МАРК РЕГНЕРУС ДОСЛІДЖЕННЯ: Наскільки відрізняються діти, які виросли в одностатевих союзах
РЕЗОЛЮЦІЯ: Громадського обговорення навчальної програми статевого виховання ЧОМУ ФОНД ОЛЕНИ ПІНЧУК І МОЗ УКРАЇНИ ПРОПАГУЮТЬ "СЕКСУАЛЬНІ УРОКИ" ЕКЗИСТЕНЦІЙНО-ПСИХОЛОГІЧНІ ОСНОВИ ПОРУШЕННЯ СТАТЕВОЇ ІДЕНТИЧНОСТІ ПІДЛІТКІВ Батьківський, громадянський рух в Україні закликає МОН зупинити тотальну сексуалізацію дітей і підлітків Відкрите звернення Міністру освіти й науки України - Гриневич Лілії Михайлівні Представництво українського жіноцтва в ООН: низький рівень культури спілкування в соціальних мережах Гендерна антидискримінаційна експертиза може зробити нас моральними рабами ЛІВИЙ МАРКСИЗМ У НОВИХ ПІДРУЧНИКАХ ДЛЯ ШКОЛЯРІВ ВІДКРИТА ЗАЯВА на підтримку позиції Ганни Турчинової та права кожної людини на свободу думки, світогляду та вираження поглядів Контакти
Тлумачний словник |
|
|||||||||||||||||
Статистичні методи та моделі аналізу результатів досліду
7.1. Методи апроксимації функцій в задачах дослідження процесів і систем У дослідженні процесів і систем набули широкого використання математичні моделі, які містять різні функціональні залежності. Наприклад, цільові функції в задачах оптимізації; виробничі функції для розрахунків нормативних коефіцієнтів; функції регресії виду , які виражають співвідношення “вхід–вихід” будь-якої системи (– вектор вхідних факторів; – вектор параметрів моделі, що належить визначенню за експериментальними даними; – вектор відгуків – вихідні фактори). Регресивна модель будується для вивчення (дослідження) невідомих процесів у системах та оцінювання кількісних характеристик міжелементних зв’язків системи, наприклад: у = а0 + а1х (рис. 1).
Коефіцієнти характеризують процеси (поведінку) системи і визначаються за експериментальними даними: та . Щоб математичні моделі адекватно описували процеси і системи, необхідно використовувати досить адекватні функціональні залежності (математичні формули). Таким чином, важливого значення набувають методи апроксимації – методи наближеного зображення реальних функцій такими стандартними аналітичними виразами, як, наприклад, алгебраїчні або тригонометричні багаточлени. Такі функції називають апроксимуючими. У дослідженні процесів, систем початкові дані про апроксимуючу функцію наводяться у вигляді дискретного ряду результатів вимірювань (експериментів) або проведених обчислень на ЕОМ. У задачах апроксимації такими початковими даними є сукупність експериментальних або розрахованих (обчислених) значень функції у різних точках . Інакше, початковою інформацією про функцію є вектор результатів вимірювань на сітці . Розв’язок кожної задачі апроксимації складається: 1) з підбору деякої множини допустимих апроксимуючих функцій; 2) з вибору найбільш узгодженої з початковими даними функції з цієї множини. Найбільш розповсюджений клас апроксимуючих функцій становлять узагальнені багаточлени. Узагальненими багаточленами в базисі, складеному з функцій , називають багаточлен виду
де – числові коефіцієнти. Зокрема, 1) базис 1, породжує алгебраїчні багаточлени
2) базис, який складається з комплексних гармонік дає тригонометричні багаточлени
З алгебраїчними багаточленами пов’язані ще два важливі класи функцій, які використовують при апроксимації: 3) дрібнораціональні функції
4) сплайни (кусково-поліноміальні функції) – поліноми невисокого степеня, як правило третього (кубічного сплайну). Важлива позитивна якість апроксимуючих багаточленів виду (2.1) – це їх лінійність відносно невідомих коефіцієнтів , які треба знайти для побудови апроксимації, що дуже зручно і дозволяє будувати досить ефективні алгоритми найкращого приближення за допомогою таких функцій. Вибір системи базисних функцій на практиці визначається: різними додатковими умовами (наприклад, необхідність досягти більшої швидкодії при обчисленні на ЕОМ); або аналітичними особливостями функції , яку необхідно апроксимувати (наприклад, якщо – періодична, то можливо, тригонометричному базису слід надати перевагу). Читайте також:
|
||||||||||||||||||
|