关于反比例函数方程拟合的思考

反比例函数方程拟合

如果对于一组数据，它满足$y=\frac{a}{x}+b$,很容易求出a和b来。
但是，由于有反比例的存在，导致在x趋于0时，y趋于无穷，这也限制了它的应用。
于是我就想，能不能把x平移一段距离，然后再预测呢？写成表达式就是$y=\frac{a}{x+c}+b$,这样的话，如果c大于0，那么就表示y存在初始值（在x=0时有界），同时，它很好的保留了反比例函数单减（增）、且最后收敛到某一个值的性质。
但是，由于我不知道它叫什么名字，所以搜索了半天后，决定自己推导。

推导过程

首先，声明一点，我不确定我的这个做法是否正确，同时，在我做完后发现，c总是小于0，这导致了数据预测不准确，目前我没有什么好的改进方法，希望各位大佬帮忙指点。

1. 设$y=\frac{a}{x+c}+b+ϵ$,则$y-\frac{a}{x+c}-b=ϵ$。我们希望$ϵ$的值尽可能接近0，则正常情况下，我们转化为求如下表达式的最小值：$Q={\sum }_{i=1}^n(y_i-\frac{a}{x_i+c}-b{)}^2={\sum }_{i=1}^n{ϵ}_i^2$。此时我们就将$Q$看作是关于$a$和$b$的函数，即为$Q(a,b)$，然后对它求偏导，求得$a$和$b$的值。

2. 但由于有分式的存在，在求偏导时，除了数值计算，我想不到其他好的解法了，所以我索性换了一种评价方式，我们对式子变形得到：$(y-b)(x+c)-a=ϵ(x+c)$，这个式子表明，如果，在$x+c>0$的情况下，$x$越大，要想使得$(y-b)(x+c)-a$接近0，则$ϵ$必须越小。但是，在$x+c\approx 0$的情况下，误差就会十分的明显，所以，我们应该想办法避免这种情况的发生。（但事实是我不会避免，求大神帮忙）

3. 我们转化为求如下表达式的最小值：$Q={\sum }_{i=1}^n[(y_i-b)(x_i+c)-a{]}^2$。对$Q$求偏导得到：
   $\frac{\partial Q}{\partial a}=-2{\sum }_{i=1}^n[(y_i-b)(x_i+c)-a]$
   $\frac{\partial Q}{\partial b}=-2{\sum }_{i=1}^n[(y_i-b)(x_i+c)-a](x_i+c)$
   $\frac{\partial Q}{\partial c}=2{\sum }_{i=1}^n[(y_i-b)(x_i+c)-a](y_i-b)$
   令$\frac{\partial Q}{\partial a}=\frac{\partial Q}{\partial b}=\frac{\partial Q}{\partial c}=0$得：
   ${\sum }_{i=1}^n[(y_i-b)(x_i+c)-a]=0\dots \dots （1）$
   ${\sum }_{i=1}^n[(y_i-b)(x_i+c)-a](x_i+c)=0\dots \dots （2）$
   ${\sum }_{i=1}^n[(y_i-b)(x_i+c)-a](y_i-b)=0\dots \dots （3）$

4. 我们将（1）代入（2）（3）化简，令$sumx$=${\sum }_{i=1}^{n}x$,$sumy$=${\sum }_{i=1}^{n}y$
   展开得：
   $\frac{{\sum }_{i=1}^n{x}_i{y}_i}{n}+\frac{sumy}{n}c-\frac{sumx}{n}b-bc=a\dots \dots （4）$
   $\frac{{\sum }_{i=1}^n{x}_i^2{y}_i}{sumx}+\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumx}c-\frac{{\sum }_{i=1}^n{x}_i^2}{sumx}b-bc=a\dots \dots （5）$
   $\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}+\frac{{\sum }_{i=1}^n{y}_i^2}{sumy}c-\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}b-bc=a\dots \dots （6）$
   令$k=a+bc$,则我们可以得到：
   $\frac{sumy}{n}c-\frac{sumx}{n}b-k=-\frac{{\sum }_{i=1}^n{x}_i{y}_i}{n}\dots \dots （7）$
   $\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumx}c-\frac{{\sum }_{i=1}^n{x}_i^2}{sumx}b-k=-\frac{{\sum }_{i=1}^n{x}_i^2{y}_i}{sumx}\dots \dots （8）$
   $\frac{{\sum }_{i=1}^n{y}_i^2}{sumy}c-\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}b-k=-\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}\dots \dots （9）$
   这样我们就可以通过matlab计算出来$b$、$c$、$k$的值了。
   令$A=\left[\begin{array}{ccc}\frac{sumy}{n}& -\frac{sumx}{n}& -1\\ \frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumx}& -\frac{{\sum }_{i=1}^n{x}_i^2}{sumx}& -1\\ \frac{{\sum }_{i=1}^n{y}_i^2}{sumy}& -\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}& -1\end{array}\right]$
   $B=\left[\begin{array}{c}-\frac{{\sum }_{i=1}^n{x}_i{y}_i}{n}\\ -\frac{{\sum }_{i=1}^n{x}_i^2{y}_i}{sumx}\\ -\frac{{\sum }_{i=1}^n{x}_i{y}_i}{sumy}\end{array}\right]$
   $X=\left[\begin{array}{c}c\\ b\\ k\end{array}\right]$
   所以，式子改写成：$AX=B$
   所以，解得$X=A^{-1}B$
   然后，我们就可以求出a的值了：$a=k-bc$

缺点

可以看出，推导中完全没有考虑$x+c<0$的请况，因此，完全有可能出现我们想拟合一条曲线，但是发现它反而拟合出了奇点。我在此提供一组数据，它就拟合出了奇点。
x从1到17
y=13.5
13.5
13.1
13.1
14.7
15.6
14.5
14.5
13.8
11.8
11.86
9.9
8.2
8.5
8.35
8.2
7.00

拟合出来的曲线为：

不过，我们可以看出，它在后面工作的还是很好的。而通过我多次用matlab模拟发现，它不太常出现奇点，所以，还是可以使用的。