数值计算 ( 分析 ) 实验报告 2
南昌航空大学数学与信息科学学院
实验报告
课程名称：《数值计算方法》
实验名称：曲线拟合
实验类型：验证性■综合性□设计性□
实验室名称：数学实验室
班级学号：09072113
学生姓名：邢宪平
任课教师（教师签名）：
成绩：
一、实验目的
实验目的：实验目的：了解函数逼近与曲线拟合的基本原理，并且运用 MATLAB 软件进行实践操作。
二、实验原理、程序框图、程序代码等
实验题目：
题目 1：试分别用抛物线y a bx cx2和指数曲线 y ae bx拟合下列数据
x i1 1.52 2.53 3.54 4.5
y i33.479.50122.65159.05189.15214.15238.65252.50
x i5 5.56 6.577.58
y i267.55280.50296.65301.40310.40318.15325.15
并比较两个拟合函数的优劣。
题目 2：已知实验数据如下：
x i 1.02.5 3.5 4.0
y i 3.81.5026.0 33.0
试用形如 y a bx 2的抛物线进行最小二乘拟合。
实验原理：
1、逼近方式
2n，
V( f , P n ) || F P n ||
max | f ( x) P n ( x) | 为 f (x) 与 P n ( x) | 在 [a, b] 上的偏差。
a x b
若存在 P n * (x) H n ，使得 V( f , P n * ) || f P n * || inf
max | f ( x) P n ( x) | 则称 P n
* ( x)
P n H n
a x b
是 f (x) 在 [ a, b] 上的最佳一致逼近多项式。
假设 f (x) C[ a, b] 及 C[ a, b] 的一个子集
span{ 0 (x),
存在 S *
(x)
，使 || f (x) S *
(x) ||2
2
S( x) ||22
b
min || f (x)
min
S( x )
S (x ) a
1( x),,... n (x)}
，若
( x)[ f (x) S( x)] 2 dx
则称 S * (x) 是 f (x) 在子集
C[ a, b]
中的最佳平方逼近数。
2、曲线拟合
上述函数的最佳平方逼近法中， 若 f (x) 是以一组离散点集的形式给出的， 即给出了函数 f (x) 在一些离
散点上的值 {( x i , y i ), i
0,1,..., m }
，则该方法就是所说的曲线
拟合。取
( f , S n ) || f S n ||2 m
yi ]
而 S( x) a 0
0 ( x) a 1 1( x)
... a n n ( x)
，这就
V
2
2
i 0
是最小二乘逼近。
由上可知，最小二乘逼近即求多元函数
I (a 0 ,a 1,...a n ) || f
S n ||22
的最小值问题。由取最小值的必要条
(
) ( ) ... ( ) a 0 ( y, )
件，可得法方程
(
) (
) ... ( n
)
a 1 ( y, )
..................
(
n ) ( n ) ... ( n
n )
a n
( y,
n )
实际计算时，为了方便，通常取
span{
0 ( x), 1 (x),,... n (x)}
为简单多项式， 如 span{1, x, x 2 ,..., x n } ，得
到 n 次拟合多项式，但当
n 较大时，方程组往往是
病态的，这时我们可以选择正交多项式。
程序代码：
题目一
（1）用抛物线 y=a+bx+cx^2 拟合的程序代码
x=1:0.5:8;
y=[33.4 79.50 122.65 159.05 189.15 214.15 238.65 252.50 267.55 280.50 296.65 301.40 310.40 318.15 325.15];
A=polyfit(x,y,2);
z=polyval(A,x);
plot(x,y,'k+',x,z,'r')
（2）用指数曲线 y=a*exp{bx} 拟合的程序代码
M- 文件代码： function f=curvefun1(x,tdata)
f=x(1)*exp{x(2)*tdata}%x(1)=a;x( 2)=b;
输入命令：
xdata=1:0.5:8
ydata=1e-03*[33.4,79.50,122.65,159.05,189.15,214.15,238 ,65,252.50,267.55,280.50,296.65,301.40,310.40,318.15,325 .15];
t0=[0.2,0.05,0.05];
t=1sqcurvefit('curvefun1',t0,xdata,ydata)
f=curvefun1(t,xdata)
题目二程序代码：
function f=curvefun1(x,tdata)
f=x(1)+x(2)*tdata.^2% 其中 x（1）=a; x(2)=b;x(3)=k; tdata=[1.0 2.5 3.5 4.0];
cdata=[3.8 1.50 26.0 33.0];
x0=[0,0];
x=lsqcurvefit('curvefun1',x0,tdata,cdata);
f=curvefun1(x,tdata)
三、实验过程中需要记录的实验数据表格
题目一（1）
（2）
从图像上看，曲线一明显更贴近。
题目二
四、实验中存在的问题及解决方案
在做题目一的第二条曲线时，如果参照例题来修改程序，会发现运行错误。对比之后和同学讨论发现例题中t 是自变量，而x 是引入的参数，起存储变元的作用，所以做实验一的时候要将变量和引入的参数对调，再调试程序。
五、心得体会
这次的实验暴露出对图像的不熟悉，而且在写程序的过程中经常会有一些错误出现，比如说模仿时例题中0 和 o，1 和 l 不分，导致运行出现未定义的函数名等错误出现，这就要求我们在编写前先将例题搞透，不然不明白其含义就老是出现错误。通过这次实验使我对
实验一误差分析 实验1.1（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 其中ε（1.1）和（1.221,,,a a 的输出b ”和“poly ε。 （1（2 （3）写成展 关于α solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 实验过程： 程序： a=poly(1:20); rr=roots(a); forn=2:21 n form=1:9 ess=10^(-6-m);
ve=zeros(1,21); ve(n)=ess; r=roots(a+ve); -6-m s=max(abs(r-rr)) end end 利用符号函数：（思考题一）a=poly(1:20); y=poly2sym(a); rr=solve(y) n
很容易的得出对一个多次的代数多项式的其中某一项进行很小的扰动，对其多项式的根会有一定的扰动的，所以对于这类病态问题可以借助于MATLAB来进行问题的分析。 学号：06450210 姓名：万轩 实验二插值法
一、判断题 （ 对 ） 1 X ( X 1 , X 2 ,L , X p ) 的协差阵一定是对称的半正定阵 （ 对 （ ） 2 标准化随机向量的协差阵与原变量的相关系数阵相同。 对） 3 典型相关分析是识别并量化两组变量间的关系，将两组变量的相关关系 的研究转化为一组变量的线性组合与另一组变量的线性组合间的相关关系的研究。 （ 对 ）4 多维标度法是以空间分布的形式在低维空间中再现研究对象间关系的数据 分析方法。 （ 错）5 X (X 1 , X 2 , , X p ) ~ N p ( , ) ， X , S 分别是样本均值和样本离 差阵，则 X , S 分别是 , 的无偏估计。 n （ 对） 6 X ( X 1 , X 2 , , X p ) ~ N p ( , ) ， X 作为样本均值 的估计，是 无偏的、有效的、一致的。 （ 错） 7 因子载荷经正交旋转后，各变量的共性方差和各因子的贡献都发生了变化 （ 对） 8 因子载荷阵 A ( ij ) ij 表示第 i 个变量在第 j 个公因子上 a 中的 a 的相对重要性。 （ 对 ）9 判别分析中， 若两个总体的协差阵相等， 则 Fisher 判别与距离判别等价。 （对） 10 距离判别法要求两总体分布的协差阵相等， Fisher 判别法对总体的分布无特 定的要求。 二、填空题 1、多元统计中常用的统计量有：样本均值向量、样本协差阵、样本离差阵、 样本相关系数矩阵． 2、 设 是总体 的协方差阵， 的特征根 ( 1, , ) 与相应的单 X ( X 1,L , X m ) i i L m 位 正 交 化 特 征 向 量 i ( a i1, a i 2 ,L ,a im ) ， 则 第 一 主 成 分 的 表 达 式 是 y 1 a 11 X 1 a 12 X 2 L a 1m X m ，方差为 1 。 3 设 是总体 X ( X 1, X 2 , X 3, X 4 ) 的协方差阵， 的特征根和标准正交特征向量分别 为： 1 2.920 U 1' (0.1485, 0.5735, 0.5577, 0.5814) 2 1.024 U 2' (0.9544, 0.0984,0.2695,0.0824) 3 0.049 U 3' (0.2516,0.7733, 0.5589, 0.1624) 4 0.007 U 4' ( 0.0612,0.2519,0.5513, 0.7930) ，则其第二个主成分的表达式是
(此文档为word格式，下载后您可任意编辑修改！) 2012级6班###(学号)计算机数值方法 实验报告成绩册 姓名:宋元台 学号： 成绩：
数值计算方法与算法实验报告 学期： 2014 至 2015 第 1 学期 2014年 12月1日课程名称: 数值计算方法与算法专业:信息与计算科学班级 12级5班 实验编号： 1实验项目Neton插值多项式指导教师：孙峪怀 姓名：宋元台学号：实验成绩： 一、实验目的及要求 实验目的： 掌握Newton插值多项式的算法，理解Newton插值多项式构造过程中基函数的继承特点，掌握差商表的计算特点。 实验要求： 1. 给出Newton插值算法 2. 用C语言实现算法 二、实验内容 三、实验步骤(该部分不够填写.请填写附页)
1.算法分析： 下面用伪码描述Newton插值多项式的算法： Step1 输入插值节点数n，插值点序列{x(i),f(i)},i=1,2,……,n,要计算的插值点x. Step2 形成差商表 for i=0 to n for j=n to i f(j)=((f(j)-f(j-1)(x(j)-x(j-1-i)); Step3 置初始值temp=1,newton=f(0) Step4 for i=1 to n temp=(x-x(i-1))*temp*由temp(k)=(x-x(k-1))*temp(k-1)形成 (x-x(0).....(x-x(i-1)* Newton=newton+temp*f(i); Step5 输出f（x）的近似数值newton(x)=newton. 2.用C语言实现算法的程序代码 #include
柱高12.48m，考虑到每小时浇筑高度不超过2m，浇筑高度取的8m。 #1机组汽轮发电机基座上部结构框架柱模板计算书 一、柱模板基本参数（选择900mm*2820mm和1400mm*2420mm两个大断面形式的框架柱进行计算） 1、断面为1400mm*2420mm的柱模板基本参数 柱模板的截面宽度 B=1400mm， 柱模板的截面高度 H=2420mm， 柱模板的计算高度 L = 8000mm， 柱箍间距计算跨度 d = 300mm。 柱箍采用22a号槽钢U口竖向。 柱模板竖楞截面宽度50mm，高度100mm。 B方向竖楞7根，H方向竖楞11根。 2、柱模板荷载标准值计算 强度验算要考虑新浇混凝土侧压力和倾倒混凝土时产生的荷载设计值；挠度验算只考虑新浇混凝土侧压力产生荷载标准值。 新浇混凝土侧压力计算公式为下式中的较小值: 其中 c——混凝土的重力密度，取24.000kN/m3； t ——新浇混凝土的初凝时间，为0时(表示无资料)取200/(T+15)，取5.000h； T ——混凝土的入模温度，取25.000℃； V ——混凝土的浇筑速度，取5.000m/h； H ——混凝土侧压力计算位置处至新浇混凝土顶面总高度，取5.000m； 1——外加剂影响修正系数，取1.200； 2——混凝土坍落度影响修正系数，取1.150。 根据公式计算的新浇混凝土侧压力标准值 F1=81.464kN/m2
实际计算中采用新浇混凝土侧压力标准值 F1=81.460kN/m2 倒混凝土时产生的荷载标准值 F2= 3.000kN/m2。 3、柱模板面板的计算 面板直接承受模板传递的荷载，应该按照均布荷载下的三跨连续梁计算，计算如下：面板计算简图 面板的计算宽度取柱箍间距0.30m。 荷载计算值 q = 1.2×81.460×0.300+1.4×3.000×0.300=30.586kN/m 面板的截面惯性矩I和截面抵抗矩W分别为: 本算例中，截面惯性矩I和截面抵抗矩W分别为: W = 30.00×1.80×1.80/6 = 16.20cm3； I = 30.00×1.80×1.80×1.80/12 = 14.58cm4； (1)抗弯强度计算 f = M / W < [f] 其中 f ——面板的抗弯强度计算值(N/mm2)； M ——面板的最大弯距(N.mm)； W ——面板的净截面抵抗矩； [f] ——面板的抗弯强度设计值，取15.00N/mm2； M = 0.100ql2 其中 q ——荷载设计值(kN/m)； 经计算得到 M = 0.100×(1.2×24.438+1.4×0.900)×0.237×0.237=0.172kN.m 经计算得到面板抗弯强度计算值 f = 0.172×1000×1000/16200=10.605N/mm2 面板的抗弯强度验算 f < [f]，满足要求! (2)抗剪计算 [可以不计算]
第一章： 多元统计分析研究的内容（5点） 1、简化数据结构（主成分分析） 2、分类与判别（聚类分析、判别分析） 3、变量间的相互关系（典型相关分析、多元回归分析） 4、多维数据的统计推断 5、多元统计分析的理论基础 第二三章： 二、多维随机变量的数字特征 1、随机向量的数字特征 随机向量X 均值向量： 随机向量X 与Y 的协方差矩阵： 当X=Y 时Cov （X ，Y ）=D （X ）；当Cov （X ，Y ）=0 ，称X ，Y 不相关。 随机向量X 与Y 的相关系数矩阵： )',...,,(),,,(2121P p EX EX EX EX μμμ='=Λ)')((),cov(EY Y EX X E Y X --=q p ij r Y X ?=)(),(ρ
2、均值向量协方差矩阵的性质 (1).设X ，Y 为随机向量，A ，B 为常数矩阵 E （AX ）=AE （X ）； E （AXB ）=AE （X ）B; D(AX)=AD(X)A ’; Cov(AX,BY)=ACov(X,Y)B ’; (2).若X ，Y 独立，则Cov(X,Y)＝０，反之不成立． (3).X 的协方差阵D(X)是对称非负定矩阵。例2.见黑板 三、多元正态分布的参数估计 2、多元正态分布的性质 (1).若 ,则E(X)= ,D(X)= . 特别地，当 为对角阵时， 相互独立。 (2).若 ，Ａ为sxp 阶常数矩阵，d 为s 阶向量， ＡＸ＋d ～ . 即正态分布的线性函数仍是正态分布． (3).多元正态分布的边缘分布是正态分布，反之不成立． (4).多元正态分布的不相关与独立等价． 例３．见黑板． 三、多元正态分布的参数估计 (1)“ 为来自p 元总体X 的（简单）样本”的理解---独立同截面． (2)多元分布样本的数字特征---常见多元统计量 样本均值向量 ＝ 样本离差阵Ｓ＝ 样本协方差阵Ｖ＝ S ;样本相关阵Ｒ (3) ,Ｖ分别是 和 的最大似然估计； (4)估计的性质 是 的无偏估计； ,Ｖ分别是 和 的有效和一致估计； ； Ｓ～ ， 与Ｓ相互独立； 第五章 聚类分析： 一、什么是聚类分析 ：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。用于对事物类别不清楚，甚至事物总共可能有几类都不能确定的情况下进行事物分类的场合。聚类方法：系统聚类法（直观易懂）、动态聚类法（快）、有序聚类法（保序）...... Q-型聚类分析（样品）R-型聚类分析（变量） 变量按照测量它们的尺度不同，可以分为三类：间隔尺度、有序尺度、名义尺度。 二、常用数据的变换方法:中心化变换、标准化变换、极差正规化变换、对数变换（优缺点） 1、中心化变换（平移变换）：中心化变换是一种坐标轴平移处理方法，它是先求出每个变量的样本平均值，再从原始数据中减去该变量的均值，就得到中心化变换后的数据。不改变样本间的相互位置，也不改变变量间的相关性。 2、标准化变换：首先对每个变量进行中心化变换，然后用该变量的标准差进行标准化。 经过标准化变换处理后，每个变量即数据矩阵中每列数据的平均值为0，方差为1，且也不再具有量纲，同样也便于不同变量之间的比较。 3、极差正规化变换（规格化变换）：规格化变换是从数据矩阵的每一个变量中找出其最大值和最小值，这两者之差称为极差，然后从每个变量的每个原始数据中减去该变量中的最小值，再除以极差。经过规格化变换后，数据矩阵中每列即每个变量的最大数值为1，最小数值为0，其余数据取值均在0－1之间；且变换后的数据都不再具有量纲，便于不同的变),(~∑μP N X μ∑μ p X X X ,,,21Λ),(~∑μP N X ) ,('A A d A N s ∑+μ)()1(,, n X X ΛX )',,,(21p X X X Λ)')(()()(1X X X X i i n i --∑=n 1 X μ∑μX )1,(~∑n N X P μ),1(∑-n W p X X
《数值计算方法》上机实验报告华北电力大学 实验名称数值il?算方法》上机实验课程名称数值计算方法专业班级：电力实08学生姓名：李超然学号:200801001008 成绩: 指导教师:郝育黔老师实验日期：2010年04月华北电力大学实验报告数值计算方法上机实验报吿一. 各算法的算法原理及计算机程序框图1、牛顿法求解非线性方程 *对于非线性方程，若已知根的一个近似值，将在处展开成一阶 xxfx ()0, fx ()xkk 泰勒公式 "f 0 / 2 八八,fxfxfxxxxx 0 0 0 0 0 kkkk2! 忽略高次项，有 ，fxfxfxxx 0 ()()()，，, kkk 右端是直线方程，用这个直线方程来近似非线性方程。将非线性方程的 **根代入，即fx ()0, X ，* fxfxxx 0 0 0 0, ,, kkk fx 0 fx 0 0,
解出 fX 0 *k XX,, k' fx 0 k 水将右端取为，则是比更接近于的近似值，即xxxxk, Ik, Ik fx ()k 八XX, Ikk* fx()k 这就是牛顿迭代公式。 ,2,计算机程序框图:，见, ,3,输入变量、输出变量说明: X输入变量:迭代初值，迭代精度，迭代最大次数，\0 输出变量:当前迭代次数，当前迭代值xkl ,4,具体算例及求解结果: 2/16 华北电力大学实验报吿 开始 读入 l>k /fx()0?,0 fx 0 Oxx，，01* fx ()0 XX,,，?10 kk, ,1，kN, ?xx, 10 输出迭代输出X输出奇异标志1失败标志
,3,输入变量、输出变量说明: 结束 例：导出计算的牛顿迭代公式，并il ?算。（课本P39例2-16） 115cc （0）, 求解结果: 10. 750000 10.723837 10. 723805 10. 723805 2、列主元素消去法求解线性方程组，1,算法原理: 高斯消去法是利用现行方程组初等变换中的一种变换，即用一个不为零的数乘 -个 方程后加只另一个方程，使方程组变成同解的上三角方程组，然后再自下而上 对上三角 3/16 华北电力大学实验报告方程组求解。 列选主元是当高斯消元到第步时，从列的以下（包括）的各元素中选出绝 aakkkkkk 对值最大的，然后通过行交换将其交换到的位置上。交换系数矩阵中的 两行（包括常ekk 数项），只相当于两个方程的位置交换了，因此，列选主元不影响求解的结 ,2,计算机程序框图:，见下页, 输入变量:系数矩阵元素，常向量元素baiji 输出变量:解向量元素bbb,,12n
施工模板设计计算书 本工程为框架剪力墙结构，汽车库和指挥中心为均为地下一层。其中汽车库部分共有48根框架柱，其中矩形柱2根，方形柱46根。柱径分别有700×700mm、900×900mm、1100×1100mm、1700×500mm、950×900mm等五种。柱高均为4300mm。最大框架梁断面为b×h：700×1400mm，梁长为8000mm。砼墙最大厚度为750mm，计算高度为5700mm。现浇板厚分别有：指挥中心部分有1800mm、1000mm ，汽车库部分有450mm、400mm。 一、施工材料 1、钢管φ=48×3.5（用于柱箍、钢楞和模板支撑） 截面积： A = 489㎜2 截面抵抗矩：W X = 5.08×103mm3 截面惯性矩：I X = 12.19×104mm4 回转半径：ⅰ= 15.8㎜ 每米重量：g = 3.84 ㎏/m 弹性模量： E = 2.06×105 N/㎜2 2、木材 多层胶合板厚18㎜（用于顶板模板） 竹胶合板厚18㎜（用于柱模） 木板（东北松）板厚50㎜（用于梁底模） 木枋50×100（用于木模板楞木） 木材弹性模量： E = 9.5×103 N/mm3
木材抗弯强度设计值：f m= 13 N/㎜2 木材抗剪强度设计值：f V = 1.4 N/㎜2 3、钢材（型钢） ⑴、∟75×75×5角钢（用于柱箍） 截面积A＝741.2mm2 理论重量：5.818kg/m 截面惯性矩Ix＝37.97×104mm4 截面最小抵抗矩W X = 7.32×103mm3 回转半径i=23.3mm 钢材弹性模量 E = 2.06×105 N/㎜2 钢材抗拉、抗弯强度设计值 f = 215N/㎜2⑵、10＃槽钢（用于墙模板钢楞） 截面积A＝1274.8mm2 理论重量：10.007kg/m 截面惯性矩Ix＝198×104mm4 截面最小抵抗矩W X = 39.7×103mm3 回转半径i x=23.3mm 钢材弹性模量 E = 2.06×105 N/㎜2 钢材抗拉、抗弯强度设计值 f = 215N/㎜2⑶、6＃槽钢（用于墙模板钢楞） 截面积A＝845.1mm2 理论重量：6.63kg/m
练习题 一、填空题 1．人们通过各种实践，发现变量之间的相互关系可以分成（相关）和（不相关）两种类型。多元统计中常用的统计量有：样本均值、样本方差、样本协方差和样本相关系数。 2．总离差平方和可以分解为（回归离差平方和）和（剩余离差平方和）两个部分，其中（回归离差平方和）在总离差平方和中所占比重越大，则线性回归效果越显著。3．回归方程显著性检验时通常采用的统计量是（S R/p）/[S E/（n-p-1）]。 4．偏相关系数是指多元回归分析中，（当其他变量固定时，给定的两个变量之间的）的相关系数。 5．Spss中回归方程的建模方法有（一元线性回归、多元线性回归、岭回归、多对多线性回归）等。 6．主成分分析是通过适当的变量替换，使新变量成为原变量的（线性组合），并寻求（降维）的一种方法。 7．主成分分析的基本思想是（设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来替代原来的指标）。 8．主成分表达式的系数向量是（相关系数矩阵）的特征向量。 9．样本主成分的总方差等于（1）。 10．在经济指标综合评价中，应用主成分分析法，则评价函数中的权数为（方差贡献度）。主成分的协方差矩阵为（对称）矩阵。主成分表达式的系数向量是（相关矩阵特征值）的特征向量。 11．SPSS中主成分分析采用（analyze—data reduction—facyor）命令过程。 12．因子分析是把每个原始变量分解为两部分因素，一部分是（公共因子），另一部分为（特殊因子）。 13．变量共同度是指因子载荷矩阵中（第i行元素的平方和）。 14．公共因子方差与特殊因子方差之和为（1）。 15．聚类分析是建立一种分类方法，它将一批样品或变量按照它们在性质上的（亲疏程度）进行科学的分类。 16．Q型聚类法是按（样品）进行聚类，R型聚类法是按（变量）进行聚类。 17．Q型聚类统计量是（距离），而R型聚类统计量通常采用（相关系数）。 18．六种Q型聚类方法分别为（最长距离法）、（最短距离法）、（中间距离法）、（类平均法）、（重心法）、（离差平方和法）。 19．快速聚类在SPSS中由（k-均值聚类（analyze—classify—k means cluster））过程实现。 20．判别分析是要解决在研究对象已（已分成若干类）的情况下，确定新的观测数据属于已知类别中哪一类的多元统计方法。 21．用判别分析方法处理问题时，通常以（判别函数）作为衡量新样本点与各已知组别接近程度的指标。 22．进行判别分析时，通常指定一种判别规则，用来判定新样本的归属，常见的判别准则有（Fisher准则）、（贝叶斯准则）。 23．类内样本点接近，类间样本点疏远的性质，可以通过（类与类之间的距离）与（类内样本的距离）的大小差异表现出来，而两者的比值能把不同的类区别开来。这个比值越大，说明类与类间的差异越（类与类之间的距离越大），分类效果越（好）。24．Fisher判别法就是要找一个由p个变量组成的（线性判别函数），使得各自组内点的
数值分析实验报告模板 篇一：数值分析实验报告(一)(完整) 数值分析实验报告 1 2 3 4 5 篇二：数值分析实验报告 实验报告一 题目：非线性方程求解 摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。利用二分法求解给定非线性方程的根，在给定的范围内，假设f(x,y)在[a,b]上连续，f(a)xf(b) 直接影响迭代的次数甚至迭代的收敛与发散。即若x0 偏离所求根较远，Newton法可能发散的结论。并且本实验中还利用利用改进的Newton法求解同样的方程，且将结果与Newton法的结果比较分析。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。掌握二分法的原理，验证二分法，在选对有根区间的前提下，必是收
敛，但精度不够。熟悉Matlab语言编程，学习编程要点。体会Newton使用时的优点，和局部收敛性，而在初值选取不当时，会发散。 数学原理： 对于一个非线性方程的数值解法很多。在此介绍两种最常见的方法：二分法和Newton法。 对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b) Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式xk?1?xk?f(xk) f'(xk) 产生逼近解x*的迭代数列{xk}，这就是Newton法的思想。当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。另外，若将该迭代公式改进为 xk?1?xk?rf(xk) 'f(xk) 其中r为要求的方程的根的重数，这就是改进的Newton 法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。 程序设计： 本实验采用Matlab的M文件编写。其中待求解的方程写成function的方式，如下 function y=f(x);
实用多元统计分析相 尖习题 练习题 一、填空题 1?人们通过各种实践，发现变量之间的相互矢系可以分成（相尖）和（不相尖）两种 类型。多元统计中常用的统计量有：样本均值、样本方差、样本协方差和样本相尖系数。 2?总离差平方和可以分解为（回归离差平方和）和（剩余离差平方和）两个部分，其中（回归离差平方和）在总离差平方和中所占比重越大，则线性回归效果越显著。 3 ?回归方程显著性检验时通常采用的统计量是（S R/P）/[S E/ （n-p-1） ]O 4?偏相尖系数是指多元回归分析中，（当其他变量固定时，给定的两个变量之间的） 的相尖系数。 5. Spss中回归方程的建模方法有（一元线性回归、多元线性回归、岭回归、多对多线性回归）等。
6 ?主成分分析是通过适当的变量替换，使新变量成为原变量的（线性组合），并寻求 （降维）的一种方法。 7 ?主成分分析的基本思想是（设法将原来众多具有一定相尖性（比如P个指标），重 新组合成一组新的互相无矢的综合指标来替代原来的指标）。 8 ?主成分表达式的系数向量是（相尖系数矩阵）的特征向量。 9 ?样本主成分的总方差等于（1）。 10 ?在经济指标综合评价中，应用主成分分析法，则评价函数中的权数为（方差贡献度）。主成分的协方差矩阵为（对称）矩阵。主成分表达式的系数向量是（相尖矩阵特征值）的特征向量。 11. SPSS 中主成分分析采用（analyze—data reduction — facyor）命令过程。 12?因子分析是把每个原始变量分解为两部分因素，一部分是（公共因子），另一部
分为（特殊因子）。 13 ?变量共同度是指因子载荷矩阵中（第i行元素的平方和）。 14 ?公共因子方差与特殊因子方差之和为（1） o 15 ?聚类分析是建立一种分类方法，它将一批样品或变量按照它们在性质上的（亲疏 程度）进行科学的分类。 16. Q型聚类法是按（样品）进行聚类，R型聚类法是按（变量）进行聚类。 17. Q型聚类统计量是（距离），而R型聚类统计量通常采用（相尖系数）。 18. 六种Q型聚类方法分别为（最长距离法）、（最短距离法）、（中间距离法）、（类平均法）、（重心法）、（离差平方和法）。 19?快速聚类在SPSS中由（k■均值聚类（analyze— classify— k means cluste））过程实 现。 20. 判别分析是要解决在研究对象已（已分成若干类）的情况下，确定新的观测数据属于已知类别中哪一类的多元统计方法。 21. 用判别分析方法处理问题时，通常以（判别函数）作为衡量新样本点与各已知组别接近程度的指标。 22. 进行判别分析时，通常指定一种判别规则，用来判定新样本的归属，常见的判别准则有 （Fisher准则）、（贝叶斯准则）。 23. 类内样本点接近，类间样本点疏
模板支撑计算
————————————————————————————————作者 :————————————————————————————————日期：
对该工程进行全面的概况描述 结构支撑系统计算及部分注意要点 1、主梁为 350× 900、３5０× 70０，次梁 25０×６ 00、25０× 500;中空主梁 450 ×1８ 00,次梁 300×９ 0０ 2、层高 :一层为 6.5m，四层为 7.０ｍ，中空为 21.0m; 3、跨度 :框架一层 1０ .8ｍ， 11.２m， 9.0m，中空为２ 4.２ｍ 4、施工方法 ⑴、采用φ４ 8 钢管满堂红顶架作为垂直支撑钢件。 ⑵、框架梁底模采用 1８㎜厚夹板板；梁侧模、楼板底模均采用 1８mm厚夹板，支撑系统采用 80×１０ 0mｍ的木枋、顶托、ф４８钢管。 ⑶、大梁（截面450× 18０0）支撑系统采用ф 4８钢管沿梁横向＠ 5０ 0－ ６50 ㎜ ; 纵向 @８０ 0－1000 ㎜。支托纵向采用 80×１ 00×２０００松木枋叠放交错搭接, 木枋必须居中，支托两边的空隙位置用相应木楔固定, 使叠木枋保证居中，横向木枋 80×100×2000ｍm＠≦ 350。楼板模板支撑体系采用ф 48 钢管 @90 ０-1000 ㎜。 ⑷、设ф４８钢管纵横扫地杆一道（高出地面200 ㎜内 ) 。同时纵横设置ф ４ 8 水平连结钢管＠１ 500；保证整体稳定。 ⑸、纵横设剪刀撑Ф 48@650０以内 ;450 ×1800 ㎜主粱底两边均设置剪刀撑；1．5 米;4. ７米；１０ .7 米; １6．7 米标高处设置水平剪刀撑Ф48@65０0 以内 ;6; １0．８； 15．６； 2０.4 米标高利用周边混凝土框架梁作水平支撑固定满堂红 顶架，５ ;1 ０;15 ；２０米标高利用混凝土柱作水平支撑固定满堂红顶架，保证 整个支撑体系的稳定性 ⑹、梁高 900mm,设二道φ 1２＠５０ 0mm穿梁对拉螺栓 ( 梁底上 4００㎜为第 一道、梁底上 750- ８00 ㎜为第二道）。高跨梁 1800ｍ m,设四道φ 14@５０ 0mｍ穿 梁对拉螺栓（梁底上 300 ㎜为第一道、梁底上 750－800 ㎜为第二道，1200- １300? ｍm第三道， 1６０ 0-1700mm第四道），考虑梁内为工字钢结构，结合设计人 员同意开孔。 （７ ) 为了施工安全 , 在 17.5 米高度处搭设密竹一层作安全防护和操作平 台。 ( ８) 、高支模施工过程检查严格按照《AQ2.10. ２.2 模板工程验收表》和扣 件式钢管满堂红顶架的《ＪＧ J130-2001 》规范执行，具体如下 :1 、专项施工方 案计算书是否结合实际情况；2、立柱、支架间距是否满足规范及方案要求; ３、
多元统计分析有哪些应用? 比较 关系 预测 分类 评价 各种应用对应的多元统计分析方法 比较：多元方差分析 关系：回归模型 预测：回归模型 分类：聚类分析与判别分析、回归模型 评价：主成分分析与因子分析 ?多元回归、logisitic回归、Cox回归、Poisson回归 多元统计分析方法主要内容 多元T检验、多元方差分析 ?Hotelling T2 ?multivariate analysis of variance (MANOV A) 多元线性回归(multivariate linear regression) logistic回归(logistic regression) Cox比例风险模型(Cox model) Poisson回归(Poisson regression) 聚类分析(cluster analysis) 判别分析(discriminant analysis) 主成分分析和因子分析 生存分析 本课程的要求 上机做练习，分析实际资料 学会看文献，判断统计分析的应用是否正确 统计软件SAS，或Stata, SPSS10.01 考试： 理论占30%，实验占70% 二、多元统计分析的基本概念 研究因素从广义的角度看，所有可以测量的变量都可以成为研究因素，比如：年 龄、性别、文化程度、人体的各种生物学特征和生理生化指标环境因素、心理因素等。狭义来看，研究因素是指可能与研究目的有关的影响因素 多元统计分析对多变量样本的要求 ①分布：多元正态分布、相互独立、多元方差齐 ②样本含量 目前尚没有多元分析的样本含量估计方法，一般认为样本含量应超过研究因素5-10倍以上即可。 数值变量→分类成有序分类变量 哑变量的数量=K-1（K为分类数）
2012级6班###(学号)计算机数值方法 实验报告成绩册 姓名：安元龙 学号：2012060501 成绩：
数值计算方法与算法实验报告 学期： 2014 至___2015 第 1 学期 2014年 10月26日课程名称:__数值计算方法与算法 __ 专业:信息与计算科学 12级5班实验编号： 1实验项目Neton插值多项式指导教师__孙峪怀姓名：安元龙学号： 2012060501 实验成绩： 一、实验目的及要求 实验目的： 掌握Newton插值多项式的算法，理解Newton插值多项式构造过程中基函数的继承特点，掌握差商表的计算特点。 实验要求： 1. 给出Newton插值算法 2. 用C语言实现算法 二、实验内容 三、实验步骤(该部分不够填写.请填写附页) 1.算法分析： 下面用伪码描述Newton插值多项式的算法： Step1 输入插值节点数n，插值点序列{x(i),f(i)},i=1,2,……,n,要计算的插值点x. Step2 形成差商表 for i=0 to n for j=n to i f(j)=((f(j)-f(j-1)/(x(j)-x(j-1-i)); Step3 置初始值temp=1,newton=f(0) Step4 for i=1 to n temp=(x-x(i-1))*temp/*由temp(k)=(x-x(k-1))*temp(k-1)形成 (x-x(0).....(x-x(i-1)*/ Newton=newton+temp*f(i); Step5 输出f（x）的近似数值newton(x)=newton. #include
实验报告 一、实验名称 多元统计分析作业题。 二、实验目的 （一）了解并掌握主成分分析与因子分析的基本原理和简单解法。 （二）学会使用matlab编写程序进行因子分析，求得特征值、特征向量、载荷矩阵等值。（三）学会使用排序、元胞数组、图像表示最后的结果，使结果更加直观。 三、实验内容与要求
四、实验原理与步骤 （一）第一题： 1、实验原理： 因子分析简介： (1) 1.1 基本因子分析模型 设p维总体x=(x1,x2,....,xp)'的均值为u=(u1,u2,....,u3)'，因子分析的一般模型为 x1=u1+a11f1+a12f2+........+a1mfm+ε 1 x2=u2+a21f1+a22f2+........+a2mfm+ε 2 ......... xp=up+ap1f1+fp2f2+..........+apmfm+εp 其中，f1,f2,.....,fm为m个公共因子；εi是变量xi(i=1,2,.....,p)所独有的特殊因子，他们都是不可观测的隐变量。称aij(i=1,2,.....,p;j=1,2,.....,m)为变量xi的公共因子fi上的载荷，它反映了公共因子对变量的重要程度，对解释公共因子具有重要的作用。上式可以写为矩阵形式 x=u+Af+ε
其中A=(aij)pxm 称为因子载荷矩阵；f=(f1,f2,....,fm)'为公共因子向量；ε=(ε1,ε2,.....εp)称为特殊因子向量 (2) 1.2 共性方差与特殊方差 xi的方差var(xi)由两部分组成，一个是公共因子对xi方差的贡献，称为共性方差；一个是特殊因子对xi方差的贡献，称为特殊方差。每个原始变量的方差都被分成了共性方差和特殊方差两部分。 (3) 1.3 因子旋转 因子分析的主要目的是对公共因子给出符合实际意义的合理解释，解释的依据就是因子载荷阵的个列元素的取值。当因子载荷阵某一列上各元素的绝对值差距较大时，并且绝对值大的元素较少时，则该公共因子就易于解释，反之，公共因子的解释就比较困难。此时可以考虑对因子和因子载荷进行旋转（例如正交旋转），使得旋转后的因子载荷阵的各列元素的绝对值尽可能量两极分化，这样就使得因子的解释变得容易。 因子旋转方法有正交旋转和斜交旋转两种，这里只介绍一种普遍使用的正交旋转法：最大方差旋转。这种旋转方法的目的是使因子载荷阵每列上的各元素的绝对值（或平方值）尽可能地向两极分化，即少数元素的绝对值（或平方值）取尽可能大的值，而其他元素尽量接近于0. (4) 1.4 因子得分 在对公共因子做出合理解释后，有时还需要求出各观测所对应的各个公共因子的得分，就比如我们知道某个女孩是一个美女，可能很多人更关心该给她的脸蛋、身材等各打多少分，常用的求因子得分的方法有加权最小二乘法和回归法。 注意：因子载荷矩阵和得分矩阵的区别： 因子载荷矩阵是各个原始变量的因子表达式的系数，表达提取的公因子对原始变量的影响程度。因子得分矩阵表示各项指标变量与提取的公因子之间的关系，在某一公因子上得分高，表明该指标与该公因子之间关系越密切。简单说，通过因子载荷矩阵可以得到原始指标变量的线性组合，如X1=a11*F1+a12*F2+a13*F3,其中X1为指标变量1，a11、a12、a13分别为与变量X1在同一行的因子载荷，F1、F2、F3分别为提取的公因子；通过因子得分矩阵可以得到公因子的线性组合，如F1=a11*X1+a21*X2+a31*X3，字母代表的意义同上。 (5) 1.5 因子分析中的Heywood（海伍德）现象 如果x的各个分量都已经标准化了，则其方差=1。即共性方差与特殊方差的和为1。也就是说共性方差与特殊方差均大于0，并且小于1。但在实际进行参数估计的时候，共性方差
数值分析实验报告总结 随着电子计算机的普及与发展，科学计算已成为现代科 学的重要组成部分，因而数值计算方法的内容也愈来愈广泛和丰富。通过本学期的学习，主要掌握了一些数值方法的基本原理、具体算法，并通过编程在计算机上来实现这些算法。 算法算法是指由基本算术运算及运算顺序的规定构成的完 整的解题步骤。算法可以使用框图、算法语言、数学语言、自然语言来进行描述。具有的特征：正确性、有穷性、适用范围广、运算工作量少、使用资源少、逻辑结构简单、便于实现、计算结果可靠。 误差 计算机的计算结果通常是近似的，因此算法必有误差， 并且应能估计误差。误差是指近似值与真正值之差。绝对误差是指近似值与真正值之差或差的绝对值；相对误差：是指近似值与真正值之比或比的绝对值。误差来源见表 第三章泛函分析泛函分析概要 泛函分析是研究“函数的函数”、函数空间和它们之间 变换的一门较新的数学分支，隶属分析数学。它以各种学科
如果 a 是相容范数，且任何满足 为具体背景，在集合的基础上，把客观世界中的研究对象抽 范数 范数，是具有“长度”概念的函数。在线性代数、泛函 分析及相关的数学领域，泛函是一个函数，其为矢量空间内 的所有矢量赋予非零的正长度或大小。这里以 Cn 空间为例， Rn 空间类似。最常用的范数就是 P-范数。那么 当P 取1, 2 ,s 的时候分别是以下几种最简单的情形: 其中2-范数就是通常意义下的距离。 对于这些范数有以下不等式: 1 < n1/2 另外，若p 和q 是赫德尔共轭指标，即 1/p+1/q=1 么有赫德尔不等式: II = ||xH*y| 当p=q=2时就是柯西-许瓦兹不等式 般来讲矩阵范数除了正定性，齐次性和三角不等式之 矩阵范数通常也称为相容范数。 象为元素和空间。女口：距离空间，赋范线性空间， 内积空间。 1-范数: 1= x1 + x2 +?+ xn 2-范数: x 2=1/2 8 -范数: 8 =max oo ，那 外，还规定其必须满足相容性: 所以
现浇混凝土柱、梁、墙、板的模板支撑超高：（1）现浇混凝土柱、梁、墙、板的模板支撑，定额按支模高度3.60m编制。支模高度超过3.60m时，执行相应"每增3m"子目（不足3m，按3m计算），计算模板支撑超高。（2）构造柱、圈梁、大钢模板墙，不计算模板支撑超高。（3）支模高度，柱、墙：地（楼）面支撑点至构件顶坪；梁：地（楼）面支撑点至梁底；板：地（楼）面支撑点至板底坪。(注意综合解释：有梁扳的板下梁的模板支撑高度，自地（楼）面支撑点计算至板底，执行板的支撑高度超高子目。) （4）梁、板（水平构件）模板支撑超高的工程量计算如下式：超高次数＝（支模高度-3.6）÷3（遇小数进为1）超高工程量（m2）＝超高构件的全部模板面积×超高次数（5）柱、墙（竖直构件）模板支撑超高的工程量计算如下式：超高次数分段计算：自3.60m以上，第一个3m为超高1次，第二个3m为超高2次，依次类推；不足3m，按3m计算。超高工程量（m2）＝∑（相应模板面积×超高次数）注意：梁板水平构件和柱墙竖直构件的模板超高计算方法不一样）（6）墙、板后浇带的模板支撑超高，并入墙、板支撑超高工程量内计算。（7）轻体框架柱（壁式柱）的模板支撑超高，执行10-4-148、10-4-149子目。案例：柱超高模板面积计算：（10m高，断面500*500）第一次超高=3*0.5*4*1=6*1 第二次超高=3*0.5*4*2=6*2 第三次超高=（不足3m按3m计算：）=3*0.5*4*3=6*3 第四次超高=0.8*4=0.8*4 合计=6*1+6*2+6*3+0.8*4 超高工程量（m2）＝∑（相应模板面积×超高次数）梁板按全部超高模板计算。
1、简述多元统计分析中协差阵检验的步骤 第一，提出待检验的假设H0和H1； 第二，给出检验的统计量及其服从的分布； 第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域； 第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。 协差阵的检验 检验0=ΣΣ 0p H =ΣI ： /2/21exp 2np n e tr n λ????=-?? ?????S S 00p H =≠ΣΣI ： /2/2**1exp 2np n e tr n λ????=-?? ????? S S 检验12k ===ΣΣΣ012k H ===ΣΣΣ： 统计量/2/2/2/211i i k k n n pn np k i i i i n n λ===∏∏S S 2. 针对一个总体均值向量的检验而言，在协差阵已知和未知的两种情形下，如何分别构造的统计量？ 3. 作多元线性回归分析时，自变量与因变量之间的影响关系一定是线性形式的吗？多元线性回归分析中的线性关系是指什么变量之间存在线性关系？ 答：作多元线性回归分析时，自变量与因变量之间的影响关系不一定是线性形式。当自变量与因变量是非线性关系时可以通过某种变量代换，将其变为线性关系，然后再做回归分析。 多元线性回归分析的线性关系指的是随机变量间的关系，因变量y 与回归系数βi 间存在线性关系。 多元线性回归的条件是： （1）各自变量间不存在多重共线性； （2）各自变量与残差独立； （3）各残差间相互独立并服从正态分布； （4）Y 与每一自变量X 有线性关系。 4.回归分析的基本思想与步骤 基本思想：
混凝土模板和支撑工程量计算方法 一、说明 1、现浇混凝土模板，定额按不同构件，分别以: 组合钢模板、钢支撑、木支撑;(编制标底时可用此项) 复合木模板、钢支撑、木支撑;(钢框+12mm厚竹胶板) 胶合板模板、钢支撑、木支撑;(塑料套管穿对拉螺栓) 木模板、木支撑编制。 2、现场预制混凝土模板，定额按不同构件分别以组合钢模板、复合木模板、木模板，并配制相应的混凝土地膜、砖地膜、砖胎膜编制。 3、现浇混凝土梁、板、柱、墙是按支模高度(地面支撑点至模底或支模顶)3.6m编制的，支模高度超过3.6m时，另行计算模板支撑超高部分的工程量。
若立模高度超过3.6m时，应从3.6m以上，按每超过3m增加一次计算套用定额项目。 超高支撑增加次数=(立模高度-3.6m)/3计算，不足3米者也按1次计算。 超高每增3m的工程量，梁、板是按超高构件全部混凝土的接触面积计算的;柱和墙是按超高部分的混凝土接触面积计算的。 二、工程量计算规则 1、现浇混凝土及预制钢筋混凝土模板工程量，除另有规定者外，应区别模板的材质，按混凝土与模板接触面的面积，以平方米计算。 2、定额附录中的混凝土模板含量参考表，系根据代表性工程测算而得，只能作为投标报价和编制标底时的参考。 3、现浇混凝土基础的模板工程量，按以下规定计算: (1)现浇混凝土带形基础的模板，按其展开高度乘以基础长度，以平方米计算;基础与基础相交时重叠的模板面积不扣除;直形基础端头的模板，也不增加。
(2)杯形基础和高杯基础杯口内的模板，并入相应基础模板工程量内。杯形基础杯口高度大于杯口长边长度的，套用高杯基础定额项目。 4、现浇混凝土柱模板，按柱四周展开宽度乘以柱高，以平方米计算。 (1)柱、梁相交时，不扣除梁头所占柱模板面积。 (2)柱、板相交时，不扣除板厚所占柱模板面积。 现浇混凝土柱模板工程量=柱截面周长×柱高 [例10-15]如图所示，现浇混凝土框架柱20根，组合钢模板，钢支撑，计算钢模板工程量，确定定额项目。 解:①现浇混凝土框架柱钢模板工程量=0.45×4×4.50×20=162.00m2 现浇混凝土框架矩形柱组合钢模板，钢支撑(套10-4-84) 定额基价=251.33元/10m2