Görbeillesztés (matematika)

A Wikipédiából, a szabad enciklopédiából

A görbeillesztés feladata olyan függvény meghatározása, ami egy adatsor analitikus közelítése.

A függvény grafikonjaként adódó görbére nem feltétlenül illeszkednek a koordinátájú pontok, ilyenkor azt mondjuk, hogy a görbe többé vagy kevésbé jól közelíti a pontsort. Az illeszkedési kritérium különböző lehet csakúgy, mint a görbe, azaz a függvény (függvények) típusa.

A feladat egy általánosítása, amikor a síkon ábrázolható ponthalmazhoz keresünk implicit egyenlettel megadható görbét. Másik általánosítás a adatsort közelítő felület meghatározása. Rokon probléma az adott görbék, görbeívek egyszerűbb görbékkel való helyettesítése.

Alkalmazási területek[szerkesztés]

Egy természeti, gazdasági, társadalmi stb. folyamat lefolyását modellező matematikai formula kísérleti meghatározásához méréseket kell végezni. A mérések adatai egyrészt hibákkal terheltek (szóródás), másrészt bizonyos tartományok kimaradhatnak az adatgyűjtésből. Az adatsor ) számpárjait derékszögű, illetve a problémának jobban megfelelő affin vagy poláris koordináta-rendszerben ábrázolva egy görbe pontjaira emlékeztető pontsort vagy egy pontfelhőt kapunk.

EmpirMod.gif

Empirikus formulák[szerkesztés]

A görbeillesztés egyik célja, hogy a meghatározott függvény (és esetleg az inverz függvény (formula) ismeretében a vizsgált folyamat összetartozó értékpárjait kiszámíthassuk. A másik cél az lehet, hogy a kiválasztott függvény együtthatóit meghatározzuk (például a szabadesés egyenletében számértékére kapunk kísérleti becslést).

Illesztési típusok[szerkesztés]

Interpoláció[szerkesztés]

Interpolacio.gif

Olyan görbét kell keresni, ami minden adatponton áthalad. A „szabálytalan” pontsorhoz szinte sohasem illeszthető egyszerű egyenlettel leírható függvény/grafikon.

Lineáris interpoláció[szerkesztés]

Az intervallumokhoz egyenletű egyenes szakaszokat illesztünk. Ezek egyenként helyettesítik a folyamatot leíró grafikon íveit. A formulák a két ponton átmenő egyenes egyenletével kaphatók:

Parabolikus interpoláció[szerkesztés]

Több, egymáshoz csatlakozó intervallum feletti görbeívet egy polinom grafikonjával helyettesítjük. A megfelelő együtthatók meghatározásához két formula ismert:

Lagrange-féle interpolációs formula:
ahol az függvények a Lagrange-féle interpolációs polinomok:
Newton-féle interpolációs formula:
ahol az kifejezések a Newton-féle interpolációs együtthatók:

A formula és ezzel a számolás egyszerűbb, ha az intervallumok egyenlőek. Főleg tabellált függvényeknél (függvénytáblázatoknál) használják (használták) a táblázatban nem szereplő közbenső értékek számítására. A feladat gyakorlati fontosságát jelzi, hogy több neves matematikus adott meg erre interpolációs formulát: Newton, Bessel, Stirling.

Regresszió[szerkesztés]

Mindkét modell esetében alkalmazható eljárás az, ha lemondunk az empirikus formulával adódó függvénygörbe és a mérési adatokat reprezentáló pontok illeszkedéséről, csupán azt követeljük meg, hogy az mérési helyeken a mért és a számított értékek eltérése minimális legyen. Az eltérés mértékét többféleképpen írhatjuk elő:

1 - Az abszolút hibák összege legyen minimális.
2 - A hibák négyzetének összege legyen minimális.

Az első feltételnek eleget tevő egyenletes közelítés meghatározására nincsenek általános módszerek. A négyzetes hibákat minimáló közelítés meghatározására a Gauss nevéhez kötött, a legkisebb négyzetek módszere nevű algoritmust használják.

Lineáris regresszió[szerkesztés]

LinReg.gif

A matematikai statisztika leggyakrabban alkalmazott modellje. Több típusát a legtöbb táblázatkezelő és matematikai szoftver megvalósítja (Excel, Maple V, Matlab stb):

1- Egyszerű kétváltozós regresszió az elsőfokú függvény együtthatóinak meghatározására szolgál.
2- Inverz regresszió az inverz relációval illesztett összefüggés a négyzetes hibaösszeget minimálja.
3- Többváltozós lineáris regresszó az összetartozó mérési adatokhoz az összefüggésüket leíró elsőfokú függvényt határozza meg.

Linearizáló módszer[szerkesztés]

A mérési adatokat ábrázoló pontdiagramról látható, hogy egyenes helyett inkább valamilyen, a vizsgált jelenség tulajdonságaiból is következtethető görbe illik a modellhez. A legkisebb négyzetek módszere ekkor is alkalmazható, de a számolás ilyenkor a formula jellegéből fakadóan nehézkesebb. A linearizáló módszer abból áll, hogy az eredeti változók helyett, velük összefüggő, de egymással lineáris kapcsolatban lévő változókat vezetünk be.

Például az empirikus formulából az helyettesítésekkel az lineáris kapcsolat adódik. Ennek együtthatóit meghatározva az eredeti formula konstansai adódnak: .

Középértékek módszere[szerkesztés]

A linearizáló módszer esetenként nem eléggé pontos. Javítható a becslés, ha az adathalmazt két vagy több részre osztjuk és mindre elvégezzük a számítást. Az egyes paraméterek számított értékeinek számtani (vagy súlyozott) közepét képezzük.

Spline (szplájn) approximáció[szerkesztés]

Az adatsort szakaszonként közelítő görbeívek érintője a csatlakozási pontokban közös. Az érintők-ben a nyelvtani többes azt jelenti, hogy a csatlakozó görbéknek az adott pontban közös lehet az elsőrendű (egyenes), a másodrendű (simulókör) stb. érintője. Minél magasabb rendben érintkeznek, annál simább a spline, annál tökéletesebb illesztés. A spline approximációt nem csak adatsorok közelítésére, hanem komplikált, nehezen kezelhető egyenletű görbék helyettesítésére használják. (L.: Kosárgörbe, klotoid, átmeneti ív.) A számítógépes grafikában a szabálytalan vonalakat Bèzier-spline-ok alkalmazásával digitalizálják. (Az alábbi példában a lineáris spline-t (kék vonal) az adatokhoz (piros pontok) illesztjük.)

Linearspline.png

További elérhető illusztrációk:

Irodalom[szerkesztés]

  • Bartsch, Hans-Jochen: Matematische formeln (Veb Fachbuchverlag, Leipzig, 1967) (németül)
  • Bronstein – Szemengyajev: Matematikai zsebkönyv (Műszaki, 1987) ISBN 963 1053091
  • Hack F. & all.: Négyjegyű függvénytáblázatok etc. (Nemzeti Tankönyvkiadó, 2004) ISBN 978-963-19-5703-7
  • Reinhardt – Soeder: SH Atlasz – Matematika (Springer-Verlag, 1993)

További információk[szerkesztés]