71. Дискретизация
§ 72. Оптимизация
§ 73. Статистические расчёты
§ 74. Обработка результатов эксперимента
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Решение вычислительных задач на компьютере презентация
Содержание
- 1. Решение вычислительных задач на компьютере
- 2. Решение вычислительных задач на компьютере § 69. Точность вычислений
- 3. Погрешности измерений «Недостатки математического образования с наибольшей
- 4. Погрешности измерений абсолютная погрешность Δ x Относительная погрешность: x* истинное значение измеренное
- 5. Погрешности вычислений Все
- 6. Погрешности вычислений неточные числа
- 7. Источники погрешностей • неточность исходных данных • неточность записи
- 8. Решение вычислительных задач на компьютере § 70. Решение уравнений
- 9. Методы решения уравнений Точные (аналитические) методы: Графический метод:
- 10. Приближённые методы Сжатие отрезка: выбрать начальный отрезок
- 11. Приближенные методы По одной точке: выбрать начальное
- 12. Приближенные методы Итерационные методы (лат. iteratio –
- 13. Метод перебора Задача. Найти решение уравнения справа
- 14. Есть ли решение на [x, x+δ ]?
- 15. Метод перебора (a = 0) алг Перебор
- 16. Метод перебора (a = 0) const eps
- 17. Метод перебора большой объем вычислений Усовершенствованный перебор:
- 18. Метод деления отрезка пополам Алгоритм: вычислить середину
- 19. Метод деления отрезка пополам . delta:= 2*eps
- 20. Метод деления отрезка пополам . delta:= 2*eps;
- 21. Полёт мяча
- 22. Полёт мяча Задача. Найти угол α (и
- 23. Уточнение диапазона углов Диапазон углов для поиска:
- 24. Полёт мяча pi:= 3.1415926 u:= 0 delta:=
- 25. Полёт мяча u:= 0; delta:= 2*eps; while u < pi/2 do begin if f(u)*f(u+delta)
- 26. Полёт мяча Использование табличного процессора: имя ячейки или диапазона Диапазон углов:
- 27. Полёт мяча Excel: РАДИАНЫ Диаграмма XY: Excel: Точечная
- 28. Полёт мяча начальное приближение с графика! Сервис
- 29. Решение вычислительных задач на компьютере § 71. Дискретизация
- 30. Вычисление длины линии Ломаная:
- 31. Вычисление длины линии Кривая:
- 32. Дискретизация цель – представить задачу в виде,
- 33. Вычисление длины кривой x:= a L:=
- 34. Вычисление длины кривой x:= a; L:=
- 35. Площадь фигуры
- 36. Дискретизация
- 37. Метод прямоугольников S:= 0; x:= a
- 38. Метод трапеций
- 39. Метод трапеций S:= 0; x:= a
- 40. Решение вычислительных задач на компьютере § 72. Оптимизация
- 41. Что такое оптимизация? Оптимизация – это поиск
- 42. Что такое минимум? локальный
- 43. Метод дихотомии Алгоритм: вычислить
- 44. Метод дихотомии Уменьшение интервала: было стало
- 45. Метод дихотомии k:= 0.01 delta:= 2*eps нц
- 46. Метод дихотомии k:= 0.01; delta:= 2*eps;
- 47. Метод золотого сечения отношение золотого сечения
- 48. Оптимальный раскрой листа Цель: Ограничения:
- 49. Оптимальный раскрой листа В табличном процессоре:
- 50. Оптимизация в табличном процессоре Задача оптимизации: найти
- 51. Оптимизация в табличном процессоре OpenOffice.org Calc:
- 52. Оптимизация в табличном процессоре Excel:
- 53. Решение вычислительных задач на компьютере § 73. Статистические расчёты
- 54. Что такое статистика? Статистика – это наука,
- 55. Дисперсия Для этих рядов одинаковы МИН, МАКС,
- 56. Дисперсия среднее арифметическое квадрат отклонения от среднего средний квадрат отклонения от среднего значения
- 57. Дисперсия и СКВО Что неудобно: если
- 58. Условные вычисления Доставка: бесплатно при >500 руб.
- 59. Сложные условия NOT (НЕ, отрицание) AND (И,
- 60. Сложные условия =IF(OR(B2=100;C2=100;B2+C2>=180); "да"; "–")
- 61. Вложенные условия =IF(B2>500;0;
- 62. Связь двух рядов данных Два ряда одинаковой
- 63. Коэффициент корреляции безразмерный! =CORREL(A1:A20;B1:B20) =КОРРЕЛ(A1:A20;B1:B20)
- 64. Коэффициент корреляции Как понимать это число? если
- 65. Решение вычислительных задач на компьютере § 74. Обработка результатов эксперимента
- 66. Закон Гука Несколько опытов:
- 67. Метод наименьших квадратов (МНК) неизвестно! Ошибка определяется величиной: Метод наименьших квадратов:
- 68. Метод наименьших квадратов (МНК)
- 69. Метод наименьших квадратов (МНК) A:= 0; B:=
- 70. Метод наименьших квадратов (МНК) Табличный процессор: начальное
- 71. Восстановление зависимостей Два ряда одинаковой длины: задают
- 72. Восстановление зависимостей Вывод: задача некорректна,
- 73. Восстановление зависимостей Корректная задача: найти функцию заданного
- 74. Что значит «лучше всего соответствует»? заданные пары
- 75. Восстановление зависимостей Табличный процессор: Диаграмма XY
- 76. Прогнозирование хорошо соответствует данным, непригодна для прогноза!
- 77. Конец фильма ПОЛЯКОВ Константин Юрьевич д.т.н., учитель
- 78. Источники иллюстраций vispo.ru www.ars-sport.ru иллюстрации художников издательства «Бином» авторские материалы
Решение вычислительных задач на компьютере § 69. Точность вычислений
Слайд 3Погрешности измерений
«Недостатки математического образования с наибольшей отчетливостью проявляются в чрезмерной точности
численных расчетов».
Карл Фридрих Гаусс.
Карл Фридрих Гаусс.
Погрешность (ошибка) – отклонение измеренного или вычисленного значения от истинного значения.
цена деления 0,1 см
измерено
фактически
8,2 см
8,1 ... 8,3 см
7,8 см
7,7 ... 7,9 см
Толщина дна:
вычислено
фактически
0,4 см
0,2 ... 0,6 см
0,4 ± 0,2 см
Слайд 4Погрешности измерений
абсолютная погрешность Δ x
Относительная погрешность:
x*
истинное значение
измеренное
Слайд 5Погрешности вычислений
Все практические расчеты выполняются неточно. Погрешность результата вычислений определяется погрешностью
исходных данных.
Слайд 6Погрешности вычислений
неточные числа в знаменателе
Метод вычислительно неустойчив: малые погрешности в исходных
данных могут привести к большим погрешностям в решении.
Слайд 7Источники погрешностей
• неточность исходных данных
• неточность записи вещественных чисел в двоичном коде конечной
длины
• погрешности приближенного вычисления некоторых стандартных функций (sin, cos, …)
• накопление погрешностей при арифметических действиях с неточными данными
• погрешность метода
• погрешности приближенного вычисления некоторых стандартных функций (sin, cos, …)
• накопление погрешностей при арифметических действиях с неточными данными
• погрешность метода
Слайд 10Приближённые методы
Сжатие отрезка:
выбрать начальный отрезок [a0, b0] (одно решение!)
уточнить решение с
помощью некоторого алгоритма: ⇒ [a, b]
повторять шаг 2, пока длина отрезка [a, b] не станет достаточно мала
повторять шаг 2, пока длина отрезка [a, b] не станет достаточно мала
Завершение работы:
Слайд 11Приближенные методы
По одной точке:
выбрать начальное приближение x0
уточнить решение с помощью некоторого
алгоритма: ⇒ x
повторять шаг 2, пока два последовательных приближения не будут отличаться достаточно мало
повторять шаг 2, пока два последовательных приближения не будут отличаться достаточно мало
0
x
y
x0
x1
x2
касательная
Завершение работы:
метод Ньютона (метод касательных)
Слайд 12Приближенные методы
Итерационные методы (лат. iteratio – повторение) – основаны на многократном
выполнении одинаковых шагов, каждый из которых уточняет решение.
предыдущее приближение
следующее приближение
дают какое-то решение, если точное неизвестно
могут давать меньшие ошибки, чем вычисления по точным формулам
решение приближенное: x = 1,23345
ответ – число (зависимость от параметра?)
большой объем вычислений
не всегда просто оценить погрешность
≈
Слайд 13Метод перебора
Задача. Найти решение уравнения справа от точки
с точностью ε.
Алгоритм:
разбить
отрезок [a, b] на полосы шириной δ = 2ε
найти полосу [a*, b*], в которой находится x*
решение:
найти полосу [a*, b*], в которой находится x*
решение:
Слайд 15Метод перебора (a = 0)
алг Перебор
нач
вещ eps, x, delta
eps:= 0.001
x:= 0 | x:= a
delta:= 2*eps
нц пока f(x)*f(x+delta) > 0
x:= x + delta
кц
вывод 'x = ', x+eps
кон
x:= 0 | x:= a
delta:= 2*eps
нц пока f(x)*f(x+delta) > 0
x:= x + delta
кц
вывод 'x = ', x+eps
кон
алг вещ f( вещ x )
нач
знач:= x - cos(x)
кон
Слайд 16Метод перебора (a = 0)
const eps = 0.001;
var x, delta: real;
begin
x:= 0; {x:= a;}
delta:= 2*eps;
while f(x)*f(x+delta) > 0 do
x:= x + delta;
writeln('x = ',(x+eps):6:3)
end.
function f(x: real):real;
begin
f:= x - cos(x)
end;
Слайд 17Метод перебора
большой объем вычислений
Усовершенствованный перебор:
отделение корней – перебор с большим
шагом
уточнение корней – перебор с шагом 2ε
уточнение корней – перебор с шагом 2ε
простота
можно получить решение с любой заданной точностью
Слайд 18Метод деления отрезка пополам
Алгоритм:
вычислить середину
отрезка:
если на отрезке [a,c] есть решение,
присвоить b:=c, иначе a:=c
повторять шаги 1-2 до тех пор, пока
повторять шаги 1-2 до тех пор, пока
.
Вариант:
Слайд 19Метод деления отрезка пополам
.
delta:= 2*eps
нц пока b - a > delta
c:= (a + b) / 2
если f(a)*f(c) <= 0 то
b:= c
иначе
a:= c
все
кц
вывод 'x = ', (a+b)/2
если f(a)*f(c) <= 0 то
b:= c
иначе
a:= c
все
кц
вывод 'x = ', (a+b)/2
Алгоритмический язык:
sign(f(a)) <> sign(f(c))
Слайд 20Метод деления отрезка пополам
.
delta:= 2*eps;
while b - a > delta do
begin
c:= (a + b) / 2;
if f(a)*f(c) <= 0 then
b:= c
else a:= c;
end;
writeln('x = ', (a+b)/2:6:3);
c:= (a + b) / 2;
if f(a)*f(c) <= 0 then
b:= c
else a:= c;
end;
writeln('x = ', (a+b)/2:6:3);
Паскаль:
Слайд 22Полёт мяча
Задача. Найти угол α (и время t) при котором x
= S и y = H:
Решение:
Диапазон углов для поиска:
Слайд 24Полёт мяча
pi:= 3.1415926
u:= 0
delta:= 2*eps
нц пока u < pi/2
если f(u)*f(u+delta)
<= 0 то
вывод 'Угол: ', (u+eps)*180/pi
вывод ' градусов', нс
все
u:= u + delta
кц
вывод 'Угол: ', (u+eps)*180/pi
вывод ' градусов', нс
все
u:= u + delta
кц
Программа на алгоритмическом языке:
Слайд 25Полёт мяча
u:= 0;
delta:= 2*eps;
while u < pi/2 do begin
if f(u)*f(u+delta)
<= 0 then begin
alpha:= (u+eps)*180/pi;
writeln('Угол: ', alpha:4:1, ' градусов');
end;
u:= u + delta
end;
alpha:= (u+eps)*180/pi;
writeln('Угол: ', alpha:4:1, ' градусов');
end;
u:= u + delta
end;
Программа на языке Паскаль:
Слайд 28Полёт мяча
начальное приближение
с графика!
Сервис – Подбор параметра:
нужно
f(α) = 0
изменяем
начальное приближение
результат в H2!
Слайд 32Дискретизация
цель – представить задачу в виде, пригодном для компьютерных расчётов
есть потеря
информации
методы приближённые
для уменьшения погрешности нужно уменьшать шаг дискретизации
при малом шаге на результат могут сильно влиять погрешности вычислений
методы приближённые
для уменьшения погрешности нужно уменьшать шаг дискретизации
при малом шаге на результат могут сильно влиять погрешности вычислений
Слайд 33Вычисление длины кривой
x:= a
L:= 0
нц пока x < b
y1:=
f(x)
y2:= f(x+h)
L:= L + sqrt(h*h + (y1-y2)*(y1-y2))
x:= x + h
кц
вывод 'Длина кривой ', L
y2:= f(x+h)
L:= L + sqrt(h*h + (y1-y2)*(y1-y2))
x:= x + h
кц
вывод 'Длина кривой ', L
Программа на алгоритмическом языке:
Слайд 34Вычисление длины кривой
x:= a;
L:= 0;
while x < b do begin
y1:= f(x);
y2:= f(x+h);
L:= L + sqrt(h*h + (y2-y1)*(y2-y1));
x:= x + h
end;
writeln('Длина кривой ', L:10:3);
y2:= f(x+h);
L:= L + sqrt(h*h + (y2-y1)*(y2-y1));
x:= x + h
end;
writeln('Длина кривой ', L:10:3);
Программа на Паскале:
Слайд 37Метод прямоугольников
S:= 0; x:= a
нц пока x < b
S:=
S + f1(x+h/2) - f2(x+h/2)
x:= x + h
кц
S:= h*S
вывод 'Площадь ', S
x:= x + h
кц
S:= h*S
вывод 'Площадь ', S
Алгоритмический язык:
S:= 0; x:= a;
while x < b do begin
S:= S + f1(x+h/2)- f2(x+h/2);
x:= x + h
end;
S:= h*S;
writeln('Площадь ', S:8:3);
Паскаль:
в середине отрезка [x, x+h]
Слайд 39Метод трапеций
S:= 0; x:= a
нц пока x < b
x:= x + h
кц
вывод 'Площадь ', S
кц
вывод 'Площадь ', S
Алгоритмический язык:
S:= 0; x:= a;
while x < b do begin
x:= x + h
end;
writeln('Площадь ', S:8:3);
Паскаль:
S:= S + f1(x)- f2(x)+ f1(x+h)- f2(x+h)
S:= S + f1(x)- f2(x)+ f1(x+h)- f2(x+h);
S:= h*S/2
S:= h*S/2;
Слайд 41Что такое оптимизация?
Оптимизация – это поиск наилучшего (оптимального) решения задачи в
заданных условиях.
1) Цель: выбрать неизвестный x, так чтобы
или
2) Ограничения
задача оптимизации
Слайд 42Что такое минимум?
локальный минимум
глобальныйминимум
обычно нужно найти глобальный минимум
большинство численных методов находят
только локальный минимум
Слайд 43Метод дихотомии
Алгоритм:
вычислить середину отрезка:
найти симметричные точки x1= c - r,
x2 = c + r
если f(x1) > f(x2), далее ищем на [x1, b]
иначе ищем на [a, x2]
если f(x1) > f(x2), далее ищем на [x1, b]
иначе ищем на [a, x2]
Слайд 45Метод дихотомии
k:= 0.01
delta:= 2*eps
нц пока b - a > delta
r:=
k*(b - a)
x1:=(a + b)/2 - r
x2:=(a + b)/2 + r
если f(x1) > f(x2) то
a:= x1
иначе b:= x2
все
кц
вывод 'x = ', (a+b)/2
x1:=(a + b)/2 - r
x2:=(a + b)/2 + r
если f(x1) > f(x2) то
a:= x1
иначе b:= x2
все
кц
вывод 'x = ', (a+b)/2
Алгоритмический язык:
Слайд 46Метод дихотомии
k:= 0.01;
delta:= 2*eps;
while b - a > delta do
begin
r:= k*(b - a);
x1:=(a + b)/2 - r;
x2:=(a + b)/2 + r;
if f(x1) > f(x2) then
a:= x1
else b:= x2
end;
writeln('x = ', (a+b)/2:10:3 );
r:= k*(b - a);
x1:=(a + b)/2 - r;
x2:=(a + b)/2 + r;
if f(x1) > f(x2) then
a:= x1
else b:= x2
end;
writeln('x = ', (a+b)/2:10:3 );
Паскаль:
Слайд 50Оптимизация в табличном процессоре
Задача оптимизации: найти максимум (или минимум) целевой функции
в ячейке …, изменяя значения ячеек … при ограничениях ….
OpenOffice.org Calc:
Excel:
модуль Solver for Nonlinear Programming (входит в LibreOffice)
надстройка Поиск решения
Слайд 54Что такое статистика?
Статистика – это наука, которая изучает методы обработки и
анализа больших массивов данных.
Ряд данных:
сумма:
среднее:
минимальное:
максимальное:
количество чисел:
Свойства ряда данных:
=СУММ(A1:A20)
=СРЗНАЧ(A1:A20)
=МИН(A1:A20)
=МАКС(A1:20)
=СЧЁТ(A1:20)
=SUM(A1:A20)
=AVERAGE(A1:A20)
=MIN(A1:A20)
=MAX(A1:A20)
=COUNT(A1:A20)
только числа!
сколько ячеек удовлетворяет условию:
=COUNTIF(A1:A20;"=5")
СЧЁТЕСЛИ
=COUNTIF(A1:A20;">3")
Слайд 55Дисперсия
Для этих рядов одинаковы МИН, МАКС, СРЗНАЧ
Дисперсия («разброс») характеризует разброс данных
относительно среднего значения.
Слайд 56Дисперсия
среднее арифметическое
квадрат отклонения от среднего
средний квадрат отклонения от среднего значения
Слайд 57Дисперсия и СКВО
Что неудобно:
если измеряется в метрах, то
– в м2
СКВО = среднеквадратическое отклонение
=STDEVP(A1:A20)
=СТАНДОТКЛОНП(A1:A20)
Слайд 58Условные вычисления
Доставка:
бесплатно при >500 руб.
20% для остальных
если B2 > 500 то
C2:= 0
иначе
C2:= B2*0.2
все
иначе
C2:= B2*0.2
все
= IF(B2>500;0;B2*0,2)
=ЕСЛИ(B2>500;0;B2*0,2)
условие
если «да»
если «нет»
Слайд 59Сложные условия
NOT (НЕ, отрицание)
AND (И, логическое умножение)
OR (ИЛИ, логическое сложение)
=IF( ;0;B2*0,2)
AND(A2<1500;B2>500)
=IF(AND(B2>1994;C2>175); "да"; "–")
Слайд 61Вложенные условия
=IF(B2>500;0;
)
IF(B2>200;B2*0,1;B2*0,2)
если B2 > 500 то
C2:= 0
иначе
если B2 > 200 то
C2:= B2*0.1
иначе
C2:= B2*0.2
все
все
Доставка:
бесплатно при >500 руб.
10% при >200 руб.
20% для остальных
Слайд 62Связь двух рядов данных
Два ряда одинаковой длины:
Вопросы:
есть ли связь между этими
рядами (соответствуют ли пары какой-нибудь зависимости )
насколько сильна эта связь?
насколько сильна эта связь?
Слайд 64Коэффициент корреляции
Как понимать это число?
если :
увеличение приводит к увеличению
если : увеличение приводит к уменьшению
если : связь обнаружить не удалось
если : увеличение приводит к уменьшению
если : связь обнаружить не удалось
Сильная связь:
: линейная зависимость
: линейная зависимость
Слайд 67Метод наименьших квадратов (МНК)
неизвестно!
Ошибка определяется величиной:
Метод наименьших квадратов:
Слайд 69Метод наименьших квадратов (МНК)
A:= 0; B:= 0
нц для i от 1
до N
A:= A + x[i]*x[i]
B:= B + x[i]*y[i]
кц
k:= B / A
A:= A + x[i]*x[i]
B:= B + x[i]*y[i]
кц
k:= B / A
Алгоритмический язык:
A:= 0; B:= 0;
for i:=1 to N do begin
A:= A + x[i]*x[i];
B:= B + x[i]*y[i]
end;
k:= B / A;
Паскаль:
var A, B, k: real;
x,y: array[1..N] of real;
вещ A, B, k
вещ x[1:N], y[1..N]
Слайд 70Метод наименьших квадратов (МНК)
Табличный процессор:
начальное приближение
СУММКВРАЗН
Поиск решения: выбрать B1 так, что
B2→min
Слайд 71Восстановление зависимостей
Два ряда одинаковой длины:
задают некоторую неизвестную функцию
Зачем:
найти y в
промежуточных точках (интерполяция)
найти y вне диапазона измерений (экстраполяция, прогнозирование)
найти y вне диапазона измерений (экстраполяция, прогнозирование)
Слайд 73Восстановление зависимостей
Корректная задача: найти функцию заданного вида,
которая лучше всего соответствует данным.
Примеры:
линейная
полиномиальная
степенная
экспоненциальная
логарифмическая
Слайд 74Что значит «лучше всего соответствует»?
заданные пары значений
Крайние случаи:
если график проходит через
точки:
если считаем, что y не меняется и :
если считаем, что y не меняется и :
– среднее значение
коэффициент детерминации
когда
Слайд 75Восстановление зависимостей
Табличный процессор:
Диаграмма XY (Excel: Точечная)
ПКМ – Вставить линию
тренда
тип функции
коэффициент детерминации
показать уравнение
Слайд 77Конец фильма
ПОЛЯКОВ Константин Юрьевич
д.т.н., учитель информатики
ГБОУ СОШ № 163, г. Санкт-Петербург
kpolyakov@mail.ru
ЕРЕМИН Евгений Александрович
к.ф.-м.н., доцент кафедры мультимедийной дидактики и ИТО ПГГПУ, г. Пермь
eremin@pspu.ac.ru
к.ф.-м.н., доцент кафедры мультимедийной дидактики и ИТО ПГГПУ, г. Пермь
eremin@pspu.ac.ru
Слайд 78Источники иллюстраций
vispo.ru
www.ars-sport.ru
иллюстрации художников издательства «Бином»
авторские материалы
