Katakanlah saya memiliki pengukuran fungsi , disampel di dengan beberapa noise, yang dapat diperkirakan oleh ekspansi deret Taylor. Apakah ada cara yang diterima untuk memperkirakan koefisien untuk ekspansi dari pengukuran saya?
Saya bisa memasukkan data ke polinomial, tapi itu tidak benar, karena untuk seri Taylor aproksimasi akan menjadi lebih baik semakin dekat Anda ke titik pusat, katakanlah x = 0. Hanya pas polinomial memperlakukan setiap titik secara merata.
Saya juga bisa memperkirakan berbagai urutan turunan pada titik ekspansi saya, tetapi kemudian saya perlu membuat keputusan tentang apa yang membedakan filter yang akan digunakan dan berapa banyak koefisien filter untuk masing-masing. Apakah filter untuk turunan yang berbeda harus saling cocok?
Jadi, adakah yang tahu metode yang sudah ada untuk ini? Penjelasan atau referensi ke makalah akan dihargai.
KLARIFIKASI
Menanggapi komentar di bawah ini, pengambilan sampel saya adalah jendela persegi panjang dari fungsi tak terbatas, yang tidak selalu terbatas pada band tetapi tidak memiliki komponen frekuensi tinggi yang kuat. Untuk lebih spesifik, saya mengukur varians dari estimator (mengukur perpindahan dalam sinyal USG medis) sebagai fungsi dari parameter estimator (tingkat deformasi atau strain dari jaringan yang mendasarinya). Saya memiliki seri Taylor teoritis untuk varians sebagai fungsi deformasi, dan ingin membandingkannya dengan apa yang saya dapatkan dari simulasi.
Contoh mainan serupa mungkin: katakanlah Anda memiliki fungsi seperti ln (x), disampel pada interval dalam x dengan beberapa noise ditambahkan. Anda tidak tahu apa fungsinya sebenarnya dan Anda ingin memperkirakan seri Taylor-nya sekitar x = 5. Jadi fungsinya halus dan perlahan bervariasi untuk suatu wilayah di sekitar titik Anda tertarik (katakanlah 2 <x <8), tetapi tidak selalu bagus di luar wilayah tersebut.
Jawabannya sangat membantu, dan beberapa jenis polinomial kuadrat-kuadrat mungkin adalah rute yang harus diambil. Apa yang akan membuat seri Taylor yang diperkirakan berbeda dari kecocokan polinomial normal, adalah bahwa Anda harus dapat mengurangi persyaratan tingkat tinggi, dan memiliki polinomial yang masih mendekati fungsi asli, hanya dalam kisaran yang lebih kecil tentang titik awal Anda.
Jadi mungkin pendekatannya adalah melakukan fit polinomial linier dengan hanya menggunakan data yang dekat dengan titik awal, diikuti oleh kuadratatik dengan sedikit lebih banyak data, kubik menggunakan sedikit lebih dari itu, dll.