Approximation Theory ( (תורת הקרוב
description
Transcript of Approximation Theory ( (תורת הקרוב
Approximation Theory (( תורתהקרוב
Hooke’s law: F(l)=k(l-E), where F(l) is the force required to stretch the spring l units, E is the length with no force applied, k is the spring constant.
F l
0 5.3
2 7.0
4 9.4
6 12.3
Discrete Data Approximation
Discrete Least Square Approximation
•A minimax problem: find a and b to minimize baxy ii
i
10,...,2,1
max
•Find a and b to minimize the absolute deviation
10
1iii baxy
•Find a and b to minimize the least square error
10
1
2
iii baxy
קירוב ע"י ריבועים פחותים
1x
nxxx ,..., 21
...
נתונים שמודדים בניסוי תמיד כוללים שגיאות מדידה ולכן אין סיבה שנקרבאת הנתונים ע"י פולינום אינטרפולציה שיעבור דרך הנקודות במדויק.
רצוי למצוא פולינום או פונקציה אחרת פשוטה שתעבור הכי קרוב לכל הנקודות. (Least Squareריבועים פחותים )השיטה שמאפשרת קירוב כזה היא שיטת
f(xiוערכי פונקציה ) נקודות nנניח כי נתונים
nx
xaapונניח שרוצים להעביר קו ישר 10
כך שיהיה קרוב לכל הנקודות )קו מגמה ליניארית(
Linear Regression
)()(נגדיר סכום השאריות בריבוע: ii xpxf
n
iiir xaaxfS
1
210 )]()([
יהיה מינימאלי; כלומר שהקו יהיה הכי קרוב לנקודות.Srנרצה שה-
Sr שיתנו את הקירוב הטוב ביותר ע"י גזירת a0 , a1נמצא את המקדמים
קו מגמה ליניארית
n
iiii
r
n
iii
r
xxaaxfa
S
xaaxfa
S
110
1
110
0
0])([2
0])([2
n
iii
n
ii
n
ii
n
ii
n
ii
xfxaxax
xfaxna
111
20
1
1110
)( )( )(
)( )(
n
iix
1 )(
)משוואות נורמאליות(: a0 , a1 משוואות ליניאריות ל 2מכאן נקבל מערכת של
יצטמצם 0a ונחסיר. האיבר עם nנכפיל משוואה ראשונה ב והשנייה ב- :1aונקבל
n
i
n
iii
n
i
n
i
n
iiiii
xnx
xfxnxfxa
1 1
22
1 1 11
)(
)()(
קו מגמה ליניארית )המשך( יהיו פשוטים יותר אם נסמן ממוצעיםa0 , a1הביטויים ל
221 )(
)()(
ii
iiii
xxn
xfxxfxna
n
iiin
n
iin
n
iin xfxxfxffxx
1
1
1
1
1
1 ... ),( ),( ,
a1ונציב אותם לנוסחת
ונקבל:
:a0נשתמש בתוצאה הזאת יחד אם המשוואה ה"נורמאלית" הראשונה לחישוב xafa 10
: דרוש לבנות קו המגמה לנתונים הבאים )שנמדדו בניסוי(:דוגמה ii yx
5.5 7
0.6 6
5.3 5
0.4 4
0.2 3
5.2 2
5.0 1
2 4 6 8x
1
2
3
4
5
6
y
4 20 24/7 17.07 ממוצע
49
36
25
16
9
4
1
2x
38.5
36
17.5
16
6
5
0.5 ii yx
0714.048393.0
8393.0420
407.17
724
0
27
24
1
a
a
22 xx
fxxf
Least Square Approximation
xi yi
1 1.3
2 3.5
3 4.2
4 5.0
5 7.0
6 8.8
7 10.1
8 12.5
9 13.0
10 15.6
? ?, ,)( babaxxP
Least Square Approximation
xi yi
1 1.3
2 3.5
3 4.2
4 5.0
5 7.0
6 8.8
7 10.1
8 12.5
9 13.0
10 15.6
P)x(=1.538x-0.36
Least Square Approximation: P(x)=ax (Zero-Intercept)
n
iiir axxfS
1
2])([
n
iiii
r xaxxfa
S
10])([2
n
ii
n
iii
x
xfxa
1
2
1)(
axxP )(
Least Square Approximation: P(x)=ax (Zero-Intercept)
a)
F(l) l
2 7.0
4 9.4
6 12.3
k=?
? ,3.5 ),()( kEElklF
b) add
more data
F(l) l
3 8.3
5 11.3
8 14.4
10 15.9
k=?
איכות הקירובהאם הקירוב "טוב" או לא?
2 4 6 8x
1
2
3
4
5
y
2 4 6 8x
1
2
3
4
5
6
y
נגדיר
n
iit fxfS
1
)ונזכור ש (])([2
n
iir xaaxfS
1
210 )]()([
א)
ב(
נגדיר כ rואז מקדם המתאם )הקורלציה( t
rt
S
SSr
מקדם המתאם מכמת את החלק מפיזור הנתונים שניתן ליחס להתנהגות מסודרת לפי קו המגמה. שאר הפיזור נובע משגיאות אקראיות.
במקרה ב'0.18 במקרה א' ו- 0.93מקדם המתאם הוא
ליניאריזאציה של משוואות הקירוב
ערכי הפונקציה וידוע שהפונקציה מתנהגת כ- n נניח כי בניסוי נמדדו1(xbebxf 1
0)(
כך שהקירוב ע"י הפונקציה יהיה b1 ,b 0דרוש למצוא את המקדמים משני האגפים של המשוואה:lnהכי קרוב לנקודות המדידה. ניקח
xbbebxfaa
xb
10
1100 ln)ln()(ln
iiנסמן ונקבל משוואת קו המגמה yxf )(ln
ii xaay 10 ניתן למצוא לפי הנוסחאות של קו המגמה ואחר כךa1 ,a 0המקדמים
0לחשב .0
aeb
2 4 6 8x
123456
ln fx
1 2 3 4 5 6 7x
100
200
300
400fx
Least Square Approximation: Example
axbybexy ax lnln)(
122.15.7875.115
5.7422.14404.9875.11ln
5056.05.7875.115
404.95.7422.145
2
2
b
axexy 5056.0071.3)(
WHYWHY?? 0 ie
ליניאריזאציה של משוואות הקירוב )המשך(נניח כי הפונקציה מתנהגת כ . גם במקרה הזה 2(
נשתמש בהתמרה לוגריתמית:
10)( cxcxf
xccxcxf
aa
c lnln)ln()(ln
10
1100
iiכמו במקרה הקודם נסמן ושוב נקבל משוואת קו המגמה yxf )(ln
ii aay 10 1: דרוש לקרב את הנתונים שבטבלה ע"י הפונקציה דוגמה
0)( cxcxf
4.85
7.54
4.33
7.12
5.01
424.3589.2128.2609.1
412.2921.1740.1386.1
345.1208.1224.1099.1
368.0480.0531.0693.0
00693.00 yfyxxfx 2lnln)(
510.1240.1986.0957.0
75.1
688.00
0
21
5.0)(
5.0
688.0957.0748.1986.0
748.1957.024.1
986.0957.051.1
xxf
ec
a
a
ליניאריזאציה של משוואות הקירוב )המשך(
נניח כי הפונקציה מתנהגת כ . 3(xd
xdxf
10)(
נבצע התמרה:
)(
1,,
1,
1
11
)(
1
0
11
00
1
0
ii xf
yd
da
xda
x
d
dxf
ושוב נקבל את משוואת קו המגמה
ii aay 10
נמצא לפי הנוסחאות של קו המגמה ואחר כך a1 ,a 0את המקדמים
נחשב
0
11
00 ,
1
a
ad
ad
קירוב ע"י פולינום בשיטת ריבועים פחותים
נניח כי נתונות הנקודות הבאות
2 3 4 5 6 7x
5101520253035
y
ורוצים להתאים עקומה שתעבורפרבולה!קרוב לנקודות.
nבאופן כללי נניח כי רוצים להתאים את הפולינום מדרגת n
nn xaxaaxp 10)(כך שהקירוב יהיה הטוב n<m) הנקודות הנמדדות )mלסדרת
שוב מגדירים: וכדי שהפולינום יהיה הכי ביותר.קרוב לנתונים דורשים:
m
iinir xpxfS
1
2)]()([
m
i
ni
ninii
n
r
m
ii
ninii
r
m
ii
ninii
r
xxaxaaxfa
S
xxaxaaxfa
S
xxaxaaxfa
S
110
1
110
1
1
010
0
0])([2
0])([2
0])([2
קירוב ע"י פולינום בשיטת ריבועים פחותים
m
i
ni
ninii
n
r
m
ii
ninii
r
m
ii
ninii
r
xxaxaaxfa
S
xxaxaaxfa
S
xxaxaaxfa
S
110
1
110
1
1
010
0
0])([2
0])([2
0])([2
מקדמים של הפולינום הם פתרון של מערכת משוואות:
m
i
m
i
kji
n
kk
jii
j
r njxaxxfa
S
1 10 ,...,1 ,0 ,02)(2
או
קירוב ע"י פולינום בשיטת ריבועים פחותים
m
i
nii
m
i
nin
m
i
ni
m
i
ni
m
iii
m
i
nin
m
ii
m
ii
i
m
ii
m
i
nin
m
ii
m
ii
xxfxaxaxa
xxfxaxaxa
xxfxaxaxa
11
2
1
11
10
1
1
1
1
1
21
1
10
0
111
11
1
00
)(
)(
)(
ניתן לסדר את המשוואות:
m
i
ni
m
i
ni
m
i
ni
m
i
ni
m
i
ni
m
ii
m
ii
m
ii
m
i
ni
m
ii
m
ii
m
ii
xxxx
xxxx
xxxx
1
2
1
2
1
1
1
1
1
1
3
1
2
1
1
11
2
1
1
1
0
או בצורה של מטריצה:
na
a
a
1
0
m
i
nii
m
iii
i
m
ii
xxf
xxf
xxf
1
1
1
0
1
)(
)(
)(
=
קירוב ע"י פולינום בשיטת ריבועים פחותים: דוגמא
m
i
nii
m
i
nin
m
i
ni
m
i
ni
m
iii
m
i
nin
m
ii
m
ii
i
m
ii
m
i
nin
m
ii
m
ii
xxfxaxaxa
xxfxaxaxa
xxfxaxaxa
11
2
1
11
10
1
1
1
1
1
21
1
10
0
111
11
1
00
)(
)(
)(
4015.43828.15625.1875.1
4514.55625.1875.1 5.2
7680.8875.1 5.2 5
210
210
210
aaa
aaa
aaa
22102 )( xaxaaxP
?
?
?
2
1
0
a
a
a
5
1
22
2 ?)(i
ii xPye
קירוב ע"י פולינום בשיטת ריבועים פחותים: דוגמא
4015.43828.15625.1875.1
4514.55625.1875.1 5.2
7680.8875.1 5.2 5
210
210
210
aaa
aaa
aaa
22 8437.08641.00052.1)( xxxP
8437.0 ,8641.0 ,0052.1 210 aaa
5
1
422
2 1076.2)(i
ii xPye
Least Square Approximation: Exam-1
i 1 2 3 4 5 6 7 8 9 10
xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72
a. Construct the LS polynomial of degree one and compute the error.
b. Construct the LS polynomial of degree two and compute the error.
c. Construct the LS polynomial of degree three and compute the error.
d. Construct the LS approximation of the form and compute the error.
e. Construct the LS approximation of the form and compute the error.
f. What form of the relationship is the best fit for the data?
axbeabx