目录
取樣
在信号处理领域，采样是将信号从连续时间域上的模拟信号转换到离散时间域上的离散信号的过程，以采样器实现。通常采样与量化联合进行，模拟信号先由采样器按照一定时间间隔采样获得时间上离散的信号，再经模数转换器（ADC）在数值上也进行离散化，从而得到数值和时间上都离散的数字信号。很多情况下所说的“采样”就是指这种采样与量化结合的过程。 通过采样得到的信号，是连续信号（例如，现实生活中的表示压力或速度的信号）的离散形式。连续信号通常每隔一定的时间间隔被模数转换器（ADC）采样，当时时间点上的连续信号的值被表现为离散的，或量化的值。 这样得到的信号的离散形式常常给数据带来一些误差。误差主要来自于两个方面，与连续模拟信号频谱有关的采样频率，以及量化时所用的字长。采样频率指的是对连续信号采样的频度。它代表了离散信号在和时域和空间域上的精确度。字长（比特的数量）用来表示离散信号的值，它体现了信号的大小的精确性。 在一个理论采样器中，一个连续信号乘以将产生另外一个连续信号。只有当信号被量化之后它才变成数字信号，所有三个指数都被离散化。 信号处理中的基础定理采样定理指出，被采样信号不能被清晰地表示出频率超过采样频率一半的组成信号。这个频率（采样频率的一半）称为奈奎斯特频率。超过奈奎斯特频率的频率N能够在数字信号中看到，但是它们的频率是不确定的。也就是说，一个频率为f的成份频率不能从其它的成份频率2N-f、2N+f、4N-f等中区分开来。这个不确定性称为混叠。为了更加完美地处理这个问题，许多模拟信号在转换成数字表示之前使用抗混叠滤波器（通常是低通滤波器）滤除高于奈奎斯特频率的频率分量。 采样定理的推广定理指出，最高频率超过奈奎斯特频率的信号同样能够被采样，前提是已知这一信号的频带范围，并且信号带宽与采样频率须满足一定的关系。 在采样定理的约束的范围内，最初的信号能够在来自于理想样品集合的采样值的精度范围内被完全地重建起来。重建的信号是使用每个样品衡量一个Sinc函数并且使用奈奎斯特－香农插值公式累加结果得到的。.
查看 曲線擬合和取樣
实验
实验（德语、英语、瑞典语、荷兰语: Experiment），区别于试验，实验是在科学研究中，在設定的條件下，用来检验某种假设，或者驗證或質疑某种已经存在的理论而进行的操作。科學實驗是可以重複的，不同的實驗者在前提一致，操作步驟一致的情況下，能夠得到相同的結果。通常实验最终以实验报告的形式发表。（而试验指的是在已知某种事物的时候，为了了解它的性能或者结果而进行的试用操作。） 「实验」一词，在教育学/教学法文献中有着各种各样的定义。因此在这里对实验的定义进行解释和讨论。.
查看 曲線擬合和实验
工程
工程可以指：.
查看 曲線擬合和工程
科学
科學（Science，Επιστήμη）是通過經驗實證的方法，對現象（原來指自然現象，現泛指包括社會現象等現象）進行歸因的学科。科学活动所得的知识是条件明确的（不能模棱两可或随意解读）、能经得起检验的，而且不能与任何适用范围内的已知事实产生矛盾。科学原仅指对自然现象之规律的探索与总结，但人文学科也被越来越多地冠以“科学”之名。 人们习惯根据研究对象的不同把科学划分为不同的类别，传统的自然科学主要有生物學、物理學、化學、地球科學和天文學。逻辑学和数学的地位比较特殊，它们是其它一切科学的论证基础和工具。 科学在认识自然的不同层面上设法解决各种具体的问题，强调预测结果的具体性和可证伪性，这有别于空泛的哲学。科学也不等同于寻求绝对无误的真理，而是在现有基础上，摸索式地不断接近真理。故科学的发展史就是一部人类对自然界的认识偏差的纠正史。因此“科学”本身要求对理论要保持一定的怀疑性，因此它绝不是“正确”的同义词。.
查看 曲線擬合和科学
笛卡尔平面
#重定向 笛卡尔坐标系.
查看 曲線擬合和笛卡尔平面
角度
#重定向 度 (角).
查看 曲線擬合和角度
连续函数
在数学中，连续是函数的一种属性。直观上来说，连续的函数就是当输入值的变化足够小的时候，输出的变化也会随之足够小的函数。如果输入值的某种微小的变化会产生输出值的一个突然的跳跃甚至无法定义，则这个函数被称为是不连续的函数（或者说具有不连续性）。 举例来说，考虑描述一棵树的高度随时间而变化的函数h(t)，那么这个函数是连续的（除非树被砍断）。又例如，假设T(P)表示地球上某一点P的空气温度，则这个函数也是连续的。事实上，古典物理学中有一句格言：“自然界中，一切都是连续的。”相比之下，如果M(t)表述在时间t的时候银行账户上的钱币金额，则这个函数无论在存钱或者取钱的时候都会有跳跃，因此函数M(t)是不连续的。.
查看 曲線擬合和连续函数
振幅
振幅是在波动或振动中距离平衡位置或静止位置的最大位移。符号A，单位米。振幅屬於標量，振幅永为非負值（≥0）。 在下图中，位移“y”表示波的振幅。 系統振動中最大動態位移，稱為振幅。 概念辨析（振幅≠幅度）：.
查看 曲線擬合和振幅
最小二乘法
最小二乘法（又称--）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 “最小平方法”是對過度確定系統，即其中存在比未知數更多的方程組，以迴歸分析求得近似解的標準方法。在這整個解決方案中，最小平方法演算為每一方程式的結果中，將殘差平方和的總和最小化。 最重要的應用是在曲線擬合上。最小平方所涵義的最佳擬合，即殘差（殘差為：觀測值與模型提供的擬合值之間的差距）平方總和的最小化。當問題在自變量（x變量）有重大不確定性時，那麼使用簡易迴歸和最小平方法會發生問題；在這種情況下，須另外考慮變量-誤差-擬合模型所需的方法，而不是最小平方法。 最小平方問題分為兩種：線性或普通的最小平方法，和非線性的最小平方法，取決於在所有未知數中的殘差是否為線性。線性的最小平方問題發生在統計迴歸分析中；它有一個封閉形式的解決方案。非線性的問題通常經由迭代細緻化來解決；在每次迭代中，系統由線性近似，因此在這兩種情況下核心演算是相同的。 最小平方法所得出的多項式，即以擬合曲線的函數來描述自變量與預計應變量的變異數關係。 當觀測值來自指數族且滿足輕度條件時，最小平方估計和最大似然估计是相同的。最小平方法也能從動差法得出。 以下討論大多是以線性函數形式來表示，但對於更廣泛的函數族，最小平方法也是有效和實用的。此外，迭代地將局部的二次近似應用於或然性（藉由費雪信息），最小平方法可用於擬合廣義線性模型。 其它依據平方距離的目標加總函數作為逼近函數的主題，請參見最小平方法（函數近似）。 最小平方法通常歸功於高斯（Carl Friedrich Gauss，1795），但最小平方法是由阿德里安-马里·勒让德（Adrien-Marie Legendre）首先發表的。.
查看 曲線擬合和最小二乘法
斜率
斜率用來量度斜坡的斜度。數學上,直線的斜率在任一處皆相等，是直線傾斜程度的量度。透過代數和幾何能計算出直線的斜率；曲線上某點的切線斜率反映此曲線的變數在此點的變化快慢程度，用微積分可計算出曲線中任一點的切線斜率，直线斜率的概念等同土木工程/地理的坡度。.
查看 曲線擬合和斜率
曲率
曲率，符号以Kappa:κ表示，是几何体不平坦程度的一种衡量。平坦对不同的几何体有不同的意義。 曲率半径，符号以Rho:ρ表示，是曲率的倒数，单位为米。.
查看 曲線擬合和曲率
曲线
曲线的普通定义就是在几何空间中的“弯曲了的线”。而直线是一种特殊的曲线，只不过它的曲率为零。在《解析几何》中，曲线用一组连续函数的方程组来表示。 曲线和直线都是指欧几里得几何所定义的欧几里得空间中的相关概念。此外，还存在多种不为多数人所知的非欧几里得几何，其中的直线和曲线的定义和欧几里得几何的定义有很大差别，甚至不能类比。想深入学习数学的人切忌将不同几何空间中的同名概念相互混淆。.
查看 曲線擬合和曲线
亦称为 拟合，拉曲線。