Аппроксимация
Цель работы: изучить основные возможности приложения Microsoft Excel 2010 для аппроксимации экспериментальных данных.
Краткие теоретические сведения
В инженерной практике часто приходиться иметь дело с таблицей численных значений экспериментальных данных, отражающих некоторую функциональную зависимость y i = f (x i). С численными значениями такой зависимости в большинстве случаев работать неудобно, поэтому с помощью различных методов пытаются подобрать такую формулу
y = φ(x), график которой наиболее точно отражает зависимость y i = f (x i). Такая замена табличных значений зависимости y i = f (x i) аналитической функцией y = φ(x) называется аппроксимацией, а функция φ(x) – аппроксимирующей функцией.
С одной стороны, для удобства работы с аппроксимирующей функцией она должна быть как можно более простой, с другой – увеличение точности аппроксимации требует применения более сложной аппроксимирующей функции. Поэтому задача аппроксимации в общем случае является творческой и во многих случаях ее успешное решение зависит как от характера зависимости y i = f (x i), так и от знаний и опыта инженера.
|
|
На практике чаще всего в качестве простейших аппроксимирующих функций используют:
· линейную y = φ(x) = ax + b; (1)
· степенную y = φ(x) = ax b; (2)
· логарифмическую y = φ(x) = a ln(x) + b; (3)
· экспоненциальную y = φ(x) = ae bx. (4)
Как нетрудно видеть, функции (1) – (4) содержат всего по два коэффициента аппроксимации: a и b. Если эти функции не обеспечивают требуемой точности аппроксимации, количество коэффициентов необходимо увеличить и использовать более сложные функции. В большинстве случаев переходят к использованию полиномиальной аппроксимации
y = φ(x) = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + … + a n x n. (5)
Применение полиномиальной аппроксимации (5) позволяет путем увеличения степени полинома и, соответственно, количества коэффициентов повысить точность аппроксимации.
Для оценки точности аппроксимации используется коэффициент корреляции Пирсона, который вычисляется по формуле
. (6)
В приложении Microsoft Excel для оценки точности аппроксимации используется квадрат коэффициента корреляции (6) – достоверность аппроксимации R 2. Чем величина R 2 ближе к единице, тем аппроксимация точнее.
Пример
Используя все виды функций (1) – (5) аппроксимировать экспериментальную зависимость y i = f (x i), представленную таблицей
Таблица 5.1
Экспериментальные данные
X i | |||||||||||
Y i |
Пользуясь величиной достоверности аппроксимации R 2 найти наилучшую среди аппроксимирующих функций (1) – (4), имеющих по два коэффициента, и сравнить ее с полиномиальной аппроксимацией (5). Сделать выводы.
|
|