Глобальная и локальная интерполяция

Содержание

Слайд 2

Слайд 3

Слайд 4

Слайд 5

Слайд 6

Слайд 7

Слайд 8

Слайд 9

Слайд 10

Слайд 11

Слайд 12

Слайд 13

Слайд 14

Слайд 15

Слайд 16

Слайд 17

Слайд 18

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ

Слайд 19

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ Проведение количественного анализа, как правило, включает в себя построение

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ

Проведение количественного анализа, как правило, включает в себя построение графика

по данным, найденным в ходе эксперимента
Слайд 20

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ Теоретически результаты эксперимента должны укладываться в некоторую зависимость, которую можно выразить формулой.

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ

Теоретически результаты эксперимента должны укладываться в некоторую зависимость, которую можно

выразить формулой.
Слайд 21

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ Но на практике это не так

КОЛИЧЕСТВЕННЫЙ АНАЛИЗ

Но на практике это не так

Слайд 22

ОШИБКА! Причины: Погрешность измерений Недостигаемость условий (идеальный газ, стандартное давление и т.д.) Ошибка в расчете

ОШИБКА!

Причины:
Погрешность измерений
Недостигаемость условий (идеальный газ, стандартное давление и т.д.)
Ошибка в расчете

Слайд 23

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ Это один из методов регрессионного анализа для оценки

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ

Это один из методов регрессионного анализа для оценки неизвестных

величин по результатам измерений, содержащих случайные ошибки.
Метод наименьших квадратов применяется также для приближенного представления заданной функции другими (более простыми) функциями и часто оказывается полезным при обработке наблюдений.
Слайд 24

ОСНОВНОЙ ПРИНЦИП МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ При замене точного (неизвестного) параметра модели

ОСНОВНОЙ ПРИНЦИП МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ

При замене точного (неизвестного) параметра модели приблизительным

значением необходимо минимизировать разницу между экспериментальными данными и теоретическими (вычисленными при помощи предложенной модели).
Слайд 25

ПРИБЛИЖЕНИЕ МНК

ПРИБЛИЖЕНИЕ

МНК

Слайд 26

ОТКЛОНЕНИЕ ТОЧКИ ОТ ПРЯМОЙ A. x y O B.

ОТКЛОНЕНИЕ ТОЧКИ ОТ ПРЯМОЙ

A.

x

y

O

B.

Слайд 27

КАК УЧЕСТЬ ОТКЛОНЕНИЕ ВСЕХ ТОЧЕК? В рамках метода наименьших квадратов минимизируется величина: Суммарное отклонение всех точек

КАК УЧЕСТЬ ОТКЛОНЕНИЕ ВСЕХ ТОЧЕК?

В рамках метода наименьших квадратов минимизируется величина:

Суммарное

отклонение всех точек
Слайд 28

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ Пусть нам известно оптимальное значение a. Тогда S

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ

Пусть нам известно оптимальное значение a. Тогда S зависит

только от b. Для того, чтобы найти минимум, надо приравнять производную к нулю.
Слайд 29

ИТОГИ Вычисление коэффициентов прямой по формулам:

ИТОГИ

Вычисление коэффициентов прямой по формулам:

Слайд 30

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ В MICROSOFT EXCEL 2003 По формулам. Функция ЛИНЕЙН

МЕТОД НАИМЕНЬШИХ КВАДРАТОВ В MICROSOFT EXCEL 2003

По формулам.
Функция ЛИНЕЙН

ЛИНЕЙН

Ctrl+Shift+Enter

a = 0,664357

+

b

= 1,878571
Слайд 31

ПРОВЕРКА АДЕКВАТНОСТИ УРАВНЕНИЯ РЕГРЕССИИ

ПРОВЕРКА АДЕКВАТНОСТИ УРАВНЕНИЯ РЕГРЕССИИ

Слайд 32

ПРОВЕРКА АДЕКВАТНОСТИ УРАВНЕНИЯ РЕГРЕССИИ Определение дисперсии на одну степень свободы приводит

ПРОВЕРКА АДЕКВАТНОСТИ УРАВНЕНИЯ РЕГРЕССИИ

Определение  дисперсии  на  одну  степень  свободы  приводит  дисперсии

к  сравнимому  виду.  Сопоставляя факторную  и  остаточную  дисперсии  в расчете на одну степень свободы, получим величину  F-критерия Фишера. Фактическое  значение  F -критерия  Фишера  сравнивается  с табличным значением Fтабл. (α, k1, k2)  при заданном уровне значимости α и степенях свободы k1= m и k2=n-m-1.  При  этом,  если  фактическое  значение  F-критерия  больше  табличного Fфакт > Fтеор, то  признается  статистическая  значимость уравнения в целом. Для парной линейной регрессии m=1 , поэтому: