- •Задание 3 графическое представление результатов эксперимента
- •Наиболее типичные ошибки при построении графиков
- •Графический метод получения параметров аналитической зависимости
- •Аналитические методы получения параметров функциональной зависимости
- •Метод наименьших квадратов
- •Варианты индивидуальных заданий по графическому представлению результатов исследований с помощью ms Excel
- •Список использованных источников
Графический метод получения параметров аналитической зависимости
По имеющимся экспериментальным данным у1, у2, у3,… уп и х1, х2, х3,… хп построим график зависимости у = f(x). По виду графика (с учетом погрешности измерений) определим, можно ли имеющуюся зависимость считать линейной. Если изучаемую зависимость можно считать линейной, то она может быть выражена формулой у = ах + b, где а и b - неизвестные коэффициенты, подлежащие определению.
Обязательными условиями применения данного метода являются следующее: начало отсчета по обеим осям начинается с нуля; обе оси имеют равномерный масштаб.
На построенном графике зависимости у = f(x) проводят сглаживающую прямую до пересечения с осью ординат. Прямая проводится на глаз как можно ближе к экспериментальным точкам.
На рис. 5 приведен график, построенный по значениям, приведенным в таблице 2. Рассмотрим два способа определения неизвестных коэффициентов а и b на основе этого графика.
Таблица 2
х |
0,4 |
1,5 |
2,5 |
3,5 |
4,6 |
5,5 |
6,5 |
7,5 |
8,4 |
9,5 |
10,7 |
11,7 |
13 |
13,5 |
у |
3,5 |
4,1 |
4,9 |
5,3 |
5,3 |
6,4 |
7,2 |
7,5 |
7,9 |
8,9 |
9,1 |
10,6 |
11 |
11,1 |
|
М |
|
N |
|||||||||||
Рис.5
Способ 1.Из математического анализа известно, что отрезок, отсекаемый искомой прямой от оси ординат, равен коэффициенту b, а тангенс угла наклона прямой к оси абсиисс (с учетом масштаба) определяет величину а.
Из рис. 5 видно, что график пересекает вертикальную ось на высоте 3,2. Следовательно, b = 3,2.
Для
нахождения тангенса угла наклона нужно
на сглаживающей прямой выбрать две
точки 1 и
2,
расположенные достаточно далеко друг
от друга и определить их координаты
(значения аргумента х1,
х2,
и функции у1,
у2.
Тогда
.
Из рисунка
.
Тогда искомое уравнение прямой: у = 0,58 х + 3,2.
Способ 2. Формально для определения коэффициентов а и b достаточно взять две произвольные точки на проведенной на глаз прямой с координатами (x1; y1), (x2; y2). Подстановка этих значений в уравнение у = ах + b позволяет получить систему из двух уравнений для определения неизвестных коэффициентов а и b.
Решая систему уравнений, находим:
Э
тот
способ можно применять, если сглаживающая
прямая проведена так, что хотя бы две
экспериментальные точки точно лежат
на ней. Из графика видно, что точки М
и N
принадлежат сглаживающей прямой. Из
таблицы 5 видно, что эти точки
имеют
координаты: М(1,5;
4,1) и N(13,5;
11,1). Тогда найдем коэффициент
а
и b:
Таким образом, у = 0,583х + 3,23.
Линеаризация функциональных зависимостей
В случае если экспериментальная зависимость имеет нелинейный характер, путем замены переменных ее можно привести к линейному виду (получается новая координатная сетка). После этого можно вновь применить графический метод определения параметров аналитической зависимости. Этот прием называют линеаризацией функциональных зависимостей.
Рассмотрим, например, квадратичную зависимость y~x2. Если на оси OY нанести равномерную шкалу, а на оси OX1 - шкалу квадратов x1=х2, то получится сетка, где уравнение параболы имеет изображение прямой линии (у ~ х1).
Особенно
часто используются различные
логарифмические шкалы, с помощью
которых можно <«выпрямлять» графики
степенных и показательных функций.
Например,
.
Полагая
,
запишем исходное уравнение в виде
,
откуда видно, что оставив равномерной
шкалу
х
и построив логарифмическую шкалу у1
можно изобразить исходное уравнение
прямой линией. Полученная координатная
сетка называется полулогарифмической.
Очевидно, что такого рода преобразования возможны и в более общем случае. В таблице 3 приведены примеры линеаризации некоторых функций
Таблица 3
Когда исследуемая экспериментальная зависимость представляет собой нелинейную кривую, по графику на глаз трудно судить, какого типа функцией ее лучше всего описать. Переведя полученные экспериментальные данные на функциональные сетки, можно оценить на какой из них эта зависимость ближе всего к линейной и, следовательно, какой функцией лучше всего описываются.
