Задание: Для функции, заданной таблично, подобрать эмпирическую зависимость и найти параметры приближающей функции методом наименьших квадратов.
| №1 | x | 0,1 | 0,2 | 0,3 | 0,4 | 0,5 | 0,6 | 0,7 | 0,8 |
| y | 3,030 | 3,142 | 3,358 | 3,463 | 3,772 | 3,251 | 3,170 | 3,665 | |
| №2 | x | 0,1 | 0,2 | 0,3 | 0,4 | 0,5 | 0,6 | 0,7 | 0,8 |
| y | 3,314 | 3,278 | 3,262 | 3,292 | 3,332 | 3,397 | 3,487 | 3,563 | |
| №3 | x | 2,0 | 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,7 | |
| y | 1,045 | 1,162 | 1,264 | 1,172 | 1,070 | 0,898 | 0,656 | 0,344 | |
| №4 | x | 0,3 | 0,6 | 0,9 | 1,2 | 1,5 | 1,8 | 2,1 | 2,4 |
| y | 6,715 | 6,735 | 6,750 | 6,741 | 6,645 | 6,639 | 6,647 | 6,612 | |
| №5 | x | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 | 2,4 | 2,6 |
| y | 2,325 | 2,515 | 2,638 | 2,700 | 2,696 | 2,626 | 2,491 | 2,291 | |
| №6 | x | 2,1 | 2,3 | 2,5 | 2,7 | 2,9 | 3,1 | 3,3 | 3,5 |
| y | 1.752 | 1,762 | 1,777 | 1,797 | 1,821 | 1,850 | 1,884 | 1,944 | |
| №7 | x | 1,5 | 1,6 | 1,7 | 1,8 | 1,9 | 2,0 | 2,1 | 2,2 |
| y | 1,924 | 1,710 | 1,525 | 1,370 | 1,264 | 1,190 | 1,148 | 1,127 | |
| №8 | x | 0,5 | 0,6 | 0,7 | 0,8 | 0,9 | 1,0 | 1,1 | 1,2 |
| y | 1,025 | 1,144 | 1,336 | 1,419 | 1,479 | 1,530 | 1,568 | 1,248 | |
| №9 | x | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 | 2,8 | 2,9 |
| y | 5,785 | 5,685 | 5,605 | 5,545 | 5,505 | 5,480 | 5,495 | 5,510 | |
| №10 | x | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 | 1,9 |
| y | 4,052 | 4,092 | 4,152 | 4,234 | 4,338 | 4,468 | 4,599 | 4,771 | |
| №11 | x | 0,3 | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 |
| y | 0,344 | 0,364 | 0,374 | 0,372 | 0,350 | 0,328 | 0,296 | 0,256 | |
| №12 | x | 0,4 | 0,6 | 0,8 | 1,0 | 1,2 | 1,4 | 1,6 | 1,8 |
| y | 0,205 | 0,235 | 0,249 | 0,245 | 0,225 | 0,190 | 0,140 | 0,076 | |
| №13 | x | 0,1 | 0,2 | 0,3 | 0,4 | 0,5 | 0,6 | 0,7 | 0,8 |
| y | 1,044 | 1,161 | 1,203 | 1,172 | 1,076 | 0,856 | 0,654 | 0,342 | |
| №14 | x | 1,1 | 1,2 | 1,3 | 1,4 | 1,5 | 1,6 | 1,7 | 1,8 |
| y | 0,525 | 0,625 | 0,678 | 0,681 | 0,640 | 0,552 | 0,492 | 0,362 | |
| №15 | x | 0,1 | 0,2 | 0,3 | 0,4 | 0,5 | 0,6 | 0,7 | 0,8 |
| y | 4,230 | 4,253 | 4,256 | 4,240 | 4,205 | 4,150 | 4,075 | 3,980 | |
| №16 | x | 2,0 | 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 |
| y | 5,022 | 5,143 | 5,195 | 5,175 | 5,085 | 4,925 | 4,705 | 4,406 |
| №17 | x | 3,0 | 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 | 3,7 |
| y | 1,125 | 1,175 | 1,21, | 1,237 | 1,251 | 1,255 | 1,242 | 1,223 | |
| №18 | x | 2,0 | 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 |
| y | 1,220 | 1,253 | 1,256 | 1,232 | 1,175 | 1,091 | 0,985 | 0,850 | |
| №19 | x | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 | 1,9 |
| y | 3,150 | 3,171 | 3,181 | 3,179 | 3,165 | 3,140 | 3,105 | 3,059 | |
| №20 | x | 1,2 | 1,3 | 1,4 | 1,5 | 1,6 | 1,7 | 1,8 | 1,9 |
| y | 4,018 | 4,025 | 4,035 | 4,048 | 4,012 | 4,028 | 4,015 | 4,002 | |
| №21 | x | -4,3 | -4,0 | -3,8 | -3,1 | -2,1 | -0,8 | -0,5 | 0,4 |
| y | 3,421 | 2,331 | 0,624 | -0,963 | -1,843 | -1,020 | 0,114 | 2,713 | |
| №22 | x | -3,3 | -3,0 | -2,8 | -2,1 | -1,1 | 0,2 | 0,5 | 1,4 |
| y | 1,920 | 0.330 | -1,471 | -2,962 | -3,840 | -3,023 | -1,884 | 0,713 | |
| №23 | x | -1,3 | -1,0 | -0,8 | -0,1 | 0,9 | 2,2 | 2,5 | 3,4 |
| y | 4,921 | 3,330 | 1,624 | 0,028 | -0,840 | -0,025 | 1,116 | 3,713 | |
| №24 | x | 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 | 3,7 | 3,8 |
| y | 2,527 | 2,635 | 2,655 | 2,563 | 2,361 | 2,048 | 1,638 | 1,118 | |
| №25 | x | 0,2 | 0,3 | 0,4 | 0,5 | 0,6 | 0,7 | 0,8 | 0,9 |
| y | 4,030 | 4,142 | 4,251 | 4,958 | 4,478 | 4,593 | 4,465 | 4,362 | |
| №26 | x | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 | 1,9 | 2,1 |
| y | 5,715 | 5,735 | 5,750 | 5,741 | 5,647 | 5,649 | 5,644 | 5,636 | |
| №27 | x | -3,3 | -3,0 | -2,7 | -2,4 | -2,1 | -1,8 | -1,5 | -1,2 |
| y | 2,920 | 1,331 | -0,476 | -1,968 | -2,841 | -2,021 | -0,881 | 1,713 | |
| №28 | x | -4,3 | -4,0 | -3,8 | -3,1 | -2,1 | -0,8 | -0,5 | 0,4 |
| y | 5,921 | 4,330 | 2,623 | 1,030 | 0,157 | 0,979 | 2,114 | 4,714 | |
| №29 | x | 0,8 | 1,0 | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 |
| y | 1,325 | 1,515 | 1,638 | 1,700 | 1,692 | 1,626 | 1,491 | 1,290 | |
| №30 | x | 2,1 | 2,3 | 2,5 | 2,7 | 2,9 | 3,1 | 3,3 | 3,5 |
| y | 3,325 | 3,515 | 3,637 | 3,700 | 3,695 | 3,625 | 3,491 | 3,291 | |
| №31 | x | 1,2 | 1,3 | 1,4 | 1,5 | 1,6 | 1,7 | 1,8 | 1,9 |
| y | 0,344 | 0,364 | 0,374 | 0,372 | 0,350 | 0,328 | 0,296 | 0,256 | |
| №32 | x | 0,3 | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 |
| y | 0,525 | 0,625 | 0,678 | 0,681 | 0,640 | 0,552 | 0,492 | 0,362 | |
| №33 | x | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 | 2,4 | 2,6 |
| y | 1,752 | 1,762 | 1,777 | 1,797 | 1,821 | 1,850 | 1,884 | 1,944 | |
| №34 | x | 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 | 2,8 |
| y | 2,785 | 2,685 | 2,605 | 2,545 | 2,505 | 2,485 | 2,490 | 2,515 | |
| №35 | x | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 | 2,4 | 2,6 |
| y | 1,924 | 1,710 | 1,525 | 1,370 | 1,264 | 1,190 | 1,148 | 1,127 | |
| №36 | x | -2,3 | -2,0 | -1,8 | -1,1 | -0,1 | 1,2 | 1,5 | 2,4 |
| y | 2,527 | 2,635 | 2,655 | 2,563 | 2,361 | 2,048 | 1,638 | 1,118 | |
| №37 | x | -1,3 | -1,0 | -0,8 | -0,1 | 0,9 | 2,2 | 2,5 | 3,4 |
| y | 0,525 | 0,625 | 0,678 | 0,681 | 0,640 | 0,552 | 0,492 | 0,362 | |
| №38 | x | 2,0 | 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 |
| y | 5,921 | 4,330 | 2,623 | 1,030 | 0,157 | 0,979 | 2,114 | 4,714 | |
| №39 | x | 0,8 | 1,0 | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 |
| y | 4,018 | 4,025 | 4,035 | 4,048 | 4,012 | 4,028 | 4,015 | 4,002 | |
| №40 | x | 3,0 | 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 | 3,7 |
| y | 5,715 | 5,735 | 5,750 | 5,741 | 5,647 | 5,649 | 5,644 | 5,636 | |
| №41 | x | -3,3 | -3,0 | -2,7 | -2,4 | -2,1 | -1,8 | -1,5 | -1,2 |
| y | 1.752 | 1,762 | 1,777 | 1,797 | 1,821 | 1,850 | 1,884 | 1,944 | |
| №42 | x | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 | 2,4 | 2,6 |
| y | 3,325 | 3,515 | 3,637 | 3,700 | 3,695 | 3,625 | 3,491 | 3,291 | |
| №43 | x | 2,1 | 2,3 | 2,5 | 2,7 | 2,9 | 3,1 | 3,3 | 3,5 |
| y | 1,220 | 1,253 | 1,256 | 1,232 | 1,175 | 1,091 | 0,985 | 0,850 | |
| №44 | x | -1,3 | -1,0 | -0,8 | -0,1 | 0,9 | 2,2 | 2,5 | 3,4 |
| y | 4,230 | 4,253 | 4,256 | 4,240 | 4,205 | 4,150 | 4,075 | 3,980 | |
| №45 | x | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 | 1,9 |
| y | 5,022 | 5,143 | 5,195 | 5,175 | 5,085 | 4,925 | 4,705 | 4,406 | |
| №46 | x | 3,0 | 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 | 3,7 |
| y | 0,525 | 0,625 | 0,678 | 0,681 | 0,640 | 0,552 | 0,492 | 0,362 | |
| №47 | x | 1,2 | 1,4 | 1,6 | 1,8 | 2,0 | 2,2 | 2,4 | 2,6 |
| y | 1,325 | 1,515 | 1,638 | 1,700 | 1,692 | 1,626 | 1,491 | 1,290 | |
| №48 | x | -3,3 | -3,0 | -2,7 | -2,4 | -2,1 | -1,8 | -1,5 | -1,2 |
| y | 1,045 | 1,162 | 1,264 | 1,172 | 1,070 | 0,898 | 0,656 | 0,344 | |
| №49 | x | -1,3 | -1,0 | -0,8 | -0,1 | 0,9 | 2,2 | 2,5 | 3,4 |
| y | 4,030 | 4,142 | 4,251 | 4,958 | 4,478 | 4,593 | 4,465 | 4,362 | |
| №50 | x | 2,3 | 2,4 | 2,5 | 2,6 | 2,7 | 2,8 | 2,9 | 3,0 |
| y | 3,030 | 3,142 | 3,251 | 3,358 | 3,468 | 3,563 | 3,647 | 3,762 |
Вопросы для самоподготовки
1. Математическая постановка задачи интерполирования.
2. Линейная интерполяция.
3. Интерполяционный полином Лагранжа.
4. Постановка задачи математической обработки данных с помощью метода наименьших квадратов. Геометрическая интерпретация метода.
5. Нахождение параметров линейной приближающей функции.
6. Нахождение параметров квадратичной приближающей функции.
7. Нахождение параметров степенной и показательной приближающих функций.






