Участник:Коликова Катя/Песочница

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Виды мер точности)
(Виды мер точности)
Строка 7: Строка 7:
Итак, следует различать погрешности модели, метода и вычислительную. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10<sup>−6</sup>, если коэффициенты исходных уравнений задаются с точностью 10<sup>−2</sup>.
Итак, следует различать погрешности модели, метода и вычислительную. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10<sup>−6</sup>, если коэффициенты исходных уравнений задаются с точностью 10<sup>−2</sup>.
===Виды мер точности===
===Виды мер точности===
-
Мерой точности вычислений являются '''абсолютные''' и '''относительные погрешности'''. '''Абсолютная погрешность''' определяется формулой
+
Мерой точности вычислений являются '''''абсолютные''''' и '''''относительные погрешности'''''. ''Абсолютная погрешность'' определяется формулой
{{ eqno | 1 }}
{{ eqno | 1 }}

Версия 20:34, 16 октября 2008

Содержание

Введение

Постановка вопроса. Виды погрешностей

Процесс исследования исходного объекта методом математического моделирования и вычислительного эксперимента неизбежно носит приближенный характер, так как на каждом этапе вносятся погрешности. Построение математической модели связано с упрощением исходного явления, недостаточно точным заданием коэффициентов уравнения и других входных данных. По отношению к численному методу, реализующему данную математическую модель, указанные погрешности являются неустранимыми, поскольку они неизбежны в рамках данной модели.

При переходе от математической модели к численному методу возникают погрешности, называемые погрешностями метода. Они связаны с тем, что всякий численный метод воспроизводит исходную математическую модель приближенно. Наиболее типичными погрешностями метода являются погрешность дискретизации и погрешность округления.
При построении численного метода в качестве аналога исходной математической задачи обычно рассматривается ее дискретная модель. Разность решений дискретизированной задачи и исходной называется погрешностью дискретизации. Обычно дискретная модель зависит от некоторого параметра (или их множества) дискретизации, при стремлении которого к нулю должна стремиться к нулю и погрешность дискретизации.
Дискретная модель представляет собой систему большого числа алгебраических уравнений. Для ее решения используется тот или иной численный алгоритм. Входные данные этой системы, а именно коэффициенты и правые части, задаются в ЭВМ не точно, а с округлением. В процессе работы алгоритма погрешности округления обычно накапливаются, и в результате, решение, полученное на ЭВМ, будет отличаться от точного решения дискретизированной задачи. Результирующая погрешность называется погрешностью округления (вычислительной погрешностью). Величина этой погрешности определяется двумя факторами: точностью представления вещественных чисел в ЭВМ и чувствительностью данного алгоритма к погрешностям округления.

Итак, следует различать погрешности модели, метода и вычислительную. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10−6, если коэффициенты исходных уравнений задаются с точностью 10−2.

Виды мер точности

Мерой точности вычислений являются абсолютные и относительные погрешности. Абсолютная погрешность определяется формулой

( 1 )
\Delta(\tilde a)=|\tilde a-a|

где \tilde a – приближение к точному значению a.

Изложение метода

Числовой пример

Рекомендации программисту

Заключение

Список литературы

Личные инструменты