Ce document décrit la méthode des moindres carrés pour approcher une fonction inconnue à partir de données expérimentales. La méthode consiste à choisir une fonction et déterminer ses paramètres de manière à minimiser la somme des carrés des écarts entre la fonction choisie et les données. Des polynômes et des exponentielles sont donnés comme exemples de fonctions pouvant être utilisées.
0 évaluation0% ont trouvé ce document utile (0 vote)
85 vues7 pages
Ce document décrit la méthode des moindres carrés pour approcher une fonction inconnue à partir de données expérimentales. La méthode consiste à choisir une fonction et déterminer ses paramètres de manière à minimiser la somme des carrés des écarts entre la fonction choisie et les données. Des polynômes et des exponentielles sont donnés comme exemples de fonctions pouvant être utilisées.
Ce document décrit la méthode des moindres carrés pour approcher une fonction inconnue à partir de données expérimentales. La méthode consiste à choisir une fonction et déterminer ses paramètres de manière à minimiser la somme des carrés des écarts entre la fonction choisie et les données. Des polynômes et des exponentielles sont donnés comme exemples de fonctions pouvant être utilisées.
Ce document décrit la méthode des moindres carrés pour approcher une fonction inconnue à partir de données expérimentales. La méthode consiste à choisir une fonction et déterminer ses paramètres de manière à minimiser la somme des carrés des écarts entre la fonction choisie et les données. Des polynômes et des exponentielles sont donnés comme exemples de fonctions pouvant être utilisées.
Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
Télécharger au format pdf ou txt
Vous êtes sur la page 1/ 7
Table des matières
Visites depuis le 14 juin 2002 Joindre l'auteur
Chapitre IV : Approximation - Lissage des
courbes Méthode des moindres carrés
Plan 1. Principe de la méthode
2. Lissage par un polynôme
3. Exemples de lissage
1. Principe de la méthode
Lors d’une expérimentation, on a obtenu les résultats suivant représenté sur le graphique ci-dessous. Ces résultats sont les mesures physiques caractérisant, par exemple, la température en fonction du temps. On a et .
La fonction f(x) peut être représentée par une ligne passant par tous les points, par exemple en utilisant l’interpolation de Lagrange. Du point de vue physique, ceci n’a pas de sens. Au contraire, pour mieux représenter f(x) par une courbe, celle-ci doit passer entre les points expérimentaux, voire ne passant par aucun d’entre eux comme c’est le cas de la figure ci-dessus.
Une première méthode consiste à tracer ‘à l’œil’ la fonction g(x) censée représenter le mieux possible f(x) décrite par les points expérimentaux. Évidemment, il est préférable d’avoir cette représentation par une méthode plus sûre. Ainsi, on choisit une fonction g(x), censée représenter f(x).
Dans le cas du graphique ci-dessus par exemple, g(x) est représentée par une droite de la forme :
g(x) dépend d’un certain nombre de paramètres .
Donc, cette fonction sera de la forme . Dans le cas du graphe précédent, on a
: . On désigne les coordonnées des points expérimentaux par où et nous formons la quantité (graphe précédent) :
Dans ce cas, on cherche de telle sorte que s soit minimal. Ainsi, s est minimal si et seulement si :
on obtient alors un système de (r+1) équations (pas forcément linéaires) à (r+1) inconnues : qui peut être résolu par l’une des méthodes développées au chapitre I.
2. Lissage par un polynôme
Dans la pratique, on utilise fréquemment un polynôme de degré r pour la représentation de f(x). Dans ce cas, la fonction g(x) sera : En appliquant la méthode précédente qui consiste à calculer s on obtient :
Après la minimisation, on obtient :
soit :
Dans le cas général, on a :
soit :
Pour k=0, on retrouve bien ; et pour k variant de 0 à r, on obtient un système de (r+1) équations à (r+1) inconnues. Ces inconnues sont .
En posant :
le système précédent s’écrit :
Ce système peut être résolu par la méthode du pivot par exemple. Pour la résolution, il est fortement recommandé de travailler en double précision (si on n’utilise pas le langage MATLAB), car à partir d’un polynôme de degré 7, les erreurs d’arrondi donnent des résultats sans signification. En général, on utilise un polynôme de faible degré, et si c’est possible des droites de préférence. Il est souvent utile pour cela de changer d’échelles (échelles logarithmique ou semi-logarithmique par exemple).
3. Exemples de lissage
3.1. Cas d’une droite de régression (ou droite des moindres carrés)
g(x) est un polynôme de degré 1 r=1.
Soit :
Le système précédent devient alors :
En posant :
le système précédent devient :
Les solutions de ce système sont :
et g(x) devient :
Pour , on a :
Ainsi, a1 s’écrit :
où est la variance des abscisses xi des points Mi.
avec :
En effet :
et en faisant x=y, on obtient :
Pour y, on définit de la même façon que pour x la variance :
Ainsi, le coefficient de corrélation entre les variables xi et yi sera défini par :
On remarque que les coefficients a1 et C sont liés par la relation :
3.2. Cas d’une fonction comportant des exponentielles
Exemple :
A la suite d’une série de mesures physiques, on a obtenu les résultats suivants dans le tableau ci-dessous :
et il s'agit de calculer les constantes a et A à partir des mesures physiques.
On a :
La minimisation de S donne :
avec : Dans la 2ème équation du système, on remplace A par sa valeur obtenue dans la 1ère équation, et on obtient :
Cette équation est donc du type f(a) = 0, on peut la résoudre par la méthode de Newton par exemple. Pour cela, on choisit une valeur arbitraire ‘ ’, et on calcule . En faisant plusieurs itérations, on montre que :
