méthode moindre carré matlab
Bonjour
j'ai un problème d'utilisé la méthode moindre carré pour cette fonction modelevisc(b), f= ∑(α δi^b-1-μi)(αδi^b-1*ln(δi), δet μ sont deux vecteur donnés en premier temps je dois écrire la fonction modelevisc(b) pour calculer a et f et dans le script je donne le vecteur b=0:0.01:1
j'ai besoin de vous svp aide moi svp
Bonjour,
Je ne vois pas bien sur quelles donnés tu cherches à faire un ajustement, mais tu peux regarder la fonction lsqcurvefit : https://se.mathworks.com/help/optim/ug/lsqcurvefit.html qui fait fitter une fonction à un nuage de points en utilisant la méthode des moindres carrés ("least square method").
Deux pattes c'est une diode, trois pattes c'est un transistor, quatre pattes c'est une vache.
Bonjour Antoane,
Je vous remercie pour votre réponse mais mon probléme c'est que je la fonction qui calcule le mondre carré mais cette fonction a deux inconnue
a et b. la fonction s'écrit [f= ∑aδi^b-1-μi)(αδi^b-1*ln(δi)] donc dans un premier temps je dois écrire cette fonction pour calculer (a) et variable de sortie (f) pour b=0:0.01:1
donc le probléme j'arrive pas à calculer a pourtant le deux vecteur δi et μi sont donnés.
Bonjour,
La fonction elle-même n'est pas claire : tu es sûr de toi quand tu écris "1*ln(δi)" ? le "1*" ne sert à rien !j'ai un problème d'utilisé la méthode moindre carré pour cette fonction modelevisc(b), f= ∑(α δi^b-1-μi)(αδi^b-1*ln(δi), δet μ sont deux vecteur donnés en premier temps je dois écrire la fonction modelevisc(b) pour calculer a et f et dans le script je donne le vecteur b=0:0.01:1
Cela donne-t-il :
L'idée générale est donc de trouver f et a tels que [∑(α δi^b-1-μi)(αδi^b-1*ln(δi)) - f] soit aussi proche de zéro, pour toute valeur de b comprise entre 0 et 2 ?
Pour faire un ajustement (en particulier par la méthode des moindres carrés), il faut :
- des données à fitter, par exemple expérimentales, c'est à dire deux vecteurs X et Y de la même taille
- une fonction, dépendant de paramètre inconnus, à faire passer par les points de coordonnées (Xi, Yi).
Le but est de trouver les paramètres tels que la fonction passe "au plus près" des points de coordonnées (Xi, Yi).
Est-ce que c'est bien clair pour toi ?
Reprend les exemples donnés dans https://fr.mathworks.com/help/optim/ug/lsqcurvefit.html, "Simple Exponential Fit" et "Best Fit with Bound Constraints".
Il faut que tu sois capables de définir à quoi correspondent X, Y, la fonction et les paramètres à ajuster dans ton cas.
Deux pattes c'est une diode, trois pattes c'est un transistor, quatre pattes c'est une vache.
Déslolée j'ai mal écrit la fonction le 1 c'est la puissance (b-1) en fait j'ai reussit a avoir des résultat mais je suis pas convaincu par mon travail
[f= ∑a*δi^(b-1)-μi)(α*δi^(b-1)*ln(δi)]
Dernière modification par Antoane ; 02/03/2018 à 15h56. Motif: Suppression PJ en double
> J'ai reussit a avoir des résultat
Bien, cela nous fera une base sur laquelle discuter
Deux pattes c'est une diode, trois pattes c'est un transistor, quatre pattes c'est une vache.
merciiii bq antoane
Bonjour,
Tu peux poster ici ton code et tes résultats si tu veux qu'on en discute.
Deux pattes c'est une diode, trois pattes c'est un transistor, quatre pattes c'est une vache.
il n'y a pas dans matlab une fonction générique pour ajuster les modèles non-linéaires par moindres carrés? a priori je ne vois pas l'intérêt d'en écrire une adaptée à un modèle particulier.
Bonjour,
sisi : la fonction lsqcurvefit : https://se.mathworks.com/help/optim/ug/lsqcurvefit.html , cf #2.
Deux pattes c'est une diode, trois pattes c'est un transistor, quatre pattes c'est une vache.
function [ f ] = Untitled(b,a)
global g m
for i=1:length(m)-1
a=m(i).*g(i).^(b-1)./m(i).^(2*b-1);
f=(a.*g(i).^(b-1)-m(i)).*a.*g(i).^(b-1).*log(g(i));
end
