Cтраница 1
Аппроксимирующий многочлен строится в виде суммы повышающих степеней, причем добавление новых слагаемых не изменяет вычисленных ранее коэффициентов. Прибавляя таким образом член за членом к многочлену, можно наблюдать, как убывает остаточная дисперсия; таким образом, облегчается и процесс выбора степени многочлена. [1]
Аппроксимирующий многочлен сглаживает локальные зсобенности заданной экспериментальной таблицы и отра-ает общее поведение функции f ( x) вдоль всего интервата ее изменения. [2]
Аппроксимирующий многочлен строится в виде суммы повышающих степеней, причем добавление новых слагаемых не изменяет вычисленных ранее коэффициентов. Прибавляя таким образом член за членом к многочлену, можно наблюдать, как убывает остаточная дисперсия; таким образом, облегчается и процесс выбора степени многочлена. [3]
Аппроксимирующий многочлен Лагранжа совпадает с аппроксимируемой функцией в узлах. [4]
При этом аппроксимирующий многочлен примет вид бесконечного ряда, называемого обобщенным рядом Фурье. [5]
Снижение степени аппроксимирующего многочлена приводит к значительному сокращению объема занимаемой памяти ЦВМ при управлении производствам. Ошибка прогнозирования не превышает 5 - 7 % для самых неблагоприятных условий, например, после замены или промывки диафрагмы. [6]
Если число членов аппроксимирующего многочлена больше двух, то вычислитель может быть сложным. [7]
По этой системе функций строится аппроксимирующий многочлен. [8]
Для численного интегрирования можно применять также аппроксимирующие многочлены более высоких порядков. [9]
Первые п членов этого ряда представляют собой аппроксимирующий многочлен степени л искомого решения. [10]
На рис. 4.6 сплошной линией построена кривая аппроксимирующего многочлена. [11]
Для иллюстрации результатов интерполяции ниже приводится несколько аппроксимирующих многочленов. [12]
Сущность способа Чебышева состоит в том, что аппроксимирующий многочлен отыскивают не непосредственно в виде суммы степеней х, а в виде комбинации многочленов, которые выбирают специальным образом. [13]
Оценка корреляционной функции может быть представлена в виде аппроксимирующего многочлена ( см. гл. [14]
Существуют критерии линейности и рекомендации по выбору степени аппроксимирующего многочлена. [15]