Professional Documents
Culture Documents
Spiseseddel 3
Spiseseddel 3
Spiseseddel 3
Spiseseddel 3
Frste del datafitting
velse 1. Trigonometrisk fit
Form
al: ve brugen af et fit (her: trigonometrisk) til at forudsige opfrslen af data.
dato
x
y
11/1
11
160
25/1
25
140
26/1
26
138
31/1
31
130
2/2
33
125
5/2
36
120
16/2
47
95
27/2
58
72
16/3
75
27
20/3
79
17
Hr. Madsen har observeret tidspunktet for solopgangen, set fra hans kkkenvindue,
og resultaterne fremg
ar af ovenst
aende tabel. Her er x-vrdierne nummeret p
a dagen startende med 1. januar, og y-vrdierne er tidspunktet for solopgangen m
alt i
minutter efter kl. 6:00; der skal ikke korrigeres for sommertid.
Da solens bevgelse om jorden kan antages at vre periodisk, er det nrliggende
at fitte en trigonometrisk funktion til disse data:
F (x) = c0 + c1 sin(x) + c2 cos(x) ,
= 2/365
(1)
hvor er valgt s
aledes at perioden for F er 365 dage. Beregn et mindste kvadraters
fit og plot fittet (en glat funktion) sammen med de observerede data (punkter).
Vi kan nu bruge vores fittede funktion F til at forudsige hvorn
ar solen st
ar tidligst
op, ved at betragte funktionen for x-vrdierne 80, 81, 82, . . . , 365 og finde minimum
for F (80), F (81), F (82), . . . , F (365). Passer det nogenlunde med hvad du forventer?
velse 2. H
andtering af grovfejl
Form
al: at kombinere datafitting med en strategi til at h
andtere fejlagtige data.
Med jvne mellemrum optrder der s
akaldte grovfejl i data, hvor en eller flere yvrdier er helt forkerte (for eksempel pga. forkert aflsning af instrumentet eller
skrivefejl). Vi skal her se p
a en simpel strategi til at fjerne s
adanne grovfejl. (En
nrmere analyse af strategien krver elementer af statistik som ikke indg
ar i dette
kursus.) Vi skal bruge det datast der ligger i filen Grovdata.mat p
a CampusNet.
1. Du skal frst fitte et polynomium af grad m = 8 til data. Brug enten metoden
med normalligningerne eller Matlab-funktionerne polyfit og polyval beskrevet i slides til forelsningen; de giver samme fit, og du kan selv vlge hvad du
synes er nemmest. Plot det beregnede fit sammen med datapunkterne.
2. Plot fejlene (som punkter):
ei = yi F (xi ) ,
i = 0, 1, 2, . . . , n
(2)
3. Du skal nu implementere flgende metode til at identificere og fjerne grovfejlene. Du skal bruge gennemsnittet for fejlene; det beregnes vha. Matlabfunktionen mean. Derefter skal du beregne de index n for hvilke der glder
|en | > 5 .
(3)
(4)
(5)
(6)
R.
(7)
Antag at du nu beregner 2 som lsning til (6) vha. bisektion, med startinterval
[a, b] = [1, 2]. Brug analysen fra bogen til at beregne hvor mange iterationer der skal
bruges til at sikre at fejlen er mindre end tolerancen 2u = eps.