第三講 插值與擬合

第三講插值與擬合插值與擬合在工程實踐和科學實驗中，常常需要從一組實驗觀測數(shù)據(jù)

i=0,1,2,…,n,揭示自變量x與因變量y之間的關系，一般可用一個近似的函數(shù)關系式y(tǒng)=f(x)來表示，函數(shù)f(x)產(chǎn)生的辦法通常有兩種方法：曲線擬合和插值，擬合主要是考慮到觀測數(shù)據(jù)受隨機誤差的影響，尋求整體誤差最小，較好反映觀測數(shù)據(jù)的近似函數(shù)，并不保證所得到的函數(shù)一定滿足插值則要求函數(shù)在每個觀測點處一定要滿足一、插值1、引例上大二的小華正在做概率作業(yè)，要計算標準正態(tài)分布函數(shù)在0.514處的數(shù)值，他拿出一本概率論的教材，找到了這樣的標準正態(tài)分布函數(shù)的表格：

x

0

1

2

3

……

0.50.69150.69500.69850.7019…

0.60.72570.72910.73240.7357……小華從表上查到怎樣從這些結果計算呢？小華認為在0.51到0.52這樣小的區(qū)間內，可將函數(shù)近似看作線性的，得到小華用的就是一種插值方法——分段線性插值，插值可簡單地理解為：要根據(jù)一個用表格表示的函數(shù)，計算表中沒有的函數(shù)值。表中有的點稱為節(jié)點，要計算的點稱為插值點。2、一維插值調用格式：y=interp1(x0,y0,x,’method’)

其中向量x0，y0為插值點，y為在被插值點x處的插值結果；‘method’表示插值的方法。MATLAB的插值方法：‘nearest’最鄰近插值；‘linear’線性插值；‘spline’三次樣條插值；‘cubic’立方插值；缺省時表示線性插值。注：所有的插值方法都要求x是單調的，并且xi不能超過x的范圍。例1：對用g(x)產(chǎn)生11個節(jié)點作四種插值計算，并作圖。例2：在一天24小時內，從零點開始每間隔2小時測得環(huán)境溫度數(shù)據(jù)分別為()12,9,9,10,18,24,28,27,25,20,18,15,13.

推測中午13點的溫度，并作出一天的溫度曲線。二、擬合1、引例：幾天后，小華在物理實驗中又碰到一個看起來非常類似的問題：有一只對溫度敏感的電阻，已經(jīng)測得一組溫度t和電阻R數(shù)據(jù)：

20.532.751.073.095.7

7658268739421032現(xiàn)在想知道時的電阻多大。老師給他兩點提示：1、在直角坐標系中把5個點畫一下，看看電阻R和溫度t之間的關系；2、測量數(shù)據(jù)總有誤差，這與用函數(shù)表作插值計算有不同之處。R與t大致呈直線關系，即根據(jù)一組（二維）數(shù)據(jù)，即平面上的若干點，確定一個一元函數(shù)，即曲線，使這些點與曲線總體來說盡量接近，這就是曲線擬合。2、多項式函數(shù)擬合:p=polyfit(x,y,m)

其中x，y為要擬合的數(shù)據(jù)，是長度自定義的數(shù)組，m為擬合多項式的次數(shù)。輸出參數(shù)p為擬合多項式的系數(shù)。3、對超定方程組用可得最小二乘意義下的解。4、多項式在x處的值y可用下面程序計算：

y=polyval(p,x)。注：也可使用MATLAB曲線擬合工具箱。

Start-Toolboxes-CurveFitting例1：擬合引例中電阻R與溫度t之間的關系R=at+b。例2：x為0到1之間的數(shù)，間隔0.1，y為-0.447，1.978，3.28，6.16，7.08，7.34，7.66，9.56，9.48，9.30，11.2，分別用二次、五次和十次擬合曲線來擬合這組數(shù)據(jù)，并進行比較。從圖形上看，次數(shù)越高擬合程度越好。例3已知在某實驗中測的某質點的位移和速度隨時間的變化如下，求質點的速度與位移隨時間的變化曲線以及位移隨速度的變化曲線。

t00.51.01.52.02.53.0v00.47940.84150.99750.90930.59850.1411s11.522.533.54練習：舊車價格預測某年美國舊車價格的調查資料如下表，其中xi表示轎車的使用年數(shù)，yi表示相應的平