The mid-course method of fitting a parabolic formula of any order to a set of observations. (Q2619244)
From MaRDI portal
![]() | This is the item page for this Wikibase entity, intended for internal use and editing purposes. Please use this page instead for the normal view: The mid-course method of fitting a parabolic formula of any order to a set of observations. |
scientific article
Language | Label | Description | Also known as |
---|---|---|---|
English | The mid-course method of fitting a parabolic formula of any order to a set of observations. |
scientific article |
Statements
The mid-course method of fitting a parabolic formula of any order to a set of observations. (English)
0 references
1934
0 references
Zur Bestimmung einer Funktion \[ y = f(x) = a + bx + cx^2 + \cdots + kx^{n-1},\tag{1} \] die sich einer Anzahl von Beobachtungswerten \((x_i, y_i)\) möglichst genau anpaßt, wird nach der Methode der kleinsten Quadrate die Summe \(\sum _i \left ( f(x_i) - y_i\right ) ^2\) zum Minimum gemacht. Trotzdem kann es vorkommen, daß\ der Absolutbetrag des Fehlers \[ \left | f(x_i) - y_i \right | \] bei einzelnen der Messungen ziemlich groß\ wird; Verf. schlägt ein anderes Prinzip zur Aufstellung der Ausgleichskurven vor, das bei großer Zahl von gleichwertigen Beobachtungen rechnerisch einfacher zu handhaben ist: Er greift die \(n+1\) nach beiden Seiten am ``weitesten herausfallenden'' Beobachtungsergebnisse heraus, die mit \((x_1, y_1),\dots, (x_{n+1}, y_{n+1})\) bezeichnet seien, und bestimmt eine Funktion (1) so, daß \[ f(x_1) - y_1 = -\varepsilon, f(x_2) - y_2 = +\varepsilon, f(x_3) - y_3 = -\varepsilon,\dots, f(x_{n+1}) - y_{n+1} = (-1)^{n+1}\varepsilon \] wird. Aus dieser Forderung lassen sich die Größen \(a, b, c,\dots, k, \varepsilon \) leicht bestimmen. Zeigt sich dann, daß\ \(|f(x_{\nu }) - y_{\nu }| \leq \varepsilon \) wird für die übrigen Beobachtungen \((\nu \geq n+2)\), so war die Wahl der \(n+1\) Beobachtungen als der am weitesten herausfallenden richtig, andernfalls kann die Rechnung mit anderen \(n+1\) Beobachtungen wiederholt werden. (Das Herausgreifen dieser \(n+1\) Werte wird im allgemeinen bei graphischer Darstellung der Punkte \(x_i, y_i\) nicht schwer sein.) Erweist sich das \(\varepsilon \) als zu groß, so muß\ der Grad des Polynoms (1) erhöht werden. An einer Reihe numerischer Beispiele bestätigt sich, daß\ die so bestimmte Maximalabweichung \(\varepsilon \) kleiner ist als die Maximalabweichung, die die Beobachtungen von dem nach der Methode der kleinsten Quadrate ermittelten Polynom gleichen Grades haben.
0 references