Approximationsverfahren

Ähnliche Dokumente
Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Hauptseminar zum Thema:

Facharbeit. Mathematik

Übungen zu Splines Lösungen zu Übung 20

5 Interpolation und Approximation

Approximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.

Polynominterpolation

KAPITEL 8. Interpolation

Verarbeitung von Messdaten

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Übungen mit dem Applet Interpolationspolynome

Interpolation. Kapitel 3

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen

Ist MuPAD die neue Art zu rechnen?

Dynamische Mathematik. mit GeoGebra. Dr. Anita Dorfmayr Universität Wien

1 2 x x x x x x2 + 83

[5], [0] v 4 = + λ 3

GRUNDLAGEN MATHEMATIK

Approximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Inhalt Kapitel IV: Interpolation

Practical Numerical Training UKNum

Zeitreihenanalyse Der einfache gleitende Durchschnitt

Polynominterpolation mit Matlab.

Interpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.

Algorithmen und Datenstrukturen

8 Polynominterpolation

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Polynome im Einsatz: Bézier-Kurven im CAD

Zeitreihenanalyse Das Holt-Winters-Verfahren

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

6 Polynominterpolation

Kapitel 3. Approximation von Funktionen und Daten. Interpolation Stückweise Interpolation Spline-Funktionen [

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Musterlösungen zu Blatt 15, Analysis I

5.6 Empirische Wirtschaftsforschung

Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung

Zeitreihenanalyse Exponentielles Glätten

Gleichungen dritten und vierten Grades und Konstruktionen mit mehr als Zirkel und Lineal

Wir konstruieren eine Wasserrutsche!

Spline Morphing. Softwarepraktikum im IWR. Carl Friedrich Bolz. Carl Friedrich Bolz

BERÜCKSICHTIGUNG INTELLIGENTER GEBÄUDEAUTOMATION IM NEUEN GEBÄUDE-ENERGIEAUSWEIS

Interpolationsverfahren

Die Interpolationsformel von Lagrange

Grundlagen der Statistik I

Analysis II für Studierende der Ingenieurwissenschaften

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

Mathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München

Geostatistik. Räumliche Variabilität und Interpolationsverfahren

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Elementare Wirtschaftsmathematik

Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression

Euler-Verfahren. exakte Lösung. Euler-Streckenzüge. Folie 1

Exakte Differentialgleichungen

Zeitreihenanalyse Das klassische Komponentenmodell

Crashkurs Mathematik für Ökonomen

Zeit Umsatz. t U=U(t) BS - 13 BS Modul : Analyse zeitabhängiger Daten z.b. Prof. Dr. W. Laufner Beschreibende Statistik

Numerisches Programmieren, Übungen

(1 + o(1)) n ln(n) π(n) =

Mathematik Übungsblatt - Lösung. b) x=2

Übungen aus den numerischen Methoden der Astronomie SS 2011

(x a) 3 + f (a) 4! x 4 4! Wir werden im Folgenden vor allem Maclaurin-Reihen betrachten, dies alles funktioniert aber auch. f (x) = sin x f (0) = 0

Mathematische Grundlagen der dynamischen Simulation

Quantitative Methoden der Betriebswirtschaftslehre I Überblick

2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...

FEM isoparametrisches Konzept

Gleichungen höheren Grades und Konstruktionen mit Zirkel und Lineal als Motivation für komplexe Zahlen

Vortrag zum Hauptseminar Hardware/Software Co-Design

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung.

Numerische Integration und Differentiation

Abbildung 1: Meldepflichtige Arbeitsunfälle

Funktionen. D. Horstmann: Oktober

Kurventabellen definieren (CTABDEF, CATBEND)

Numerische Integration

Mathematik III - Statistik für MT(Master)

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

Splines. Bézier-Kurven. Beispiel zur Approximation. Interpolation & Approximation. Schiffbau Automobilbau Architektur. f(x) f(x) =

CARL HANSER VERLAG. Wolfgang Eichholz, Eberhard Vilkner. Taschenbuch der Wirtschaftsmathematik

Einführung in die Stochastik 6. Übungsblatt

Modellierung von Temperaturdaten bei Lichtbogenschweißversuchen

Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Übungen Theoretische Physik I (Mechanik) Blatt 5 ( )

Übung 5 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN

Mathematik für Wirtschaftswissenschaftler I

Basiswissen Mathematik, Statistik. und Operations Research für. Wirtschaftswissenschaftler. von. Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen

Mathematik für Informatiker/Informatikerinnen 2

Eine zweidimensionale Stichprobe

Numerik in Java. Einige wichtige numerische Methoden in Java. Prof. Dr. Nikolaus Wulff

Interpolationsverfahren

Bestimmen von Quantilen

In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y

Prozessidentifikation mit Sprungantworten

Transkript:

Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approimationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen Dresden,.. Philipp Geißler

Gliederung. Nichtäquidistante Messwertfolgen. Überführung in äquidistante Zeitreihen. Approimationsverfahren. Lineare Interpolation. Polynom-Interpolation. Spline-Interpolation 4. Vergleich 4. Zusammenfassung.. Approimationsverfahren Folie Nr. von 4

. Nichtäquidistante Messwertfolgen T nicht konstant Problem: Analyse problematisch Äquidistanz oft vorausgesetzt Erstellen von Modellen schwierig ungenaue Modelle nicht für Prognosen geeignet Ziel: Messwerte äquidistant machen [].. Approimationsverfahren Folie Nr. von 4

. Nichtäquidistante Messwertfolgen EUR/USD Jahresd durchschnitt EUR/USD Kurs [4],6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 4 von 4

. Überführung in äquidistante Zeitreihen EUR/USD Jahresd durchschnitt EUR/USD Kurs gesucht,6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 5 von 4

. Überführung in äquidistante Zeitreihen Lösung: gesuchte Punkte approimieren Zeitintervalle wählen möglichst viele vorhandene Punkte belassen Anzahl interpolierter Punkte muss geringer sein als Anzahl vorhandener Punkte Vielzahl an Interpolationsverfahren lineare Interpolation Polynom-Interpolation Spline-Interpolation.. Approimationsverfahren Folie Nr. 6 von 4

. Approimationsverfahren einfache Berechnung, schnell wird häufig in Prais verwendet Berechnung:. Lineare Interpolation Approimationsverfahren Folie Nr. 7 von 4.. y y y f y P y P + []

. Approimationsverfahren. Lineare Interpolation + y y y f 4 P 4, Approimationsverfahren Folie Nr. 8 von 4.. 4 + f f f 4 P,

. Approimationsverfahren. Lineare Interpolation EUR/USD Jahresd durchschnitt EUR/USD Kurs Lineare Int.,6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 9 von 4

. Approimationsverfahren. Lineare Interpolation EUR/USD Kurs Lineare Int. gesucht EUR/USD Jahresd durchschnitt,6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. von 4

. Approimationsverfahren. Polynom-Interpolation n+ Datenpunkte gesucht wird Polynom n-ten Grades Berechnung nach Lagrange: p n y n i i k, k i i k k l i [].. Approimationsverfahren Folie Nr. von 4

. Approimationsverfahren 4 5 P 4, 4. Polynom-Interpolation 4 4 6 7 6, + l l l n i k k k i k i Approimationsverfahren Folie Nr. von 4.. 4 P, P, 4 5 + + + y l p l l i n i i

. Approimationsverfahren. Polynom-Interpolation,6 EUR/USD Kurs Poly. EUR/USD Kurs EUR/USDJahresd durchschnitt,4,,8,6,4 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. von 4

. Approimationsverfahren. Polynom-Interpolation EUR/USD Kurs Poly. Int. gesucht,6 EUR/USDJahresd durchschnitt,4,,8,6,4 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 4 von 4

. Approimationsverfahren. Spline-Interpolation n+ Datenpunkte Stückweise Interpolation durch n Polynome kein Überschwingen minimale Gesamtkrümmung kubische Splines verbreitet je Stützstelle 4 Polynomkoeffizienten zu bestimmen 4n Gleichungen nötig.. Approimationsverfahren Folie Nr. 5 von 4

. Approimationsverfahren. Spline-Interpolation 4 P, P -, P, - - Ziel : s a s e Interpolation : s s s Stetigkeit : s' s' s + b + f + + c + d für [,] + g + h für [,] s s Differenzierbarkeit : l Randbedingungen : s'' s'' Ergebnis : s r l + s'' s'' + für [,] l r + für [,] r [5].. Approimationsverfahren Folie Nr. 6 von 4

. Approimationsverfahren. Spline-Interpolation EUR/USDJahresd durchschnitt EUR/USD Kurs Spline Int.,6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 7 von 4

. Approimationsverfahren. Spline-Interpolation EUR/USD Kurs Spline Int. gesucht EUR/USD Jahresd durchschnitt,6,5,4,,,,9,8 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 8 von 4

. Approimationsverfahren.4 Vergleich EUR/USD Kurs Lineare Int. Poly. Int. Spline Int. Pot.spline Pot.poly EUR/USD Jahresdu urchschnitt,5,,,9,7,5 y,9,9 y,97,59 y,99,57 y,9,7 4 5 6 7 8 9.. Approimationsverfahren Folie Nr. 9 von 4

. Approimationsverfahren.4 Vergleich Vergleichskriterium: Bestimmtheitsmaß R² beschreibt Güte des Modells Berechnung: [] R Variation der Residuen Variation von Y i n n i Y i Y i Y ˆ ² i Y ² zeigt nur Qualität der Approimation, nicht des Modells [].. Approimationsverfahren Folie Nr. von 4

. Approimationsverfahren.4 Vergleich Verfahren R² original:,8 Merkmale Lineare Interpolation,8 Ungenau, schnell, einfach Polynom-Interpolation,79 Fehleranfällig durch Oszillieren, aufwändig Kubische Splines,66 Optimal für glatte Verläufe.. Approimationsverfahren Folie Nr. von 4

. Approimationsverfahren.4 Vergleich EUR/USD Kurs Lineare Int. Poly. Int. Spline Int. Pot.spline Pot.poly Pot.linear Pot.EUR/USD Kurs EUR/USD Jahresdurc chschnitt,5,,,9,7,5 R²,66 R²,8 R²,8 R²,79 4 5 6 7 8 9,45,4,4,7.. Approimationsverfahren Folie Nr. von 4

4. Zusammenfassung Äquidistanz immer möglich viele Approimationsverfahren Wahl eines Verfahrens nach individuellen Gegebenheiten nur Annäherung möglich, Fehler unvermeidbar Approimation nur sinnvoll bei geringer Anzahl fehlender Werte.. Approimationsverfahren Folie Nr. von 4

Quellenverzeichnis [] Streitberg, Bernd H. J. / Schlittgen, Rainer: Zeitreihenanalyse. Oldenbourg Wissenschaftsverlag; Auflage: 6. Mai [] Schlittgen, Rainer: Einführung in die Statistik: Analyse und Modellierung von Daten. Oldenbourg Wissenschaftsverlag; Auflage:. Juni [] wikipedia: Bestimmtheitsmaß. URL: http://de.wikipedia.org/wiki/bestimmtheitsma%c%9f 8.. Interpolation Mathematik. URL: http://de.wikipedia.org/wiki/interpolation_%8mathematik%9 8.. [4] ARIVA: EUR/USD Kurs. URL: http://www.ariva.de/euro-dollarkurs.. [5] Dr. Lenhardt, Ingrid: Spline-Interpolation. URL: http://iamlasun8.mathematik.uni-karlsruhe.de/~ae/cmbiwss9/cmbiw_ss9_v9_splines.pdf.... Approimationsverfahren Folie Nr. 4 von 4