辛普森近似求值

辛普森近似求解

  • 公式证明
    • 任意一个对称区间的一元二次函数定积分
    • 拆分
    • 求和
    • :strawberry: 总结 : 如果我们把六分之一乘进去
    • 我们只不过在指定的区间采集数据六个求平均,乘以采集数据区间的微元宽度(历史上不少的手稿用h,翻译为微元高度),之后求和
    • 除了首尾项,奇数项权重为4,偶数项权重为2

公式证明

任意一个对称区间的一元二次函数定积分


∫ α β a x 2 + b x + c = a 3 x 3 + b 2 x 2 + c x ∣ α β = a 3 β 3 + b 2 β 2 + c β − ( a 3 α 3 + b 2 α 2 + c α ) = a 3 ( β 3 − α 3 ) + b 2 ( β 2 − α 2 ) + c ( β − α ) = β − α 6 [ 2 a ( β 2 + α β + α 2 ) + 3 b ( β + α ) + 6 c ] = β − α 6 [ ( a α 2 + b α + c ) + ( a α 2 + 2 a α β + a β 2 + 2 b α + 2 b β + 4 c ) + ( a β 2 + b β + c ) ] = β − α 6 [ y ( α ) + 4 y ( α + β 2 ) + y ( β ) ] = β − α 6 ( y 0 + 4 y 1 + y 2 ) \LARGE \begin{aligned} \int_{\alpha}^{\beta}ax^2+bx+c&=\frac{a}{3}x^3+\frac{b}{2}x^2+cx\Bigg|_{\alpha}^{\beta} \\ &=\frac{a}{3}\beta^3+\frac{b}{2}\beta^2+c\beta -(\frac{a}{3}\alpha^3+\frac{b}{2}\alpha^2+c\alpha )\\ &=\frac{a}{3}(\beta^3-\alpha^3)+\frac{b}{2}(\beta^2-\alpha^2)+c(\beta-\alpha) \\ &=\frac{\beta-\alpha}{6}\left[{2a}(\beta^2+\alpha\beta+\alpha^2)+{3b}(\beta+\alpha)+6c\right] \\ &=\frac{\beta-\alpha}{6}\left[(a\alpha^2+b\alpha+c)+(a\alpha^2+2a\alpha\beta+a\beta^2+2b\alpha+2b\beta+4c)+(a\beta^2+b\beta+c)\right] \\ &=\frac{\beta-\alpha}{6}\left[y(\alpha)+4y(\frac{\alpha+\beta}{2})+y(\beta)\right] \\ &=\frac{\beta-\alpha}{6}\left(y_0+4y_1+y_2\right) \end{aligned} αβax2+bx+c=3ax3+2bx2+cx αβ=3aβ3+2bβ2+cβ(3aα3+2bα2+cα)=3a(β3α3)+2b(β2α2)+c(βα)=6βα[2a(β2+αβ+α2)+3b(β+α)+6c]=6βα[(aα2+bα+c)+(aα2+2aαβ+aβ2+2bα+2bβ+4c)+(aβ2+bβ+c)]=6βα y(α)+4y(2α+β)+y(β) =6βα(y0+4y1+y2)

拆分

🍐 辛普森要求拆分为偶数项,我们拟合一次抛物线近似会占用两个微元面积,如果我们把区间 ( a , b ) (a,b) (a,b)拆分为n份,那么2份就是:
2 ( b − a ) n = β − α \dfrac{2(b-a)}{n}=\beta-\alpha n2(ba)=βα

求和

🍇 主要利用定积分的累加性,拆分为n份,自变量从 x 0 ∼ x n x_0\thicksim x_n x0xn,每次拟合的函数都不同,只不过我们每次取三个点模拟二次函数

∫ a b ψ ( x ) d x ≈ ∫ x 0 x 2 f 1 ( x ) d x + ∫ x 2 x 4 f 2 ( x ) d x + ⋯ + ∫ x n − 2 x n f n 2 ( x ) d x = b − a 3 n [ ( y 0 + 4 y 1 + y 2 ) + ( y 2 + 4 y 3 + y 4 ) + ⋯ + ( y n − 2 + 4 y n − 1 + y n ) ] \LARGE \begin{aligned} \int_a^b\psi(x)dx &\approx \int_{x_0}^{x_2}f_{1}(x)dx+\int_{x_2}^{x_4}f_{2}(x)dx+\cdots+\int_{x_{n-2}}^{x_n}f_{\frac{n}{2}}(x)dx\\\\ &=\frac{b-a}{3n}\left[(y_0+4y_1+y_2)+(y_2+4y_3+y_4)+\cdots+(y_{n-2}+4y_{n-1}+y_n)\right] \end{aligned} abψ(x)dxx0x2f1(x)dx+x2x4f2(x)dx++xn2xnf2n(x)dx=3nba[(y0+4y1+y2)+(y2+4y3+y4)++(yn2+4yn1+yn)]

🍓 总结 : 如果我们把六分之一乘进去

∫ a b ψ ( x ) d x ≈ ∫ x 0 x 2 f 1 ( x ) d x + ∫ x 2 x 4 f 2 ( x ) d x + ⋯ + ∫ x n − 2 x n f n 2 ( x ) d x = 2 ( b − a ) n [ ( y 0 + 4 y 1 + y 2 ) 6 + ( y 2 + 4 y 3 + y 4 ) 6 + ⋯ + ( y n − 2 + 4 y n − 1 + y n ) 6 ] \LARGE \begin{aligned} \int_a^b\psi(x)dx &\approx \int_{x_0}^{x_2}f_{1}(x)dx+\int_{x_2}^{x_4}f_{2}(x)dx+\cdots+\int_{x_{n-2}}^{x_n}f_{\frac{n}{2}}(x)dx\\\\ &=\frac{2(b-a)}{n}\left[\frac{(y_0+4y_1+y_2)}{6}+\frac{(y_2+4y_3+y_4)}{6}+\cdots+\frac{(y_{n-2}+4y_{n-1}+y_n)}{6}\right] \end{aligned} abψ(x)dxx0x2f1(x)dx+x2x4f2(x)dx++xn2xnf2n(x)dx=n2(ba) 6(y0+4y1+y2)+6(y2+4y3+y4)++6(yn2+4yn1+yn)

我们只不过在指定的区间采集数据六个求平均,乘以采集数据区间的微元宽度(历史上不少的手稿用h,翻译为微元高度),之后求和

除了首尾项,奇数项权重为4,偶数项权重为2

  1. (2*CLOSE+HIGH+LOW+OPEN)/5, 这是股市中收盘价权重为2,最高价,最低价,开盘价 权重都是1,我们采集了五次。如果微元宽度是天数,将会是累积多空双方的一次很好应用。
  2. 辛普森法的启示在于采集数据的规律是 14242…41。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/121448.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在Visual Studio 2017上配置Glut

上篇 已经介绍了如何配置OpenGL,但缺点是每次新建一个项目时,都应重新安装 “nupengl.core.redist” 与 “nupengl.core” 这两个文件,这在有网的情况下还是可以实现的,但不是一个长久之计。现在介绍另一种方法,用Glut…

高光谱图像超分辨率-总

高光谱图像超分辨率 高光谱图像超分辨率 高光谱图像超分辨率一、基础内容1.1 高光谱图像特点1.2 研究现状1.3 高光谱图像数据集1.4 评价指标1.5 Wald**协议**二、文献阅读清单2.1 综述+先锋工作1.提出解混的思想。2.随机混合模型在高光谱分辨率增强中的应用。3.遥感中的多光谱和…

23. 带旋转的数独游戏

题目 Description 数独是一个基于逻辑的组合数字放置拼图,在世界各地都很受欢迎。 在这个问题上,让我们关注 网格的拼图,其中包含 个区域。 目标是用十六进制数字填充整个网格,即 ,以便每列,每行和每个区…

java 基础面试题 静态绑定与动态绑定

一 静态绑定与动态绑定 1.1 前言概述 昨天去用友面试,被问到了如下几个问题 1.单例模式使用场景 2.责任链模式 3.分布式事务TCC 4.动态绑定和静态绑定 5.类加载器 今天就来研究一下静态绑定和动态绑定 1.2 静态绑定代码 1.父类:定义一个stati…

打包个七夕exe玩玩

前段时间七夕 当别的哥们都在酒店不要不要的时候 身为程序员的我 还在单位群收到收到 正好后来看到大佬些的这个 https://www.52pojie.cn/thread-1823963-1-1.html 这个贱 我必须要犯,可是我也不能直接给他装个python吧 多麻烦 就这几个弹窗 好low 加上bgm 再打包成…

MySQL访问和配置

目录 1.使用MySQL自带的客户端工具访问 2.使用DOS访问(命令行窗口WinR → cmd) 3.连接工具(SQLyog或其它) MySQL从小白到总裁完整教程目录:https://blog.csdn.net/weixin_67859959/article/details/129334507?spm1001.2014.3001.5502 1.使用MySQL自…

FastViT实战:使用FastViT实现图像分类任务(一)

文章目录 摘要安装包安装timm安装 grad-cam安装mmcv 数据增强Cutout和MixupEMA项目结构计算mean和std生成数据集补充一个知识点:torch.jit两种保存方式 摘要 论文翻译:https://wanghao.blog.csdn.net/article/details/132407722?spm1001.2014.3001.550…

前端实习第七周周记

前言 第六周没写,是因为第六周的前两天在处理第五周的样本库部分。问题解决一个是嵌套问题(因为我用到了递归),还有一个问题在于本机没有问题,打包上线接口404。这个问题我会在这周的总结中说。 第六周第三天才谈好新…

【核心复现】基于改进灰狼算法的并网交流微电网经济优化调度(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

Re44:数据集 GSM8K 和 论文 Training Verifiers to Solve Math Word Problems

诸神缄默不语-个人CSDN博文目录 诸神缄默不语的论文阅读笔记和分类 论文全名:Training Verifiers to Solve Math Word Problems GSM8K数据集原始论文 OpenAI 2021年的工作,关注解决MWP问题(具体场景是小学(grade school&#xf…

如何在Mac电脑上安装WeasyPrint:简单易懂的步骤

1. 安装homebrew 首先需要确保安装了homebrew,通过homebrew安装weasyprint可以将需要的库都安装好,比pip安装更简单快捷。 安装方法如下: /bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)&qu…

SpringBoot v2.7.x+ 整合Swagger3入坑记?

目录 一、依赖 二、集成Swagger Java Config 三、配置完毕 四、解决方案 彩蛋 想尝鲜&#xff0c;坑也多&#xff0c;一起入个坑~ 一、依赖 SpringBoot版本&#xff1a;2.7.14 Swagger版本&#xff1a;3.0.0 <dependency><groupId>com.github.xiaoymin<…

方案展示 | RK3588开发板Linux双摄同显方案

iTOP-RK3588开发板使用手册更新&#xff0c;后续资料会不断更新&#xff0c;不断完善&#xff0c;帮助用户快速入门&#xff0c;大大提升研发速度。 RK3588开发板载4路MIPI CAMERA摄像头接口、MIPI CSI DPHY的4.5Gbps、2.5Gops的MIPI CSI CPHY&#xff0c;四路同时输入&#xf…

react快速开始(三)-create-react-app脚手架项目启动;使用VScode调试react

文章目录 react快速开始(三)-create-react-app脚手架项目启动&#xff1b;使用VScode调试react一、create-react-app脚手架项目启动1. react-scripts2. 关于better-npm-runbetter-npm-run安装 二、使用VScode调试react1. 浏览器插件React Developer Tools2. 【重点】用 VSCode …

MEMS传感器的原理与构造——单片式硅陀螺仪

一、前言 机械转子式陀螺仪在很长的一段时间内都是唯一的选项&#xff0c;也正是因为它的结构和原理&#xff0c;使其不再适用于现代小型、单体、集成式传感器的设计。常规的机械转子式陀螺仪包括平衡环、支撑轴承、电机和转子等部件&#xff0c;这些部件需要精密加工和…

mysql group by 字段 与 select 字段

表数据如下&#xff1a; 执行SQL语句1&#xff1a; SELECT * FROM z_course GROUP BY NAME,SEX 结果&#xff1a; 执行SQL语句2&#xff1a; SELECT * FROM z_course GROUP BY NAME sql 1 根据 name&#xff0c;sex 两个字段分组&#xff0c;查询 所有字段&#xff0c;返回结…

骨传导耳机用久了伤耳朵吗?骨传导耳机有什么优势

骨传导耳机用久了不伤耳朵&#xff0c;相对于传统的入耳式耳机来说&#xff0c;对耳朵的压力和损伤较小。由于骨传导技术不直接通过耳道传递声音&#xff0c;而是通过振动将声音传送到内耳&#xff0c;因此相比其他类型的耳机&#xff0c;它在减少听力损伤的风险方面具有优势。…

Java 加了@PreAuthorize注解的接口在Postman中访问

1. 首先&#xff0c;你需要获取一个有效的用户token&#xff0c;该token应包含了相应的接口权限。你可以通过登录或其他身份验证方式来获取token。2. 打开Postman&#xff0c;并确保已选择正确的HTTP方法&#xff08;GET、POST等&#xff09;。3. 在请求的Headers部分&#xff…

Flink中RPC实现原理简介

前提知识 Akka是一套可扩展、弹性和快速的系统&#xff0c;为此Flink基于Akka实现了一套内部的RPC通信框架&#xff1b;为此先对Akka进行了解 Akka Akka是使用Scala语言编写的库&#xff0c;基于Actor模型提供一个用于构建可扩展、弹性、快速响应的系统&#xff1b;并被应用…

内网隧道代理技术(十九)之 CS工具自带上线不出网机器

CS工具自带上线不出网机器 如图A区域存在一台中转机器,这台机器可以出网,这种是最常见的情况。我们在渗透测试的过程中经常是拿下一台边缘机器,其有多块网卡,边缘机器可以访问内网机器,内网机器都不出网。这种情况下拿这个边缘机器做中转,就可以使用CS工具自带上线不出网…