如果你也在 怎样代写计算方法computational method这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。
计算方法是基于计算机的方法，用于数值解决描述物理现象的数学模型。计算研究方法利用计算方面的新进展，如算法、模型、模拟和系统，以了解复杂的社会、生物、技术和无尽的其他模式和行为。
statistics-lab™ 为您的留学生涯保驾护航 在代写计算方法computational method方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写计算方法computational method代写方面经验极为丰富，各种代写计算方法computational method相关的作业也就用不着说。
我们提供的计算方法computational method及其相关学科的代写，服务范围广, 其中包括但不限于:
- Statistical Inference 统计推断
- Statistical Computing 统计计算
- Advanced Probability Theory 高等概率论
- Advanced Mathematical Statistics 高等数理统计学
- (Generalized) Linear Models 广义线性模型
- Statistical Machine Learning 统计机器学习
- Longitudinal Data Analysis 纵向数据分析
- Foundations of Data Science 数据科学基础
数学代写|计算方法代写computational method代考|Estimation of error in energy norm
We have seen that the finite element solution minimizes the error in energy norm in the sense of eq. (1.48). It is natural therefore to use the energy norm as a measure of the error of approximation. There are two types of error estimators: (a) A priori estimators that establish the asymptotic rate of convergence of a discretization scheme, given information about the regularity (smoothness) of the exact solution and (b) a posteriori estimators that provide estimates of the error in energy norm for the finite element solution of a particular problem.
There is a very substantial body of work in the mathematical literature on the a priori estimation of the rate of convergence, given a quantitative measure of the regularity of the exact solution and a sequence of discretizations. The underlying theory is outside of the scope of this book; however, understanding the main results is important for practitioners of finite element analysis. For details we refer to $[28,45,70,84]$.
数学代写|计算方法代写computational method代考|Regularity
Let us consider problems the exact solution of which has the functional form
$$
u_{E X}=x^{\alpha} \varphi(x), \quad \alpha>1 / 2, \quad x \in I=(0, \ell)
$$
where $\varphi(x)$ is an analytic or piecewise analytic function, see Definition A.1 in the appendix. Our motivation for considering functions in this form is that this family of functions models the singular behavior of solutions of linear elliptic boundary value problems near vertices in polygonal and polyhedral domains. For $u_{E X}$ to be in the energy space, its first derivative must be square integrable on $I$. Therefore
$$
\int_{0}^{t} x^{2(\alpha-1)} d x>0
$$
from which it follows that $\alpha$ must be greater than $1 / 2$.
In the following we will see that when $\alpha$ is not an integer then the degree of difficulty associated with approximating $u_{E X}$ by the finite element method is related to the size of $(\alpha-1 / 2)>0$. The smaller $(\alpha-1 / 2)$ is, the more difficult it is to approximate $u_{E X}$.
If $\alpha$ is a fractional number then the measure of regularity used in the mathematical literature is the maximum number of square integrable derivatives, with the notion of derivative generalized to fractional numbers. See sections A.2.3 and A.2.4 in the appendix. For our purposes it is sufficient to remember that if $u_{E X}$ has the functional form of eq. (1.89), and $\alpha$ is not an integer, then $u_{E X}$ lies in the Sobolev space $H^{\alpha+1 / 2-\epsilon}(I)$ where $\epsilon>0$ is arbitrarily small. This means that $\alpha$ must be larger than $1 / 2$ for the first derivative of $u_{E X}$ to be square integrable. See, for example, [59].
If $\alpha$ is an integer then $u_{E X}$ is an analytic or piecewise analytic function and the measure of regularity is the size of the derivatives of $u_{E X}$. Analogous definitions apply to two and three dimensions.
Remark $1.9$ The $k$ th derivative of a function $f(x)$ is a local property of $f(x)$ only when $k$ is an integer. This is not the case for non-integer derivatives.
数学代写|计算方法代写computational method代考|A priori estimation of the rate of convergence
Analysts are called upon to choose discretization schemes for particular problems. A sound choice of discretization is based on a priori information on the regularity of the exact solution. If we know that the exact solution lies in Sobolev space $H^{k}(I)$ then it is possible to say how fast the error in energy norm will approach zero as the number of degrees of freedom is increased, given a scheme by which a sequence of discretizations is generated. Index $k$ can be inferred or estimated from the input data $\kappa, c$ and $f$.
We define
$$
h=\max {j} \ell{j} / \ell, \quad j=1,2, \ldots M(\Delta)
$$
where $\ell_{j}$ is the length of the jth element, $\ell$ is the size of the of the solution domain $I=(1, \ell)$. This is generalized to two and three dimensions where $\ell$ is the diameter of the domain and $\ell_{j}$ is the diameter of the jth element. In this context diameter means the diameter of the smallest circlein one and two dimensions, or sphere in three dimensions,that contains the element or domain. In two and three dimensions the solution domain is denoted by $\Omega$.
The a priori estimate of the relative error in energy norm for $u_{E X} \in H^{k}(\Omega)$, quasiuniform meshes and polynomial degree $p$ is
$$
\left(e_{r}\right){E} \stackrel{\text { def }}{=} \frac{\left|u{E X}-u_{F E}\right|_{E(\Omega)}}{\left|u_{E X}\right|_{E(\Omega)}} \leq \begin{cases}C(k) \frac{h^{k-1}}{p^{k-1}}\left|u_{E X}\right|_{H^{k}(\Omega)} & \text { for } k-1 \leq p \ C(k) \frac{h^{p}}{p^{k-1}}\left|u_{E X}\right|_{H p^{+1}(\Omega)} & \text { for } k-1>p\end{cases}
$$
where $E(\Omega)$ is the energy norm, $k$ is typically a fractional number and $C(k)$ is a positive constant that depends on $k$ but not on $h$ or $p$. This inequality gives the upper bound for the asymptotic rate of convergence of the relative error in energy norm as $h \rightarrow 0$ or $p \rightarrow \infty$ [22]. This estimate holds for one, two and three dimensions. For one and two dimensions lower bounds were proven in $[13,24]$ and [46] and it was shown that when singularities are located in vertex points then the rate of convergence of the $p$-version is twice the rate of convergence of the $h$-version when both are expressed in terms of the number of degrees of freedom. It is reasonable to assume that analogous results can be proven for three dimensions; however, no proofs are available at present.
We will find it convenient to write the relative error in energy norm in the following form
$$
\left(e_{r}\right){E} \leq \frac{C}{N^{\beta}} $$ where $N$ is the number of degrees of freedom and $C$ and $\beta$ are positive constants, $\beta$ is called the algebraic rate of convergence. In one dimension $N \propto 1 / h$ for the $h$-version and $N \propto p$ for the $p$-version. Therefore for $k-1{0}\right|^{\lambda}$ and $x_{0} \in \bar{I}$ is a nodal point then $\beta=2(k-1)$ for the $p$-version: The rate of $p$-convergence is twice that of $h$-convergence [22,84].
计算方法代写
数学代写|计算方法代写computational method代考|Estimation of error in energy norm
我们已经看到，有限元解决方案在 eq 的意义上最小化了能量范数的误差。(1.48)。因此很自然地使用能量范数作为近似误差的度量。有两种类型的误差估计器：（a）先验估计器，它建立离散化方案的渐近收敛速度，给定关于精确解的规律性（平滑度）的信息；（b）后验估计器，提供对离散化方案的估计特定问题的有限元解的能量范数误差。
在给定精确解的规律性的定量测量和一系列离散化的情况下，数学文献中有大量关于收敛速度的先验估计的工作。基本理论超出了本书的范围；然而，了解主要结果对于有限元分析从业者来说很重要。详情我们参考[28,45,70,84].
数学代写|计算方法代写computational method代考|Regularity
让我们考虑其精确解具有函数形式的问题
在和X=X一种披(X),一种>1/2,X∈一世=(0,ℓ)
在哪里披(X)是解析或分段解析函数，见附录中的定义 A.1。我们考虑这种形式的函数的动机是，这个函数族模拟了多边形和多面体域中顶点附近的线性椭圆边值问题的解的奇异行为。为了在和X要在能量空间中，它的一阶导数必须是平方可积的一世. 所以
∫0吨X2(一种−1)dX>0
由此得出一种必须大于1/2.
下面我们将看到，当一种不是整数，那么与近似相关的难度在和X由有限元法与尺寸有关(一种−1/2)>0. 越小(一种−1/2)是，越难近似在和X.
如果一种是分数，那么数学文献中使用的规律性度量是平方可积导数的最大数，导数的概念推广到分数。见附录 A.2.3 和 A.2.4 部分。为了我们的目的，记住如果在和X具有 eq 的函数形式。(1.89)，和一种不是整数，那么在和X位于索博列夫空间H一种+1/2−ε(一世)在哪里ε>0任意小。这意味着一种必须大于1/2对于一阶导数在和X是平方可积的。例如，参见 [59]。
如果一种那么是整数在和X是解析或分段解析函数，规律性的度量是导数的大小在和X. 类似的定义适用于二维和三维。
评论1.9这ķ函数的 th 导数F(X)是本地财产F(X)只有当ķ是一个整数。对于非整数导数，情况并非如此。
数学代写|计算方法代写computational method代考|A priori estimation of the rate of convergence
要求分析师为特定问题选择离散化方案。离散化的合理选择基于关于精确解的规律性的先验信息。如果我们知道精确解在 Sobolev 空间Hķ(一世)那么可以说随着自由度数量的增加，能量范数的误差将多快接近零，给定一个生成离散序列的方案。指数ķ可以从输入数据中推断或估计ķ,C和F.
我们定义
H=最大限度jℓj/ℓ,j=1,2,…米(Δ)
在哪里ℓj是第 j 个元素的长度，ℓ是解域的大小一世=(1,ℓ). 这被推广到二维和三个维度，其中ℓ是域的直径和ℓj是第 j 个元素的直径。在此上下文中，直径是指包含元素或域的一维和二维最小圆或三维球的直径。在二维和三维中，解域表示为Ω.
能量范数相对误差的先验估计在和X∈Hķ(Ω), 拟均匀网格和多项式次数p是
(和r)和= 定义 |在和X−在F和|和(Ω)|在和X|和(Ω)≤{C(ķ)Hķ−1pķ−1|在和X|Hķ(Ω) 为了 ķ−1≤p C(ķ)Hppķ−1|在和X|Hp+1(Ω) 为了 ķ−1>p
在哪里和(Ω)是能量范数，ķ通常是小数，并且C(ķ)是一个正常数，取决于ķ但不在H或者p. 这个不等式给出了能量范数中相对误差的渐近收敛率的上限为H→0或者p→∞[22]。这一估计适用于一维、二维和三个维度。对于一维和二维的下界已在[13,24]和 [46] 表明，当奇点位于顶点时，则p-version 是收敛速度的两倍H-当两者都以自由度数表示时的版本。假设可以在三个维度上证明类似的结果是合理的；但是，目前没有证据可用。
我们会发现将能量范数的相对误差写成以下形式很方便
(和r)和≤Cñb在哪里ñ是自由度的数量和C和b是正常数，b称为代数收敛速度。在一维ñ∝1/H为了H-版本和ñ∝p为了p-版本。因此对于k-1{0}\right|^{\lambda}k-1{0}\right|^{\lambda}和X0∈一世¯那么是一个节点b=2(ķ−1)为了p-version：速率p-收敛性是 的两倍H-收敛[22,84]。
统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。
金融工程代写
金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题，以及设计新的和创新的金融产品。
非参数统计代写
非参数统计指的是一种统计方法，其中不假设数据来自于由少数参数决定的规定模型；这种模型的例子包括正态分布模型和线性回归模型。
广义线性模型代考
广义线性模型（GLM）归属统计学领域，是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。
术语 广义线性模型（GLM）通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归，以及方差分析和方差分析（仅含固定效应）。
有限元方法代写
有限元方法（FEM）是一种流行的方法，用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。
有限元是一种通用的数值方法，用于解决两个或三个空间变量的偏微分方程（即一些边界值问题）。为了解决一个问题，有限元将一个大系统细分为更小、更简单的部分，称为有限元。这是通过在空间维度上的特定空间离散化来实现的，它是通过构建对象的网格来实现的：用于求解的数值域，它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统，以模拟整个问题。然后，有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。
tatistics-lab作为专业的留学生服务机构，多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务，包括但不限于Essay代写，Assignment代写，Dissertation代写，Report代写，小组作业代写，Proposal代写，Paper代写，Presentation代写，计算机作业代写，论文修改和润色，网课代做，exam代考等等。写作范围涵盖高中，本科，研究生等海外留学全阶段，辐射金融，经济学，会计学，审计学，管理学等全球99%专业科目。写作团队既有专业英语母语作者，也有海外名校硕博留学生，每位写作老师都拥有过硬的语言能力，专业的学科背景和学术写作经验。我们承诺100%原创，100%专业，100%准时，100%满意。
随机分析代写
随机微积分是数学的一个分支，对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。
时间序列分析代写
随机过程，是依赖于参数的一组随机变量的全体，参数通常是时间。 随机变量是随机现象的数量表现，其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中，往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录，以得到其自身发展的规律。
回归分析代写
多元回归分析渐进（Multiple Regression Analysis Asymptotics）属于计量经济学领域，主要是一种数学上的统计分析方法，可以分析复杂情况下各影响因素的数学关系，在自然科学、社会和经济学等多个领域内应用广泛。
MATLAB代写
MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。