- •Методичні рекомендації до вивчення дисціпліни "Комп’ютерне моделювання електронних схем, конструкцій та технологій електронних апаратів"
- •1.Загальні питання
- •2.Визначення полюсів схемних функцій
- •2.1.Метод дихотомії
- •2.2.Метод хорд
- •2.3.Метод дотичних
- •2.4.Пошук комплексних коренів нелінійних рівнянь
- •3.Визначення коефіціентів чутливості
- •3.1.Розрахунок перших частинних похідних функції
- •3.1.1.Схема 2т чисельного диференціювання
- •3.1.2.Схема 3т чисельного диференціювання
- •3.2.Розрахунок власних частинних похідних другого порядку
- •3.3.Розрахунок взаємних похідних другого порядку
- •4.Визначення міри відповідності характеристик реа
- •4.1.Метод прямокутників
- •4.2.Метод трапецій
- •4.3.Метод Симпсона
- •5.Модедювання радіоелектронних апаратів системами рівнянь
- •5.1.Метод Гауса
- •5.1.1.Розв’язання систем алгебраїчних рівнянь методом Гауса
- •5.1.2.Обчислення визначника матриці методом Гауса
- •5.1.3.Обернення матриці методом Гауса
- •5.2.Метод Жордана
- •5.2.1.Обернення матриці методом Жордана
- •5.3.Метод lu-факторизації
- •5.4.Метод опорного елементу
- •6.Ітераційні методи розвяЗувАння систем лінійних рівнянь
- •6.1.Метод Якобі
- •6.2.Метод Гауса-Зейделя
- •6.3.Метод послідовної верхньої релаксації
- •7.Моделюванні статичного режиму радіоелектронних засобів
- •7.1.Метод простої ітерації
- •7.2.Метод Ньютона
- •2.3 Метод продовження параметру
- •8.Інтерполяція та наближення кривими
- •8.1.Метод невизначених коефіціентів
- •8.2.Регресійний аналіз. Метод найменших квадратів
- •8.2.1.Лінійна регресія
- •8.2.2.Квадратична регресія
- •9.Розв’язання звичайних диференційних рівнянь
- •9.1.Постановка задачі
- •9.2.Метод Ейлера
- •9.3.Метод Ейлера-Коші
- •9.4.Метод Рунге-Кутта
- •Перелік літератури
8.2.Регресійний аналіз. Метод найменших квадратів
Сутність задачі регресійного аналізу полягає у знаходженні згладжувальної функції F(x), що якнайкраще описує набір даних
хi = |
х1 |
х2 |
… |
хn |
, |
уi = |
y1 |
y2 |
… |
yn |
що отримано в результаті вимірювань.
Найпоширеніший критерій оптимальності розвязку згаданої задачі – середньоквадратичний - мінімальна сума квадратів відхилень між виміряними та апроксимованими значеннями:
. |
(8.2) |
Для згладжування результатів можна використовувати різні функції, але найбільш часто використовуються найпростіші: лінійна та квадратична У випадку, коли використовуються поліноміальні функції від х, їх можна записати у вигляді . Тоді Функція Ф невязки, що мінімізується при розвязанні задачі апроксимації, має вигляд:
|
(8.3) |
З умови мінімізації нев’язок, тобто витікає система n рівнянь із n невідомими:
|
(8.4) |
; …, |
яку необхідно розвязати відносно невідомих коефіцієнтів а, b, …
8.2.1.Лінійна регресія
Нехай функція згладжування буде лінійною і має вигляд F(x, а, b) = ax + b. Тоді частинні похідні: . Система рівнянь (8.4) при цьому може бути трансформована до вигляду:
. |
(8.5) |
Після множення першого рівняння на хi та розкривши дужки, система прийме вигляд:
. |
(8.6) |
Розділивши на n і згрупувавши коефіцієнти при невідомих, що шукаються, можна отримати систему:
|
(8.7) |
Після позначень система рівнянь (8.7) приймає вигляд:
.
Її розв’язання дозволяє визначити коефіцієнти
Задача 8.2. Методом найменших квадратів розрахувати коефіцієнти поліному для набору даних, заданих таблицею:
хi = |
0 |
1 |
2 |
.
|
уi = |
1 |
3 |
5 |
Розв’язок. Кількість змінних m=2, кількість експериментальних точок n =3.
|
|
|
|
Розширена система рівнянь для задачі має вигляд:
Якщо друге рівняння відняти від першого, то:
Таким чином, згладжувальна функція має вигляд Розрахунки похибки інтерполяції наведені в таблиці.
хi = |
0 |
1 |
2 |
. |
уi = |
1 |
3 |
5 |
|
|
1 |
3 |
5 |
|
|
0 |
0 |
0 |
Згладжувальна функція точно (похибка дорівнює нулю) проходить через вузли інтерполяції – всі три точки лежать на одній прямій.
Задача 8.3. Методом найменших квадратів розрахувати коефіцієнти поліному для набору даних:
хi = |
0 |
1 |
2 |
. |
уi = |
1 |
3 |
6 |
Розв’язок. Аналогічно попередньому кількість змінних m=2, кількість експериментальних точок n =3.
|
|
|
|
Розширена система рівнянь для задачі має вигляд:
Якщо друге рівняння відняти від першого, то:
Таким чином, згладжувальна функція має вигляд Розрахунки похибки інтерполяції наведені в таблиці.
Згладжувальна функція не проходить точно через задані точки, але задача розв’язана вірно - алгебраїчна сума похибок дорівнює нулю.