利用最小二乘法进行数据拟合

利用最小二乘法进行数据拟合:

例1.

在某个低温过程中，函数y 依赖于温度()C θ的试验数据如下表：

已知经验公式的形式为2y a b θθ=+，根据最小二乘法原理编制MATLAB 程序求出,a b ，并做相应的理论分析。

解：在两个观测量中，往往总有一个量精度比另一个高得多，为简单起见把精

度较高的观测量看作没有误差，并把这个观测量选作x ，而把所有的误差只认为是y 的误差。设x 和y 的函数关系由理论公式

y ＝f （x ；c 1，c 2，……c m ） （0-0-1）

给出，其中c 1，c 2，……c m 是m 个要通过实验确定的参数。对于每组观测数据（x i ，y i ）i ＝1，2，……，N 。都对应于xy 平面上一个点。若不存在测量误差，则这些数据点都准确落在理论曲线上。只要选取m 组测量值代入式（0-0-1），便得到方程组

y i ＝f （x ；c 1，c 2，……c m ） （0-0-2） 式中i ＝1，2，……，m.求m 个方程的联立解即得m 个参数的数值。显然N

在N>m 的情况下，式（0-0-2）成为矛盾方程组，不能直接用解方程的方法求得m 个参数值，只能用曲线拟合的方法来处理。设测量中不存在着系统误差，或者说已经修正，则y 的观测值y i 围绕着期望值 摆动，其分布为正态分布，则y i 的概率密度为

()()[]⎪⎭⎪

⎬⎫⎪⎩⎪⎨⎧--=2

2

212,......,,;exp 21

i m i i i i c c c x f y y p σσπ,

式中i σ

是分布的标准误差。为简便起见，下面用C 代表（c 1，c 2，……c m ）。考虑各次

测量是相互独立的，故观测值（y 1，y 2，……c N ）的似然函数

(

)

()[]⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧--=

∑=N i i i N N C x f y L 12

2

21;21ex p (21)

σσσσπ.

取似然函数L 最大来估计参数C ，应使

()[]min

;1

1

2

2

=-∑=N

i i i

i

C x f y

σ （0-0-3）

取最小值：对于y 的分布不限于正态分布来说，式（0-0-3）称为最小二乘法准则。若

为正态分布的情况，则最大似然法与最小二乘法是一致的。因权重因子2

/1i i σω=，故式

（0-0-3）表明，用最小二乘法来估计参数，要求各测量值y i 的偏差的加权平方和为最小。

根据式（0-0-3）的要求，应有

()[]

()

m k C x f y

c c

c N

i i i

i

k

,...,2,10

;1

ˆ1

22==-∂∂==∑σ

从而得到方程组

()[]()()m k C

C x f C x f y c

c N

i k

i i i

,...,2,10;;1

ˆ1

2==∂∂-==∑σ （0-0-4）

解方程组（0-0-4），即得m 个参数的估计值

m c c c ˆ,...,ˆ,ˆ21，从而得到拟合的曲线方程

()m c c c x f ˆ,...,ˆ,ˆ;21。

然而，对拟合的结果还应给予合理的评价。若y i 服从正态分布，可引入拟合的x 2

量，

()[]∑

=-=N

i i i i

C x f y x 1

2

2

2

;1

σ （0-0-5）

把参数估计

()m c c c c ˆ,...,ˆ,ˆˆ21=代入上式并比较式（0-0-3），便得到最小的x 2

值

()[]∑

=-=N

i i i i

c x f y x

1

22

2

min

ˆ;1

σ （0-0-6）

可以证明，2

m in x 服从自由度v ＝N-m 的x 2分布，由此可对拟合结果作x 2检验。 由x 2

分布得知，随机变量2m in x 的期望值为N-m 。如果由式（0-0-6）计算出2

m in x 接近N-m （例

如m N x -≤2

min ），则认为拟合结果是可接受的；如果

22min >--m N x ，则认为拟合结果与观测值有显著的矛盾。

把2y a b θθ=+化为线性二乘拟合，即：

y

a b θθ

=+ 于是就可以写编程序了。先

写一个主程序zxecf.m ，然后写一个被调用程序phi_k.m

Matlab 程序如下：

function S = zxecf(x,y,n,w) global i;global j; if nargin < 4 w = 1; end

if nargin < 3 n = 1; end

phi2 = zeros(n+1); for i = 0:n for j = 0:n

phi2(i+1,j+1) = sum((w.*phi_k(x,i)).*phi_k(x,j)); end end

phif = zeros(n+1,1); for i = 0:n