Уважаемые мета–томатики!

Скажите пожалуйста каким образом можно узнать уравнение кривой на основе некоторого набора данных?
Например есть график. Можно ли выяснить, хмм… формулу по которой она создана?

размер 500x216, 55.77 kb

GD Star Rating
loading...

27 Responses to Как узнать уравнение кривой?

  1. Yl1:

    если функция кривой Y(*), и у тебя есть значения х, от которой зависят значения функции, то можно регрессию какую–нибудь)

  2. SuLyrik:

    Сказать честно, судя по вопросу и по графику, у вас мало что выйдет.
    Думаю я могу объяснить почему, но мне был–бы интересен диалог, а не мое тупое перечисление фактов и домыслов.
    Опыта у меня не много, но завтра сдавать «Введение в Численные Методы», так–что мысли определенные есть.

  3. VoDr:

    я бы рад включиться в диалог, но познания не позволяют
    поэтому и спрашиваю

  4. MiBoo:

    Ну если ваш график конечен, то можно, а если бесконечен, то есть вот эта дёргающаяся лабуда дергается и дергается, то нет (это потому, что математика ещё не умеет предсказывать).

  5. SuLyrik:

    Ничего страшного 🙂
    Ладно, первый (и наверно самый главный вопрос) зачем вам нужна это формула?

  6. E310n:

    it’s a magic

  7. Nodlehs:

    чувак с экзаменом по численным методам прав — главный вопрос состоит в том, зачем конкретно тебе нужна формула. от этого будет зависеть и тот метод, который тебе наилучшим образом подойдёт

  8. VoDr:

    у меня есть большой набор значений некоего параметра который меняется во времени.
    я хочу проверить существует ли закономерность в этом, визуально хаотичном наборе данных.

    Я предположил что если она есть, то она должна наблюдаться и на неполной части этих данных. То–есть зная «формулу» неполной части данных, можно, с определенной погрешностью, утверждать какое значение примет параметр в другие промежутки времени. Если это рассчитанное значение совпадёт с реальным => профит, что и требовалось доказать, критики посрамлены.

  9. SuLyrik:

    Даже имея весь график на руках очень сложно построить его от одной функции, для этого график разбваеться на отдельные части и работа ведется уже с каждым из них.
    Т.е. строить от одной функции сложно, не говоря уж о предугадывании
    (ведь экономика не похожа на синусоиду и даже движение планет намного проше).

    1)Я бы избавился от шума: ввел–бы среднее значение за несколько шагов.
    Трапециями, сплайнами, чем угодно.
    Так станет визуально проще. ПЛЮС можно будет угадывать (при верном подходе) межшаговые значения.

    2)Выявил–бы события предшествующие изменениям графика, наверно самое сложное во всем этом, событий может быть ОЧЕНЬ много.
    Предположим: 24 часа — шаг пиковой активности (так как в среднем в 11 часов разгар рабочего дня).
    Можно находить закономерности перебором.

  10. Suhclam:

    Если данных очень мало, то можешь попробовать аппроксимацией, советую матлаб. А если данных дофига то спектральный анализ, посмотришь что у тебя на каких частотах происходит

  11. Suhclam:

    это арифметика не может

  12. Suhclam:

    напиши что это у тебя сигнал датчика или исторические данные за два последних года. Что тебе нужно найти сезонность или налбарот ее отфильтровать. Или тебе нужны колебания второго порядка?

  13. Groaes:

    Похоже, не?

    размер 360x228, 17.35 kb

  14. Groaes:

    Это я циркулем – ровно, правда?
    1 + Sin[n*Cos[n]] + 3 Exp[–(n — 45)^2]

  15. Si:

    Ну, можно приближать многочленом.

  16. Sbalr:

    когда я был маленький и у меня тоже была высшая математика, мы искали функцию зависимости от нескольких переменных по результатам измерений. вроде бы все сводилось к решению дикой системы линейных уравнений.
    вот.

  17. VoDr:

    я вас понял, спасибо
    второй пункт логичен и понятен
    а вот насчёт первого придется почитать про трапеции и сплайны
    еще раз спасибо 🙂

  18. VoDr:

    есть черный ящик который через определенный промежуток времени показывает числа
    у меня есть статистика этих чисел
    вопрос состоял в том, можно ли, только на основе этих данных найти закономерность и предугадать следующее число

    зы — я не знаю что такое колебания второго порядка)

  19. MiBoo:

    весь вопрос в сигнале. вот человек говорит спектральный анализ, это дело. Можно ещё статистичиские тенденции посмотреть, регрессию, распределение…

  20. MiBoo:

    А если это белый шум?

  21. Ft6:

    тебе не нужно уравнение кривой скорее всего, можно угадывать рядами Маркова, скажем.

  22. Suhclam:

    получишь ответ что это белы

  23. Suhclam:

    Google ARIMA и ARMA

  24. Peels:

    Министерство статистики рекомендует:
    1) Почитать про идею авторегрессивных моделей и их вариации (в частности, вышеупомянутые кейворды AR, ARMA, ARIMA, SARIMA). Без фанатизма, для начала достаточно лишь первых двух кейвордов.
    2) Потыркать авторегрессивную конфигурацию для нейронных сетей (думается мне что в матлабе есть соответствующие пакеты, которые все сделают одним кликом. Если не ошибаюсь, можно гуглить что–то вроде NNAR, NNARMA, …).
    3) Потыркать любые другие нелинейные модели в авторегрессивной конфигурации (SVM, деревья, …)
    4) Почитать про machine learning в общем, обратить внимание на правильную методологию тестирования (holdout, cross–validation).

    Вдобавок можно посмотреть на методы attribute selection для подбора «хорошей» степени авторегрессии (какие–то там Lipschitz criterion были, кажись).

  25. Ta1:

    судя по вопросам — ты хочешь написать программу для финансовой игры, да?

Добавить комментарий