数学建模-------误差来源以及误差分析

这篇具有很好参考价值的文章主要介绍了数学建模-------误差来源以及误差分析。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

数学建模误差分析怎么写,数学建模,数学建模

数学建模误差分析怎么写,数学建模,数学建模

绝对误差:精确值-近似值;

举个例子:从A到B,应该有73千米,但是我们近似成了70千米;从C到D,应该是1373千米,我们近似成了1370千米,如果使用绝对误差,结果都是3,显然无法衡量我们误差的大小,这个时候我们引入了相对误差;

相对误差:精确值-近似值/精确值;我们希望通过两者的界限可以相互转换,所以我们在实际计算时候,用绝对误差除以近似值就得到相对误差,这个时候如果我们知道绝对误差的界限,我们就可以得出相对误差的界限(通过证明可以利用无穷小得知,这样替换以后得到的相对误差会更小);

误差的种类:

(1)模型误差:就是建立模型时候,忽略掉的因素,比如自由落体的问题,我们忽略空气阻力建立的数学模型,这个过程所产生的误差就是模型误差;

(2)观测误差:那自由落体问题,计算下落时间,物体到地面的高度会有观测误差;

(3)方法误差:一个实际问题会有不同的解决方案,我们利用不同的方案,就会得到不同的精度,这个过程的误差叫做方法误差;

(4)舍入误差:就是由于计算机的四舍五入而产生的误差,我本来也是认为计算机不会四舍五入,老师讲解后才明白计算机的精度是有限的,当我们的计算超过计算机的精度的时候,计算机无法准确的计算,它会根据实际情况取舍,例如,有一个0~1之间数字超过计算机的精度,如果距离0更近,就按照0进行计算,否则就按照1进行计算;减小舍入误差的方法就是减少计算的时间,步骤;

误差的传播:

这里老师引入了一个误差传播系数的概念,通过它衡量单个误差对于结果误差的影响;

数学建模误差分析怎么写,数学建模,数学建模

(1)加法:

例如1/3+2/3=1;其实计算机在进行计算时候,是进行了四舍五入的,因为1/3和2/3都无法精确地进行计算,这个时候1/3的误差是0.000.........3(因为真实值是无限无数的3,但是计算机只是取了有限位数;2/3再进行计算时误差是-0.0000.......3(因为真实值是无限位数的6,但是计算机取大了,误差是精确值减去近似值,所以是一个负数)两者在相加的过程中是完全抵消掉的,所以我们依然可以得出正确的答案;这里y的绝对误差是两者的代数和,是带有正负号的;所以两者相加时候,误差不一定会增加;

数学建模误差分析怎么写,数学建模,数学建模

这里的系数就是误差传播系数,通过它来衡量单个误差对于结果误差的影响程度,通过放缩法可以得到相对误差一定是减小了的;

(2)减法:

同理可得,做减法的时候,当x1,x2很接近的时候,就会得到误差传播系数无穷大,扩大误差,因此,减小误差的手段就是避免两个十分相近的数字进行减法;两个相近的近似数做减法才有很大误差;

数学建模误差分析怎么写,数学建模,数学建模

(3)乘法:

显而易见,X1的传播系数是X2,X2的误差传播系数是X1;因此减小乘法运算的误差就要避免2个绝对值很大的数字相乘;而相对误差是两个相对误差的代数和

数学建模误差分析怎么写,数学建模,数学建模

(4)除法:

根据通式,分别对x1,x2求偏导数,减小误差的方法就是避免绝对值很小的数字做除法运算,通过凑配得出相对误差

数学建模误差分析怎么写,数学建模,数学建模数学建模误差分析怎么写,数学建模,数学建模

算法的稳定性,收敛性:当我们计算第无穷项数之后,误差趋近于0时,我们称该算法是收敛的;

当输入的误差越小时候,输出的误差越小,我们称该算法是可控的,稳定的。文章来源地址https://www.toymoban.com/news/detail-838198.html

到了这里,关于数学建模-------误差来源以及误差分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数学建模】《实战数学建模:例题与讲解》第十二讲-因子分析、判别分析(含Matlab代码)

    本系列侧重于例题实战与讲解,希望能够在例题中理解相应技巧。文章开头相关基础知识只是进行简单回顾,读者可以搭配课本或其他博客了解相应章节,然后进入本文正文例题实战,效果更佳。 如果这篇文章对你有帮助,欢迎点赞与收藏~ 判别分析是一种统计方法,它根据

    2024年02月04日
    浏览(73)
  • 数学建模常用模型、特点以及应用场景

    1.层次分析法 特点: ①层次权重决策分析 ②较少的定量信息 ③多目标、多准则或无结构特性 ④适用于难以完全定量的复杂系统 例如:做出某种决策需要考虑多方面的因素 2.多属性决策模型 特点: ①利用已有的决策信息 ②对一组(有限个)备选方案进行排序或择优 ③属性权

    2024年02月01日
    浏览(40)
  • 数学建模-典型相关分析

    上节回顾 论文:常州大学一等奖淡水养殖… 要进行 pearson 相关系数 画散点图、折线图看是否相关 检验正态分布 满足上述,利用pearson相关系数 刚开始推导不会没关系,会应用就行,推导过程略,之后学习了后续知识,回过头来看就懂了 标度:数值 有序:优良差等 名义:男

    2024年02月16日
    浏览(56)
  • 聚类分析数学建模

    什么是聚类分析 聚类是一个将数据集分为若干组(class)或类(cluster)的过程,并使得同一个组内的数据对象具有较高的相似度;而不同组中的数据对象是不相似的。 相似或不相似是基于数据描述属性的取值来确定的,通常利用各数据对象间的距离来进行表示。 聚类分析尤

    2024年02月07日
    浏览(37)
  • 【数学建模】--主成分分析

    本讲将介绍主成分分析(Principal Component Analysis,PCA),主成分分析是一种降维算法,它能将多个指标转换为少数几个主成分,这些主成分是原始变量的线性组合,且彼此之间互不相关,其能反映出原始数据的大部分信息,一般来说,当研究的问题涉及到多变量且变量之间存在

    2024年02月13日
    浏览(46)
  • 数学建模:TOPSIS分析

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 假设有m个评价对象,n个评价指标,首先需要进行指标的 正向化 : 极大型 极小型 单点型 区间型 然后对正向化后的矩阵进行 标准化 ,得到 Z Z Z 矩阵:假设 X X X 为正向化后的矩阵,则 Z Z Z 是标准化后的矩阵: X = [ x 11 x 11

    2024年02月11日
    浏览(41)
  • 数学建模 因子分析

    目录 简介 数学模型 利用SPSS进行因子分析 步骤 对分析结果解读  KMO和巴特利检验 公因子方差  总方差解释 成分矩阵及旋转后的成分矩阵 旋转后的因子载荷散点图 成分得分系数矩阵 因子分析和主成分分析法是一种对数据进行降维处理的方法,但主成分分析法的弊端在于其

    2024年02月07日
    浏览(72)
  • 数学建模之因子分析

    因子分析(Factor Analysis)是一种统计方法,用于分析多个观测变量之间的关系,并试图将这些变量归因于少数几个潜在因子。它的主要目的是减少数据的维度,同时保留数据中的重要信息。因子分析常用于数据降维、特征提取、数据可视化和探索性数据分析。 以下是因子分析

    2024年02月10日
    浏览(51)
  • 【数学建模】--因子分析模型

    因子分析有斯皮尔曼在1904年首次提出,其在某种程度上可以被看成时主成分分析的推广和扩展。 因子分析法通过研究变量间的相关稀疏矩阵,把这些变量间错综复杂的关系归结成少数几个综合因子,由于归结出的因子个数少于原始变量的个数,但是它们又包含原始变量的信

    2024年02月13日
    浏览(75)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包