX:
• interpolacja liniowa wzdłuż osi OY:
Interpolacja funkcji wielu zmiennych
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 10
Interpolacja dwuliniowa - rozszerzenie interpolacji liniowej. Interpolacja funkcji
dwóch zmiennych.
Interpolacja
• powierzchnie 2-go stopnia (kwadryki)
• powierzchnie bikubiczne
• powierzchnie sklejane
Krzywe Béziera
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 11
Pierre Bézier - francuski inżynier firmy
Renault,
Paul de Casteljau - inżynier firmy Citroën.
Krzywe Béziera
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 12
• krzywa wielomianowa (Pierre Bézier 1972)
• powszechnie stosowane w programach
do projektowania inżynierskiego -
programach CAD-owskich
• Najczęściej używane są krzywe trzeciego stopnia leżące na płaszczyźnie.
• Definiując krzywą trzeciego stopnia określamy 4 punkty (tzw. punkty kontrolne) A, B, C i D, których położenie wyznacza przebieg krzywej.
– Krzywa ma swój początek w punkcie A i skierowana jest w stronę punktu B.
– Następnie zmierza w stronę punktu D dochodząc do niego od strony punktu C.
– Odcinek AB jest styczny do krzywej w punkcie A, natomiast odcinek CD jest styczny w punkcie D
• Krzywą Béziera trzeciego stopnia określa następujące równanie:
P(t)= A(1−t)3 +3Bt(1−t)2 + 3Ct2(1−t)+ Dt3 dla 0 ≤ t ≤ 1.
• Czyli:
Px(t)= A
x(1−t)3+ 3B
xt(1−t)2 + 3C
xt2(1−t) + D
xt3
Py(t)= A
y(1−t)3+ 3B
yt(1−t)2 + 3C
yt2(1−t) + D
yt3
• Krzywa ma swój początek w punkcie A (t = 0) i koniec w punkcie D (t = 1) .
Płaty Béziera
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 13
• definiowanie ogranicza się do
wskazania siatki punktów kontrolnych
• Każda siatka punktów kontrolnych
definiująca płat Bèziera posiada n
wierszy i m kolumn.
• Szczególnym przypadkiem płata
Bèziera jest postać bikubiczna (płat
jest 3 stopnia w obu kierunkach, mamy
16 punktów kontrolnych).
Zadanie aproksymacji funkcji
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 14
• dana jest funkcja (jednej zmiennej) f(x) określona na przedziale [a,b]
• funkcja f(x) może być zadana w postaci
– dyskretnej (zbioru punktów) {(xi,f(xi))}i=1,...,n
– wzoru analitycznego
xF
xF
xf
Zadanie aproksymacji: • należy dobrać taką funkcję aproksymującą F(x) spośród funkcji określonej
klasy tak aby funkcja F(x) możliwie dokładnie przybliżała przebieg funkcji (w oparciu o ustalone kryterium) aproksymowanej f(x) w określonym przedziale
Zadanie aproksymacji funkcji
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 15
x0 x1 x2
x3 x4
minimalizacja sumy
kwadratów tych
odległości
min||||0
22
m
i
ii xxff
f x
x
Metoda najmniejszych kwadratów
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 16
• Określamy współczynniki c0,...,cn tak, by wyrażenie:
– (przypadek dyskretny):
było jak najmniejsze
Metoda służąca rozwiązaniu zadania aproksymacji
średniokwadratowej – Metoda Najmniejszych Kwadratów
(Gauss – Legendre, 1806)
n
k
kkn xucccxg1
10 ,...,,
m
i
ii xgxfgf0
2
0
2
0
x f xi i i
m,
0
Mając dany zbiór funkcji bazowych {u1,…,un}
i siatkę punktów
przybliżamy funkcję f(x) funkcją aproksymującą
postaci
Układ równań
ma dokładnie jedno rozwiązanie jeśli {u1,…,un} jest liniowo niezależny
Dla dowolnych funkcji f(x),g(x) przy danej siatce węzłów {x1,…,xn} iloczynem skalarnym nazywać będziemy wyrażenie
Metoda najmniejszych kwadratów
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 17
njufuucn
i jjii ,...,1,,1
)()(:,0
i
m
i
i xgxfgf
nnnnnn
n
n
uf
uf
uf
c
c
c
uuuuuu
uuuuuu
uuuuuu
,
,
,
,,,
,,,
,,,
2
1
2
1
21
22212
12111
n
i iiucg10
Wyznaczenie funkcji aproksymującej jako kombinacji liniowej funkcji bazowych
sprowadza się do rozwiązania układu równań (wyznaczenia współczynników c1,…,cn)
Metoda najmniejszych kwadratów - przykład
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 18
• dane są wyniki pomiarów:
• należy znaleźć funkcję aproksymującą postaci: f(x)= c0 + c1x
(funkcje bazowe: 0 =1, 1 = x)
<f,0>=-2.1-0.9-0.6+0.6+0.9= -2.1
<f,1>=-2.1-0.9*3-0.6*4+0.6*6+0.9*7= 2.7
<0,0>= 5, <0,1>= 1+3+4+6+7= 21,
<1,1>= 12+32+42+62+72= 111
• otrzymujemy układ równań:
x
1
3
4
6
7
f(x)
-2.1
-0.9
-0.6
0.6
0.9
x
1
3
4
6
7
f(x)
-2.1
-0.9
-0.6
0.6
0.9
0(x)
1
1
1
1
1
1(x)
1
3
4
6
7
5053.0
5421.2
7.2
1.2
11121
215
1
0
1
0
c
c
c
c
y = 0,5053x - 2,5421
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
0 2 4 6 8
Model regresji - wprowadzenie
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 19
• dane są dane eksperymentalne, wyniki pomiarów
• celem pomiarów wykrycie i opisanie za pomocą funkcji
analitycznych zależności y=f(x1,...,xn) miedzy
niezależnymi parametrami (zmiennymi objaśniającymi)
x1,...,xn oraz parametrem od nich zależnym y (zmienną
objaśnianą)
– wykrycie istnienia zależności – korelacja
– ustalenie postaci funkcji która ją opisuje – regresja
• zadanie wyznaczenia modelu regresji polega na
– wyznaczeniu konkretnej zależności funkcyjnej np.
• regresja jednowymiarowa: zależność funkcyjna y=f(x)
• jednowymiarowa regresja liniowa: zależność funkcyjna y= a0 +a1x
– zbadaniu narzędziami rachunku prawdopodobieństwa „jakości”
wyznaczonego modelu regresji
Model regresji - wprowadzenie
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 20
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
y
x
wykres rozrzutu
x y
1 1
2 2
3 3
4 4
5 5
6 5
7 7
8 8
9 8
10 10
11 11
12 11
13 13
• dane parametry x,y • poszukiwana
zależność funkcyjna: y= a0 + a1x
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
y
x
poszukiwany model regresji
• próbka nr 1
współczynnik korelacji 0,96
Model regresji - wprowadzenie
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 21
y = 0,967x współczynnik korelacji 0,96
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
y
x
wykres rozrzutu - empiryczna linia regresji
x y
1 1
2 2
3 3
4 4
5 5
6 5
7 7
8 8
9 8
10 10
11 11
12 11
13 13
• dane parametry x,y • poszukiwana
zależność funkcyjna: y= a0 + a1x
• próbka nr 1
Model regresji - wprowadzenie
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 22
• dane parametry x,y • poszukiwana
zależność funkcyjna: y= a0 +a1x
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
y
x
model regresji
• próbka nr 2 x y
1 3
2 9
3 5
4 4
5 10
6 6
7 7
8 2
9 8
10 10
11 1
12 5
13 10
0
2
4
6
8
10
12
0 2 4 6 8 10 12 14
y
x
wykres rozrzutu
współczynnik korelacji = 0,11
Model regresji - wprowadzenie
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 23
• dane parametry x,y • poszukiwana
zależność funkcyjna: y= a0 +a1x
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
y
x
model regresji
• próbka nr 2 x y
1 3
2 9
3 5
4 4
5 10
6 6
7 7
8 2
9 8
10 10
11 1
12 5
13 10
y = 0,0879x + 5,5385 współczynnik korelacji = 0,11
0
2
4
6
8
10
12
0 2 4 6 8 10 12 14
y
x
wykres rozrzutu - empiryczny model regresji
Korelacja liniowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 24
Dane dwie zmienne losowe X, Y reprezentujące 2 parametry
współczynnik korelacji liniowej mierzy siłę zależności między
zmiennymi X, oraz Y tworzącymi dwuwymiarową zmienną losową
• przyjmuje wartości z przedziału [- 1,1]
• im wartość współczynnika bliższa krańcom przedziału, tym związek
korelacyjny silniejszy
• współczynnik Pearsona – współczynnik korelacji liniowej w próbie
(zależy od liczebności próby)
0
0,5
1
1,5
2
2,5
3
0 0,5 1 1,5 2 2,5
n
i i
ii
i
n
i
ii
n
i
n
i
n
i
iiii
yynxxn
yxyxn
r
1
22
1
22
1
2
1
2
1 1 1
Model regresji liniowej
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 25
Dwie 2 zmienne X,Y :
• poszukujemy zależności liniowej pomiędzy zmiennymi X i Y:
xbby 10
nixbby iii ,...,1,10
-0,5
0
0,5
1
1,5
2
2,5
0 0,5 1 1,5 2 2,5
Metoda najmniejszych kwadratów - metoda estymacji parametrów modelu regresji
– wyznaczenie takich parametrów b0, b1 że suma kwadratów odchyleń (SSE)
pomiędzy rzeczywistymi a teoretycznymi wartościami zmiennej Y jest
najmniejsza
min)())((1
2
10
1
2
n
i
ii
n
i
ii xbbyxyySSE
Regresja liniowa badanie jakości wyznaczonego modelu
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 26
współczynnik determinacji (R2) – informuje jaka część zmiennej Y jest wyjaśniona poprzez oszacowane równanie
regresji przez zaobserwowane w próbie zmiany wartości zmiennych objaśniających
– przyjmuje wartości z zakresu od 0 do 1, gdy
• R2=1 : dane leżą dokładnie na „linii" regresji (zmienność jest wyjaśniona w 100 %);
• R2=0 : regresja niczego nie wyjaśnia, dane są nieskorelowane;
• 0,9 R2 <1 : bardzo dobre,
• 0,8 R2 < 0,9 : dopasowanie dobre,
• 0,7 R2 < 0,8 : dopasowanie zadawalające w niektórych zastosowaniach.
Regresja liniowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 27
x y
1 1
2 2
3 3
4 4
5 5
6 5
7 7
8 8
9 8
10 10
11 11
12 11
13 13
Próbka 1
x y
1 2
2 3
3 4
4 5
5 5
6 7
7 8
8 8
9 10
10 11
11 11
12 11
13 13
Próbka 2
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14y
x
linia regresji wyznaczona na podstawie próbki 1
Regresja liniowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 28
x y
1 1
2 2
3 3
4 4
5 5
6 5
7 7
8 8
9 8
10 10
11 11
12 11
13 13
Próbka 1
x y
1 2
2 3
3 4
4 5
5 5
6 7
7 8
8 8
9 10
10 11
11 11
12 11
13 13
Próbka 2
• teoretyczna linia regresji (odnosząca się do populacji generalnej):
• empiryczne równanie regresji (równanie regresji w próbce):
• aproksymując teoretyczną prostą regresji za pomocą empirycznego
równania, wyznaczamy współczynniki b0,b1 dla konkretnej próby
xbby 10
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14y
x
linia regresji wyznaczona na podstawie próbki 2
Regresja liniowa
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 29
• weryfikacja statystyczna
– testy istotności dla parametrów regresji
– analiza reszt (reszty winny mieć
rozkład normalny)
0 1 2 3 4 5 6
-4
-2
0
2
4
6
8
10
12
14
16
18
20
22
y=3.1x-0.1
1-=0.80
1-=0.98
Y
X
• wyznaczenie obszaru (pasa) ufności
• przyjmując określony poziom ufności p=1- (np. p=0,95) obszarem ufności nazywamy obszar w którym z prawdopodobieństwem równym poziomowi ufności znajduje się nieznana teoretyczna linia regresji
Regresja liniowa - przykład
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 30
Dokonano analizy próbek gruntu, mierząc na różnych głębokościach procentową zawartość piasku – analiza przy użyciu MS Excel
0
10
20
30
40
50
60
70
80
0 20 40 60 80 100 120 140%
[cm]
Nr próbki głębokość [cm]
% zawartości
piasku w próbce
1 0 75
2 15 58
3 30 59
4 45 57
5 60 52
6 75 54
7 90 36
8 105 42
9 120 32
Regresja liniowa - przykład
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 31
Dokonano analizy próbek gruntu, mierząc na różnych głębokościach procentową zawartość piasku – analiza przy użyciu MS Excel
y = -0,2989x + 69,6 R² = 0,8627
0
10
20
30
40
50
60
70
80
0 20 40 60 80 100 120 140%
[cm]
Nr próbki głębokość [cm]
% zawartości
piasku w próbce
1 0 75
2 15 58
3 30 59
4 45 57
5 60 52
6 75 54
7 90 36
8 105 42
9 120 32
Regresja liniowa – przykład 2
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 32
Dokonano analizy próbek gruntu, badano zależność dwóch parametrów –
stopnia plastyczności i spójności gruntu (zależność wyznaczono w
oparciu 72 próby i 12 prób)
y = -32,478x + 35,799 R² = 0,825
y = 32,787x2 - 81,201x + 51,129 R² = 0,8926
-10
-5
0
5
10
15
20
25
30
35
40
0 0,2 0,4 0,6 0,8 1 1,2 1,4
stopień plastyczności - spójność
72 próby
Regresja liniowa – przykład 2
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 33
Dokonano analizy próbek gruntu, badano zależność dwóch parametrów –
stopnia plastyczności i spójności gruntu (zależność wyznaczono w
oparciu 72 próby i 12 prób)
y = -44,623x + 43,103 R² = 0,3408
15
20
25
30
35
40
0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6
stopień plastyczności - spójność
12 prób
Funkcje SciLaba
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 34
• interp() – obliczenie wartości interpolującej funkcji sklejanej
• interp2d(), interp3d() – interpolacja funkcjami sklejanymi
• interpln() – rozwiązanie zadania interpolacji liniowej na płaszczyźnie
• lsq() – rozwiązanie równania postaci AX=B metodą najmniejszych kwadratów
• lsq_spline() – aproksymacja średniokwadratowa sześcienną funkcją sklejaną
• linear_interpn() – rozwiązanie zadania n-wymiarowej interpolacji liniowej
• splin(), splin2d(), splin3d() – obliczenie współczynników funkcji sklejanej, interpolującej podane punkty węzłowe
• reglin(), regress() – wyznaczenie współczynników regresji liniowej
Podsumowanie
Aproksymacja i interpolacja, pojęcie modelu regresji
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 35
• Zadanie interpolacji • interpolacja wielomianowa
• wzór Lagrange’a, postać macierzy Lagrange’a, • wzór Lagrange’a dla węzłów równoodległych, • wzór Interpolacyjny Newtona.
• Funkcje sklejane • własności funkcji sklejanych 3 stopnia (cubic spline)
• Krzywa Béziera • Aproksymacja – ogólna postać zadania aproksymacji. • Zadanie aproksymacji liniowej
• pojęcie funkcji bazowych, • postać rozwiązania • układ równań liniowych nadokreślony • wygładzanie funkcji
• Zadanie aproksymacji średniokwadratowej: • metoda najmniejszych kwadratów
• iloczyn skalarny funkcji, • funkcje ortogonalne, • własności wielomianów Czebyszewa.
• Zadanie aproksymacji jednostajnej: • sformułowanie zadania • Twierdzenie Weierstrassa
Podsumowanie
Aproksymacja i interpolacja, pojęcie modelu regresji
Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3 36
• Model regresji • opisanie problemu, • podstawowe pojęcia statystyki: populacja generalna, jednostka statystyczna, cechy
statystyczne, próbka, badanie częściowe, • pojęcie zmiennej losowej i jej realizacji, • teoretyczna linia regresji, a empiryczne równanie regresji, • badanie korelacji na podstawie realizacji próby,
• sposób wyznaczenia równania regresji metodą najmniejszych kwadratów • miary jakości przyjętego modelu regresji
• wariancja resztkowa • współczynnik determinacji
• weryfikacja statystyczna przyjętego modelu regresji • obszary ufności i predykcji
• Modele nieliniowe regresji – sprowadzanie do modelu liniowego