Иллюстрированный самоучитель по Mathematica 3/4

Сплайн-регрессия (SplineFit)

Сплайны представляют собой набор полиномов невысокой степени, последовательно применяемых к наборам точек аппроксимирующей функции. Чаще всего используется кубическая сплайновая аппроксимация, при которой коэффициенты полиномов выбираются из условий равенства в стыкуемых точках не только значений функции, но также первой и второй производных. Это придает графику сплайна вид плавной кривой, точно проходящей через узловые точки и напоминающей изгибы гибкой линейки (spline в переводе – гибкая линейка).

Подпакет SplineFit пакета NumericalMath содержит функцию для проведения сплайн-регрессии, при которой сплайн-функция проходит максимально близко к аппроксимируемым точкам в смысле наилучшего среднеквадратичного приближения. Для этого используется функция SplineFit [data, type], которая возвращает сплайн функцию для данных data, используя сплайн-аппроксимацию типа type – по умолчанию это кубический сплайн Cube (другие типы – Bezier и CompositeBezier).

Рисунок 12.9 показывает пример сплайн-регрессии для обычной зависимости у(х), представленной пятью парами точек. На нем построены также графики аппроксимирующей функции и исходных точек.

Иллюстрированный самоучитель по Mathematica 3/4 › Статистические расчеты › Сплайн-регрессия (SplineFit)
Рис. 12.9. Пример сплайн-регрессии для зависимости у(х), заданной списком координат своих узловых точек

Иллюстрированный самоучитель по Mathematica 3/4 › Статистические расчеты › Сплайн-регрессия (SplineFit)
Рис. 12.10. Пример сплайн-интерполяции параметрически заданной функции

Специфика сплайн-регрессии по функции SplineFit заключается в преобразовании значений как xi, так и yi. Это позволяет представлять сплайнами в общем виде параметрически заданные функции, что поясняет рис. 12.10.

Если Вы заметили ошибку, выделите, пожалуйста, необходимый текст и нажмите CTRL + Enter, чтобы сообщить об этом редактору.