Составители:
52
зовать эту функцию, когда экстраполируемая функция является глад-
кой и осциллирующей, но не обязательно периодической.
Пример использования функции predict приведен на рис. 18.
4.12. Функции регрессии
Функции регрессии создают кривую или поверхность, которая ми-
нимизирует ошибку между собой и имеющимися данными. В отличие
от функций интерполяции, рассмотренных в предыдущем разделе, эти
функции не требуют, чтобы аппроксимирующая кривая или поверхность
проходили через точки данных. Функции регрессии гораздо менее чув-
ствительны к ошибкам данных, чем функции интерполяции. Конечный
результат регрессии – функция, с помощью которой можно оценить зна-
чения в промежутках между заданными точками.
В Mathcad имеются функции четырех видов регрессии: линейная,
полиномиальная, многомерная полиномиальная, обобщенная.
При использовании функций линейной регрессии определяется на-
клон и смещение линии, которая будет приближена к исходным данным
с наименьшим среднеквадратическим отклонением.
Если поместить значения x в вектор vx и соответствующие значения
y в vy, то линия определяется в виде
slope( , ) intercept( , ).
yx=⋅+
vx vy vx vy
i040
..:=
x
i
10 i
⋅:=
y
i
10 i
⋅
100 rnd 1(
)
⋅+:=
Вычисляются коэффициенты линейной регрессии:
a slope x y
,
()
:=
a 1.079
=
b intercept x y
,
()
:=
b 34.417
=
02040
0
200
400
600
y
i
ax
i
⋅ b+
Рис. 19. Линейная регрессия
Страницы
- « первая
- ‹ предыдущая
- …
- 50
- 51
- 52
- 53
- 54
- …
- следующая ›
- последняя »
