数学建模算法大全插值与拟合.doc

《数学建模算法大全插值与拟合.doc》由会员分享，可在线阅读，更多相关《数学建模算法大全插值与拟合.doc（29页珍藏版）》请在三一办公上搜索。

1、第九章 插值与拟合插值：求过已知有限个数据点的近似函数。拟合：已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义下它在这些点上的总偏差最小。插值和拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上是完全不同的。而面对一个实际问题，究竟应该用插值还是拟合，有时容易确定，有时则并不明显。1 插值方法下面介绍几种基本的、常用的插值：拉格朗日多项式插值、牛顿插值、分段线性插值、Hermite插值和三次样条插值。1.1 拉格朗日多项式插值 1.1.1 插值多项式用多项式作为研究插值的工具，称为代数插值。其基本问题是：已知函数在区间上个不同点处的函数值，求一个

2、至多次多项式 （1）使其在给定点处与同值，即满足插值条件 （2）称为插值多项式，称为插值节点，简称节点，称为插值区间。从几何上看，次多项式插值就是过个点，作一条多项式曲线近似曲线。次多项式（1）有个待定系数，由插值条件（2）恰好给出个方程 （3）记此方程组的系数矩阵为，则 是范德蒙特(Vandermonde)行列式。当互不相同时，此行列式值不为零。因此方程组（3）有唯一解。这表明，只要个节点互不相同，满足插值要求（2）的插值多项式（1）是唯一的。插值多项式与被插函数之间的差称为截断误差，又称为插值余项。当充分光滑时，其中。1.1.2 拉格朗日插值多项式实际上比较方便的作法不是解方程（3）求待定

3、系数，而是先构造一组基函数 是次多项式，满足令 （4）上式称为次Lagrange插值多项式，由方程（3）解的唯一性，个节点的次Lagrange插值多项式存在唯一。 1.1.3 用Matlab作Lagrange插值Matlab中没有现成的Lagrange插值函数，必须编写一个M文件实现Lagrange插值。设个节点数据以数组输入（注意Matlat的数组下标从1开始），个插值点以数组输入，输出数组为个插值。编写一个名为lagrange.m的M文件：function y=lagrange(x0,y0,x);n=length(x0);m=length(x);for i=1:m z=x(i); s=0.

4、0; for k=1:n p=1.0; for j=1:n if j=k p=p*(z-x0(j)/(x0(k)-x0(j); end end s=p*y0(k)+s; end y(i)=s;end 1.2 牛顿（Newton）插值在导出Newton公式前，先介绍公式表示中所需要用到的差商、差分的概念及性质。1.2.1 差商定义 设有函数为一系列互不相等的点，称为关于点一阶差商（也称均差）记为，即 称一阶差商的差商 为关于点的二阶差商，记为。一般地，称 为关于点的阶差商，记为 容易证明，差商具有下述性质： 1.2.2 Newton插值公式线性插值公式可表成 称为一次Newton插值多项式。一般

5、地，由各阶差商的定义，依次可得 将以上各式分别乘以，然后相加并消去两边相等的部分，即得 记显然，是至多次的多项式，且满足插值条件，因而它是的次插值多项式。这种形式的插值多项式称为Newton插值多项式。称为Newton插值余项。Newton插值的优点是：每增加一个节点，插值多项式只增加一项，即因而便于递推运算。而且Newton插值的计算量小于Lagrange插值。由插值多项式的唯一性可知，Newton插值余项与Lagrange余项也是相等的，即由此可得差商与导数的关系其中。1.2.3 差分当节点等距时，即相邻两个节点之差（称为步长）为常数，Newton插值公式的形式会更简单。此时关于节点间函数

6、的平均变化率（差商）可用函数值之差（差分）来表示。定义 设有等距节点，步长为常数，。称相邻两个节点处的函数值的增量为函数在点处以为步长的一阶差分，记为，即 类似地，定义差分的差分为高阶差分。如二阶差分为 一般地，阶差分为 ，上面定义的各阶差分又称为向前差分。常用的差分还有两种： 称为在处以为步长的向后差分； 称为在处以为步长的中心差分。一般地，阶向后差分与阶中心差分公式为 差分具有以下性质： （i）各阶差分均可表成函数值的线性组合，例如 （ii）各种差分之间可以互化。向后差分与中心差分化成向前差分的公式如下： 1.2.4 等距节点插值公式如果插值节点是等距的，则插值公式可用差分表示。设已知节点

7、，则有 若令，则上式又可变形为上式称为Newton向前插值公式。1.3 分段线性插值1.3.1 插值多项式的振荡用Lagrange插值多项式近似，虽然随着节点个数的增加，的次数变大，多数情况下误差会变小。但是增大时，的光滑性变坏，有时会出现很大的振荡。理论上，当，在内并不能保证处处收敛于。Runge给出了一个有名的例子：对于较大的，随着的增大，振荡越来越大，事实上可以证明，仅当时，才有，而在此区间外，是发散的。高次插值多项式的这些缺陷，促使人们转而寻求简单的低次多项式插值。1.3.2 分段线性插值简单地说，将每两个相邻的节点用直线连起来，如此形成的一条折线就是分段线性插值函数，记作，它满足，且

8、在每个小区间上是线性函数。可以表示为 有良好的收敛性，即对于有，。用计算点的插值时，只用到左右的两个节点，计算量与节点个数无关。但越大，分段越多，插值误差越小。实际上用函数表作插值计算时，分段线性插值就足够了，如数学、物理中用的特殊函数表，数理统计中用的概率分布表等。1.3.3 用Matlab实现分段线性插值用Matlab实现分段线性插值不需要编制函数程序，Matlab中有现成的一维插值函数interp1。y=interp1(x0,y0,x,method)method指定插值的方法，默认为线性插值。其值可为：nearest 最近项插值linear 线性插值spline 立方样条插值cubic

9、立方插值。所有的插值方法要求x0是单调的。当x0为等距时可以用快速插值法，使用快速插值法的格式为*nearest、*linear、*spline、*cubic。1.4 埃尔米特(Hermite)插值1.4.1 Hermite插值多项式如果对插值函数，不仅要求它在节点处与函数同值，而且要求它与函数有相同的一阶、二阶甚至更高阶的导数值，这就是Hermite插值问题。本节主要讨论在节点处插值函数与函数的值及一阶导数值均相等的Hermite插值。设已知函数在个互异节点上的函数值 和导数值 ，要求一个至多次的多项式，使得 满足上述条件的多项式称为Hermite插值多项式。Hermite插值多项式为其中，

10、。1.4.2 用Matlab实现Hermite插值Matlab中没有现成的Hermite插值函数，必须编写一个M文件实现插值。设个节点的数据以数组（已知点的横坐标），（函数值），（导数值）输入（注意Matlat的数组下标从1开始），个插值点以数组输入，输出数组为个插值。编写一个名为hermite.m的M文件：function y=hermite(x0,y0,y1,x);n=length(x0);m=length(x);for k=1:m yy=0.0; for i=1:n h=1.0; a=0.0; for j=1:n if j=i h=h*(x(k)-x0(j)/(x0(i)-x0(j)2;

11、 a=1/(x0(i)-x0(j)+a; end end yy=yy+h*(x0(i)-x(k)*(2*a*y0(i)-y1(i)+y0(i); end y(k)=yy;end1.5 样条插值许多工程技术中提出的计算问题对插值函数的光滑性有较高要求，如飞机的机翼外形，内燃机的进、排气门的凸轮曲线，都要求曲线具有较高的光滑程度，不仅要连续，而且要有连续的曲率，这就导致了样条插值的产生。1.5.1 样条函数的概念所谓样条（Spline）本来是工程设计中使用的一种绘图工具，它是富有弹性的细木条或细金属条。绘图员利用它把一些已知点连接成一条光滑曲线（称为样条曲线），并使连接点处有连续的曲率。三次样条插

12、值就是由此抽象出来的。数学上将具有一定光滑性的分段多项式称为样条函数。具体地说，给定区间的一个分划 如果函数满足： （i）在每个小区间上是次多项式；（ii）在上具有阶连续导数。则称为关于分划的次样条函数，其图形为次样条曲线。显然，折线是一次样条曲线。1.5.2 三次样条插值利用样条函数进行插值，即取插值函数为样条函数，称为样条插值。例如分段线性插值是一次样条插值。我们只介绍三次样条插值，即已知函数在区间上的个节点 上的值，求插值函数，使得（i）； （5）（ii）在每个小区间上是三次多项式，记为；（iii）在上二阶连续可微。函数称为的三次样条插值函数。由条件（ii），不妨将记为其中为待定系数，共

13、个。由条件（iii） （6）容易看出，（5）、（6）式共含有个方程，为确定的个待定参数，尚需再给出2个条件。常用的三次样条函数的边界条件有3种类型：（i）。由这种边界条件建立的样条插值函数称为的完备三次样条插值函数。特别地，时，样条曲线在端点处呈水平状态。如果不知道，我们可以要求与在端点处近似相等。这时以为节点作一个三次Newton插值多项式，以作一个三次Newton插值多项式，要求由这种边界条件建立的三次样条称为的Lagrange三次样条插值函数。（ii）。特别地时，称为自然边界条件。（iii），此条件称为周期条件。1.5.3 三次样条插值在Matlab中的实现在Matlab中数据点称之为断

14、点。如果三次样条插值没有边界条件，最常用的方法，就是采用非扭结（not-a-knot）条件。这个条件强迫第1个和第2个三次多项式的三阶导数相等。对最后一个和倒数第2个三次多项式也做同样地处理。Matlab中三次样条插值也有现成的函数：y=interp1(x0,y0,x,spline)；y=spline(x0,y0,x)；pp=csape(x0,y0,conds),pp=csape(x0,y0,conds,valconds)，y=ppval(pp,x)。其中x0,y0是已知数据点，x是插值点，y是插值点的函数值。对于三次样条插值，我们提倡使用函数csape，csape的返回值是pp形式，要求插值

15、点的函数值，必须调用函数ppval。pp=csape(x0,y0)：使用默认的边界条件，即Lagrange边界条件。pp=csape(x0,y0,conds,valconds)中的conds指定插值的边界条件，其值可为：complete 边界为一阶导数，一阶导数的值在valconds参数中给出，若忽略valconds参数，则按缺省情况处理。not-a-knot 非扭结条件 periodic 周期条件second 边界为二阶导数，二阶导数的值在valconds参数中给出，若忽略valconds参数，二阶导数的缺省值为0, 0。variational 设置边界的二阶导数值为0,0。对于一些特殊的边

16、界条件，可以通过conds的一个矩阵来表示，conds元素的取值为0，1，2。conds(i)=j的含义是给定端点的阶导数，即conds的第一个元素表示左边界的条件，第二个元素表示右边界的条件，conds=2,1表示左边界是二阶导数，右边界是一阶导数，对应的值由valconds给出。详细情况请使用帮助help csape。例1 机床加工待加工零件的外形根据工艺要求由一组数据给出（在平面情况下），用程控铣床加工时每一刀只能沿方向和方向走非常小的一步，这就需要从已知数据得到加工所要求的步长很小的坐标。表中给出的数据位于机翼断面的下轮廓线上，假设需要得到坐标每改变0.1时的坐标。试完成加工所需数据，

17、画出曲线，并求出处的曲线斜率和范围内的最小值。 0 3 5 7 9 11 12 13 14 15 0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 要求用Lagrange、分段线性和三次样条三种插值方法计算。解 编写以下程序：x0=0 3 5 7 9 11 12 13 14 15;y0=0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6;x=0:0.1:15;y1=lagrange(x0,y0,x); %前面编写的Lagrange插值函数y2=interp1(x0,y0,x);y3=interp1(x0,y0,x,spline);pp1=csa

18、pe(x0,y0);y4=ppval(pp1,x);pp2=csape(x0,y0,second);y5=ppval(pp2,x);x,y1,y2,y3,y4,y5subplot(2,2,1)plot(x0,y0,+,x,y1)title(Lagrange)subplot(2,2,2)plot(x0,y0,+,x,y2)title(Piecewise linear)subplot(2,2,3)plot(x0,y0,+,x,y3)title(Spline1)subplot(2,2,4)plot(x0,y0,+,x,y4)title(Spline2)dx=diff(x);dy=diff(y3);d

19、y_dx=dy./dx;dy_dx0=dy_dx(1)ytemp=y3(131:151);ymin=min(ytemp);index=find(y3=ymin);xmin=x(index);xmin,ymin计算结果略。可以看出，拉格朗日插值的结果根本不能应用，分段线性插值的光滑性较差（特别是在附近弯曲处），建议选用三次样条插值的结果。1.6 二维插值前面讲述的都是一维插值，即节点为一维变量，插值函数是一元函数（曲线）。若节点是二维的，插值函数就是二元函数，即曲面。如在某区域测量了若干点（节点）的高程（节点值），为了画出较精确的等高线图，就要先插入更多的点（插值点），计算这些点的高程（插值）。

20、1.6.1 插值节点为网格节点已知个节点：（），且；。求点处的插值。Matlab中有一些计算二维插值的程序。如 z=interp2(x0,y0,z0,x,y,method)其中x0,y0分别为维和维向量，表示节点，z0为维矩阵，表示节点值，x,y为一维数组，表示插值点，x与y应是方向不同的向量，即一个是行向量，另一个是列向量，z为矩阵，它的行数为的维数，列数为的维数，表示得到的插值，method的用法同上面的一维插值。如果是三次样条插值，可以使用命令pp=csape(x0,y0,z0,conds,valconds)，z=fnval(pp,x,y)其中x0,y0分别为维和维向量，z0为维矩阵，为

21、矩阵，它的行数为的维数，列数为的维数，表示得到的插值，具体使用方法同一维插值。例2 在一丘陵地带测量高程，和方向每隔100米测一个点，得高程如下表，试插值一曲面，确定合适的模型，并由此找出最高点和该点的高程。 100 200 300 400 500100 636 697 624 478 450 200 698 712 630 478 420300 680 674 598 412 400400 662 626 552 334 310解 编写程序如下：clear,clcx=100:100:500;y=100:100:400;z=636 697 624 478 450 698 712 630 478

22、 420 680 674 598 412 400 662 626 552 334 310;pp=csape(x,y,z)xi=100:10:500;yi=100:10:400cz1=fnval(pp,xi,yi)cz2=interp2(x,y,z,xi,yi,spline)i,j=find(cz1=max(max(cz1)x=xi(i),y=yi(j),zmax=cz1(i,j)1.6.2 插值节点为散乱节点已知个节点：，求点处的插值。对上述问题，Matlab中提供了插值函数griddata，其格式为：ZI = GRIDDATA(X,Y,Z,XI,YI)其中X、Y、Z 均为n维向量，指明所给数

23、据点的横坐标、纵坐标和竖坐标。向量XI、YI是给定的网格点的横坐标和纵坐标，返回值ZI为网格（XI，YI）处的函数值。XI与YI应是方向不同的向量，即一个是行向量，另一个是列向量。例3 在某海域测得一些点（x,y）处的水深z由下表给出，在矩形区域（75,200）(-50,150) 内画出海底曲面的图形。x 129 140 103.5 88 185.5 195 105 157.5 107.5 77 81 162 162 117.5y 7.5 141.5 23 147 22.5 137.5 85.5 6.5 -81 3 56.5 66.5 84 -33.5z 4 8 6 8 6 8 8 9 9 8

24、 8 9 4 9解 编写程序如下：x=129 140 103.5 88 185.5 195 105 157.5 107.5 77 81 162 162 117.5;y=7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5;z=-4 8 6 8 6 8 8 9 9 8 8 9 4 9;xi=75:1:200;yi=-50:1:150;zi=griddata(x,y,z,xi,yi,cubic)subplot(1,2,1)plot(x,y,*)subplot(1,2,2)mesh(xi,yi,zi)2 曲线拟合的线性最小二乘

25、法2.1 线性最小二乘法曲线拟合问题的提法是，已知一组（二维）数据，即平面上的个点，互不相同，寻求一个函数（曲线），使在某种准则下与所有数据点最为接近，即曲线拟合得最好。线性最小二乘法是解决曲线拟合最常用的方法，基本思路是，令 （7）其中是事先选定的一组线性无关的函数，是待定系数。拟合准则是使，与的距离的平方和最小，称为最小二乘准则。2.1.1 系数的确定记 （8）为求使达到最小，只需利用极值的必要条件，得到关于的线性方程组即 （9）记，方程组（9）可表为 （10）当线性无关时，列满秩，可逆，于是方程组（10）有唯一解 2.1.2 函数的选取面对一组数据，用线性最小二乘法作曲线拟合时，首要的、

26、也是关键的一步是恰当地选取。如果通过机理分析，能够知道与之间应该有什么样的函数关系，则容易确定。若无法知道与之间的关系，通常可以将数据作图，直观地判断应该用什么样的曲线去作拟合。人们常用的曲线有（i）直线 （ii）多项式 （一般，不宜太高）（iii）双曲线（一支） （iv）指数曲线 对于指数曲线，拟合前需作变量代换，化为对的线性函数。已知一组数据，用什么样的曲线拟合最好，可以在直观判断的基础上，选几种曲线分别拟合，然后比较，看哪条曲线的最小二乘指标最小。 2.2 最小二乘法的Matlab实现2.2.1 解方程组方法 在上面的记号下，Matlab中的线性最小二乘的标准型为 命令为 。例4 用最小

27、二乘法求一个形如的经验公式，使它与下表所示的数据拟合。 19 25 31 38 44 19.0 32.3 49.0 73.3 97.8解 编写程序如下x=19 25 31 38 44;y=19.0 32.3 49.0 73.3 97.8;r=ones(5,1),x.2;ab=ryx0=19:0.1:44;y0=ab(1)+ab(2)*x0.2;plot(x,y,o,x0,y0,r)2.2.2 多项式拟合方法如果取，即用次多项式拟合给定数据，Matlab中有现成的函数a=polyfit(x0,y0,m)其中输入参数x0,y0为要拟合的数据，m为拟合多项式的次数，输出参数a为拟合多项式y=amxm

28、+a1x+a0系数a= am, , a1, a0。多项式在x处的值y可用下面的函数计算y=polyval(a,x)。例5 某乡镇企业1990-1996年的生产利润如下表：年份 1990 1991 1992 1993 1994 1995 1996利润（万元） 70 122 144 152 174 196 202试预测1997年和1998年的利润。解 作已知数据的的散点图，x0=1990 1991 1992 1993 1994 1995 1996;y0=70 122 144 152 174 196 202;plot(x0,y0,*)发现该乡镇企业的年生产利润几乎直线上升。因此，我们可以用作为拟合函

29、数来预测该乡镇企业未来的年利润。编写程序如下：x0=1990 1991 1992 1993 1994 1995 1996;y0=70 122 144 152 174 196 202;a=polyfit(x0,y0,1)y97=polyval(a,1997)y98=polyval(a,1998)求得，1997年的生产利润y97=233.4286，1998年的生产利润y98=253.9286。3 最小二乘优化在无约束最优化问题中，有些重要的特殊情形，比如目标函数由若干个函数的平方和构成。这类函数一般可以写成： ,其中，一般假设。我们把极小化这类函数的问题：称为最小二乘优化问题。最小二乘优化是一类比

30、较特殊的优化问题，在处理这类问题时，Matlab也提供了一些强大的函数。在Matlab优化工具箱中，用于求解最小二乘优化问题的函数有：lsqlin、lsqcurvefit、lsqnonlin、lsqnonneg，用法介绍如下。3.1 lsqlin 函数求解 s.t. 其中为矩阵，为向量。Matlab中的函数为：X=LSQLIN(C,d,A,b,Aeq,beq,LB,UB,X0)例6 用lsqlin命令求解例4。解 编写程序如下：x=19 25 31 38 44;y=19.0 32.3 49.0 73.3 97.8;r=ones(5,1),x.2;ab=lsqlin(r,y)x0=19:0.1:

31、44;y0=ab(1)+ab(2)*x0.2;plot(x,y,o,x0,y0,r)3.2 lsqcurvefit 函数给定输入输出数列,求参量,使得 Matlab 中的函数为X=LSQCURVEFIT(FUN,X0,XDATA,YDATA,LB,UB,OPTIONS)其中FUN是定义函数的M文件。例7 用下面一组数据拟合函数中的参数。 100 200 300 400 500 600 700 800 900 1000 4.54 4.99 5.35 5.65 5.90 6.10 6.26 6.39 6.50 6.59解 该问题即解最优化问题： （1）编写M文件fun1.m定义函数： functi

32、on f=fun1(x,tdata);f=x(1)+x(2)*exp(-0.02*x(3)*tdata); %其中x(1)=a，x(2)=b，x(3)=k（2）调用函数lsqcurvefit，编写程序如下：td=100:100:1000;cd=4.54 4.99 5.35 5.65 5.90 6.10 6.26 6.39 6.50 6.59;x0=0.2 0.05 0.05;x=lsqcurvefit(fun1,x0,td,cd)3.3 lsqnonlin 函数已知函数向量，求使得 Matlab中的函数为X=LSQNONLIN(FUN,X0,LB,UB,OPTIONS)其中FUN是定义向量函数

33、的M文件。例8 用lsqnonlin 函数求解例7。解 这里 （1）编写M文件fun2.m如下：function f=fun2(x);td=100:100:1000;cd=4.54 4.99 5.35 5.65 5.90 6.10 6.26 6.39 6.50 6.59;f=x(1)+x(2)*exp(-0.02*x(3)*td)-cd;（2）调用函数lsqnonlin，编写程序如下：x0=0.2 0.05 0.05;x=lsqnonlin(fun2,x0)3.4 lsqnonneg 函数求解非负的，使得满足 ，Matlab中的函数为X = LSQNONNEG(C,d,X0,OPTIONS)例

34、9 已知，求满足 最小。解 编写程序如下：c=0.0372 0.2869;0.6861 0.7071;0.6233 0.6245;0.6344 0.6170;d=0.8587;0.1781;0.0747;0.8405;x=lsqnonneg(c,d)4 曲线拟合与函数逼近前面讲的曲线拟合是已知一组离散数据，选择一个较简单的函数，如多项式，在一定准则如最小二乘准则下，最接近这些数据。如果已知一个较为复杂的连续函数，要求选择一个较简单的函数，在一定准则下最接近，就是所谓函数逼近。与曲线拟合的最小二乘准则相对应，函数逼近常用的一种准则是最小平方逼近，即 (11)达到最小。与曲线拟合一样，选一组函数构

35、造，即令代入（11）式，求使达到极小。利用极值必要条件可得 （12）这里。当方程组（12）的系数矩阵非奇异时，有唯一解。最简单的当然是用多项式逼近函数，即选，。并且如果能使，方程组（12）的系数矩阵将是对角阵，计算大大简化。满足这种性质的多项式称正交多项式。勒让得（Legendre）多项式是在区间上的正交多项式，它的表达式为可以证明常用的正交多项式还有第一类切比雪夫（Chebyshev）多项式和拉盖尔（Laguerre）多项式 。例10 求在中的最佳平方逼近多项式。 解 编写程序如下：syms xbase=1,x2,x4;y1=base.*basey2=cos(x)*base.r1=int(y

36、1,-pi/2,pi/2)r2=int(y2,-pi/2,pi/2)a=r1r2xishu1=double(a)digits(8),xishu2=vpa(a)求得xishu1=0.9996 -0.4964 0.0372，即所求的最佳平方逼近多项式为.习 题 九1. 用给定的多项式，如，产生一组数据，再在上添加随机干扰（可用rand产生（0,1）均匀分布随机数，或用randn产生分布随机数），然后用和添加了随机干扰的作3次多项式拟合，与原系数比较。如果作2或4次多项式拟合，结果如何？2. 已知平面区域，的高程数据见下表（单位：m）。48004400400036003200280024002000

37、1600120080040001350 1370 1390 1400 1410 960 940 880 800 690 570 430 290 210 1501370 1390 1410 1430 1440 1140 1110 1050 950 820 690 540 380 300 2101380 1410 1430 1450 1470 1320 1280 1200 1080 940 780 620 460 370 3501420 1430 1450 1480 1500 1550 1510 1430 1300 1200 980 850 750 550 5001430 1450 1460 15

38、00 1550 1600 1550 1600 1600 1600 1550 1500 1500 1550 1550950 1190 1370 1500 1200 1100 1550 1600 1550 1380 1070 900 1050 1150 1200910 1090 1270 1500 1200 1100 1350 1450 1200 1150 1010 880 1000 1050 1100880 1060 1230 1390 1500 1500 1400 900 1100 1060 950 870 900 936 950830 980 1180 1320 1450 1420 400

39、1300 700 900 850 810 380 780 750740 880 1080 1130 1250 1280 1230 1040 900 500 700 780 750 650 550650 760 880 970 1020 1050 1020 830 800 700 300 500 550 480 350510 620 730 800 850 870 850 780 720 650 500 200 300 350 320370 470 550 600 670 690 670 620 580 450 400 300 100 150 2500 400 800 1200 1600 200

40、0 2400 2800 3200 3600 4000 4400 4800 5200 5600试用二维插值求方向间隔都为50的高程，并画出该区域的等高线。3. 用最小二乘法求一形如的经验公式拟合下列数据 1 2 3 4 5 6 7 8 15.3 20.5 27.4 36.6 49.1 65.6 87.87 117.6第十章 数据的统计描述和分析 数理统计研究的对象是受随机因素影响的数据，以下数理统计就简称统计，统计是以概率论为基础的一门应用学科。数据样本少则几个，多则成千上万，人们希望能用少数几个包含其最多相关信息的数值来体现数据样本总体的规律。描述性统计就是搜集、整理、加工和分析统计数据，使之系统化、条理化，以显示出数据资料的趋势、特征和数量关系。它是统计推断的基础，实用性较强，在统计工作中经常使用。面对一批数据如何进行描述与分析，需要掌握参数估计和假设检