计算机的错误计算(一百一十三)

news2024/10/6 3:50:28

摘要  用错数分析计算机的错误计算(一百一十二)中错误计算的原因。

       计算机的错误计算(一百一十二)中的迭代为

x_0=1\,, \\x_{n+1}=\cot(x_n)\,.

对于 x_{25},  Excel 与 LibreOffice 的输出均是错误结果,均没有1位正确有效数字。另外,其文献[1]中也含有一些错误数字,比如,x_{22} 中只有2位正确数字。

       下面利用错数分析这些出错原因。

       由于 x_0=1 在内存中没有误差,所以不考虑 x_1=\cot(x)|_{x=x_0=1} 的错误计算,即假定第1次运算的结果中没有错误数字。因此,接下来只讨论 x_2\sim x_{24} 的错数。

       对于 x_2=\cot(x)|_{x=x_1} 来说,

x_1=0.6420926159343307e0\,, \\x_2=0.1337253177519283e1\,, \\\cot'(x)|_{x=x_1}=-\frac{1}{\sin^2(x_1)} =-0.2788246060785419e1\,.

因此,

m_1=0\,, \\m_2=1\,, \\m_0=1\,.

这样,m_1-m_2+m_0=0-1+1=0\,.  于是,x_2 具有 0 位或 -1 位错误数字,即要么没有错误数字(也就是正确数字个数与自变量 x_1 的相同),要么(与自变量 x_1 相比)多了1位正确数字。

       同理可得,x_3\sim x_{24} 各自的 m_1-m_2+m_0 依次为 2 , 1 , 2 , 0 , 2 , 1 , 3 , 2 , 1 , 2 , 0 , 2 , 0 , 3 , 0 , 2 , 1 , 2 , 0 , 2 , 0 , 3 .  这样,x_2 到 x_{24} 共23个错数的和为

0+2+1+2+0+2+1+3+2+1+2+0+2+0+3+0+2+1+2+0+2+0+3 = 31 .

       正如上面的分析,函数值的错误数字数量为 m_1-m_2+m_0 与 m_1-m_2+m_0-1 之一。若全部取后者,则可得到错误数字数量的下界:31-23 = 8 . 若假设取到二者的概率是相同的,即一半是前者,一半是后者,那么错误数字数目为:31-23/2 = 19.5 .  

       总结:

       (1)理论上,x_{25} 的错误数字在 8\sim 31 之间,很大概率在 19 位左右。因此,实践中,16位的 x_{25} 没有正确数字。

       (2)若只考虑 x_2\sim x_{21} 的错误数字的积累,则 x_{22} 的错误数字个数在 6\sim 26 之间,很大概率在 16 位左右。事实上,文献[1]中的 x_{22} 有 14位错误数字。

       (3)文献[1]中的错误数字不是偶然的。比如,若在 Excel 或 LibreOffice 中计算 x_{22},  则同样各自只有 2位正确数字。

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.coloradmin.cn/o/2191054.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Android高级控件

文章目录 1.下拉列表Spinner1.数组适配器ArrayAdapter2.简单适配器SimpleAdapter3.基本适配器BaseAdapter 2.列表视图ListView3.网格视图GridView4.翻页视图ViewPager5.翻页标签栏pagerTabStrip6.ViewPager实现引导页7.碎片Fragment1.Fragment静态注册2.Fragment生命周期3.Frag…

国内的无人机行业的现状和前景分析

近年来,随着科技的飞速发展,无人机(Unmanned Aerial Vehicle, UAV)作为战略性新兴产业的重要组成部分,在全球范围内迅速崛起。无人机利用无线电遥控设备和自备的程序控制装置操纵,实现不载人飞行&#xff0…

COMP 9517 Computer Vision week3

目录 特征表示图像特征概念(image feature)图像特征应该具备的属性 图像特征种类颜色特征颜色直方图(Color Histogram)颜色矩(Colour moments) 纹理特征(texture features)Haralick特征局部二值模式(Local Binary Patterns, LBP)尺度不变特征变换SIFT(Scale-invariant feature …

Python酷库之旅-第三方库Pandas(133)

目录 一、用法精讲 596、pandas.DataFrame.plot.density方法 596-1、语法 596-2、参数 596-3、功能 596-4、返回值 596-5、说明 596-6、用法 596-6-1、数据准备 596-6-2、代码示例 596-6-3、结果输出 597、pandas.DataFrame.plot.hexbin方法 597-1、语法 597-2、…

如何向文科生解释什么是计算机的缓存

缓存(Cache)是计算机系统中的一个至关重要的技术概念,用于提高数据访问的速度。我们可以把缓存想象成一个临时的存储区域,它存放着系统中常用或最近使用的数据,以便快速访问,而不必每次都从速度较慢的原始数…

HTB:Synced[WriteUP]

目录 连接至HTB服务器并启动靶机 1.What is the default port for rsync? 2.How many TCP ports are open on the remote host? 3.What is the protocol version used by rsync on the remote machine? 4.What is the most common command name on Linux to interact w…

showdoc二次开发

showdoc用的vue版本老,需要安装老版本nodejs,比如node 14.21.3 win32-x64-93_binding.node问题 https://github.com/sass/node-sass/releases 下载 web_src\node_modules\node-sass\vendor\win32-x64-93 下面重命名为binding.node

HTML+CSS之过度,变形,动画(14个案例+代码+效果图)

目录 过渡 (Transitions) transition-property: 案例:鼠标悬浮方逐渐放大 1.代码 2.效果 transition-duration: 案例:鼠标悬停逐渐慢慢放大 1.代码 2.效果 transition-timing-function: 案例:放大速度为ease-out 1.代码 2.效果 transition-de…

【无人机设计与技术】基于EKF的四旋翼无人机姿态估计matlab仿真

摘要: 本文设计了一种基于扩展卡尔曼滤波(EKF)的四旋翼无人机姿态估计方法。利用EKF算法处理四旋翼无人机姿态的动态模型,通过该滤波算法实现对姿态的实时估计和校正。该方法通过对无人机的运动学和动力学模型的分析,…

新编英语语法教程

新编英语语法教程 1. 新编英语语法教程 (第 6 版) 学生用书1.1. 目录1.2. 电子课件 References A New English Grammar Coursebook 新编英语语法教程 (第 6 版) 学生用书新编英语语法教程 (第 6 版) 教师用书 1. 新编英语语法教程 (第 6 版) 学生用书 https://erp.sflep.cn/…

Python从入门到高手5.1节-Python简单数据类型

目录 5.1.1 理解数据类型 5.1.2 Python中的数据类型 5.1.3 Python简单数据类型 5.1.4 特殊的空类型 5.1.5 Python变量的类型 5.1.6 广州又开始变热 5.1.1 理解数据类型 数据类型是根据数据本身的性质和特征来对数据进行分类,例如奇数与偶数就是一种数据类型。…

软件测试:postman详解

一、Postman背景介绍 用户在开发或者调试网络程序或者是网页B/S模式的程序的时候是需要一些方法来跟踪网页请求的,用户可以使用一些网络的监视工具比如著名的Firebug等网页调试工具。今天给大家介绍的这款网页调试工具不仅可以调试简单的css、html、脚本等简单的网…

自动驾驶系列—全面解析自动驾驶线控制动技术:智能驾驶的关键执行器

🌟🌟 欢迎来到我的技术小筑,一个专为技术探索者打造的交流空间。在这里,我们不仅分享代码的智慧,还探讨技术的深度与广度。无论您是资深开发者还是技术新手,这里都有一片属于您的天空。让我们在知识的海洋中…

小阿轩yx-案例:jenkins部署Maven和NodeJS项目

小阿轩yx-案例:jenkins部署Maven和NodeJS项目 前言 在 Java 项目开发中,项目的编译、测试、打包等是比较繁琐的,属于重复劳动的工作,浪费人力和时间成本。以往开发项目时,程序员往往需要花较多的精力在引用 jar 包搭…

8月AI绘画方向APP用户量及人均时长排行榜

全球用户量Top10(APP) 排名 产品名 分类 8月MAU 上月对比 1 Remini 人工智能修图 29.14M -0.88% 2 FaceApp AI 人脸编辑器 26.46M 0.14% 3 Hypic Photo Editor & AI Art 17.37M 5.74% 4 AI Mirror AI Art Photo Editor 16.81…

【第三版 系统集成项目管理工程师】第16章 监理基础知识

持续更新。。。。。。。。。。。。。。。 【第三版】第十六章 监理基础知识 16.1 监理的意义和作用1.监理的地位和作用(非重点)-P5692.监理的重要性与迫切性-P5703.监理技术参考模型-P570 16.2 监理相关概念1.信息系统工程监理-P5722.信息系统工程监理单位-P5723.业主单位-P57…

LeNet学习

Lenet是一个 7 层的神经网络,包含 3 个卷积层,2 个池化层,1 个全连接层。其中所有卷积层的所有卷积核都为 5x5,步长 strid1,池化方法都为全局 pooling,激活函数为 Sigmoid,网络结构如下&#xf…

25重庆长安深蓝控制器开发面试经验 深蓝最常见面试问题总结

【面试经历】 秋招气氛组选手的第一场面试,9.17网申,9.24电话约面,9.26线上面试。问得很细,全长约1个小时 1. 自我介绍、项目介绍 2.项目细节,遇到了哪些困难;有没有PCB设计经验DC-DC芯片选型,电源噪声的原因、怎么消除、 3.画BUCK和BOOST拓扑图,讲原理 4.了解MCU的主…

ffmpeg面向对象——拉流协议匹配机制探索

目录 1.URLProtocol类2.协议匹配的基础接口3. URLContext类4. 综合调用流程图5.rtsp拉流协议匹配流程图及对象图5.1 rtsp拉流协议调用流程图5.2 rtsp拉流协议对象图 6.本地文件调用流程图及对象图6.1 本地文件调用流程图6.2 本地文件对象图 7.内存数据调用流程图及对象图7.1 内…

李宏毅深度学习-梯度下降和Batch Normalization批量归一化

Gradient Descent梯度下降 ▽ -> 梯度gradient -> vector向量 -> 下图中的红色箭头(loss等高线的法线方向) Tip1: Tuning your learning rates Adaptive Learning Rates自适应lr 通常lr会越来越小 Adaptive Learning Rates中每个参数都给它不…