绝对误差和相对误差

假设通过模型得到的结果为result*,实际结果应该是result.
1.绝对误差我们可以表示为,abs(result)=result-result*; 若绝对误差>0,则称其为弱近似值或亏近似值. 若绝对误差<0,则称其为强近似值或赢近似值.

2.由于产生的误差所代表的价值不一样,如0.1之于1,0.1之与10000所代表的价值不同,我们可以用 relateve(result)=abs(result)/result 来表示相对误差(以上只是一种求相对误差的方式);我们也可以用relateve_(result)=abs(result)/result* 来表示, 那两种相对误差的相差有多大呢? relateve(result) - relateve_(result) = abs(result)/result -abs(result)/result*
得到:
t1:relateve(result) - relateve_(result) = (abs(result) * result* - abs(result) * result ) / (result * result*)
t2:relateve(result) - relateve_(result) =(-abs(result)^2)/(result * result*) 为负数 说明用relateve(result)作为相对误差要好点,但是如果硬要将relateve_(result)作为相对误差也是可靠的,将t1继续推
t3:relateve(result) - relateve_(result)= (-1 / (result * result*)) * (result * result(result))^2 >>>>>>> = -(1/1- relateve_(result) ) *(result(result))^2 relateve(result)一般<0.5 **1/1- relateve_(result)*一般小于2,范围确定了(绝对值小于2(result(result))^2 ) 所以relateve_(result)可以作为相对误差.