- •Курсовая работа
- •Пояснительная записка
- •Курсовая работа
- •Задание
- •Аннотация
- •Оглавление
- •Введение
- •1. Постановка задачи
- •2. Расчетные формулы
- •2.1 Построение эмпирических формул методом наименьших квадратов
- •2.2 Линеаризация экспоненциальной зависимости
- •2.3 Элементы теории корреляции
- •3. Расчет коэффициентов аппроксимации в Microsoft Excel
- •Исходные данные
- •Расчет сумм
- •Результаты коэффициентов линейной аппроксимации
- •Результаты коэффициентов квадратичной аппроксимации.
- •Результаты коэффициентов экспоненциальной аппроксимации.
- •Вычисление средних значений X и y.
- •4. Построение графиков в Excel и использование функции линейн
- •5.Аппроксимация функции с помощью MathCad
- •5.1Обработка заданных экспериментальных данных с использованием встроенных функций интерполяции (аппроксимации) и регрессии пакета MathCad
- •Заключение
- •Список литературы
4. Построение графиков в Excel и использование функции линейн
Рассмотрим результаты эксперимента, приведенные в исследованном выше примере.
Исследуем характер зависимости в три этапа:
Построим график зависимости.
Построим линию тренда ( , , ).
Получим числовые характеристики коэффициентов этого уравнения.
Рис.4.1. График зависимости y от x
Рис.4.2. График линейной аппроксимации
Рис.4.3. График квадратичной аппроксимации.
Рис.4.4. График экспонентальной аппроксимации.
5.Аппроксимация функции с помощью MathCad
Аппроксимация данных с учетом их статистических параметров относится к задачам
регрессии. Они обычно возникают при обработке экспериментальных данных,
полученных в результате измерений процессов или физических явлений, статистических
по своей природе (как, например, измерения в радиометрии и ядерной геофизике), или на
высоком уровне помех (шумов). Задачей регрессионного анализа является подбор
математических формул, наилучшим образом описывающих экспериментальные данные.
1. Линейная регрессия
Линейная регрессия в системе Mathcad выполняется по векторам аргумента Х и
отсчетов Y функциями:
intercept(X,Y) – вычисляет параметр а1, смещение линии регрессии по
вертикали;
slope(X,Y) – вычисляет параметр a2, угловой коэффициент линии регрессии.
Полученные значения коэффициентов используем в уравнении регрессии y(x) =
a1+a2*x.
Функция corr(Y,y(x)) вычисляет коэффициент корреляции Пирсона. Чем он
ближе к 1, тем точнее обрабатываемые данные соответствуют линейной зависимости.
2. Полиномиальная регрессия
Одномерная полиномиальная регрессия с произвольной степенью n полинома и с
произвольными координатами отсчетов в Mathcad выполняется функциями:
regress(X,Y,n) – вычисляет вектор S, в составе которого находятся
коэффициенты ai полинома n-й степени;
Значения коэффициентов ai могут быть извлечены из вектора S функцией
submatrix(S, 3, length(S)-1, 0, 0).
Полученные значения коэффициентов используем в уравнении регрессии y(x) =
a1+a2*x+a3*x2
.
3. Нелинейная регрессия
Для простых типовых формул аппроксимации предусмотрен ряд функций
нелинейной регрессии, в которых параметры функций подбираются программой Mathcad.
К их числу относится функция expfit(X,Y,S), которая возвращает вектор,
содержащий коэффициенты a1, a2 и a3 экспоненциальной функции y(x) =
a1·exp(a2·x) + a3. В вектор S вводятся начальные значения коэффициентов a1, a2
и a3 первого приближения.
5.1Обработка заданных экспериментальных данных с использованием встроенных функций интерполяции (аппроксимации) и регрессии пакета MathCad
Л
и н е й н а я р е г р е с с и я
Э к с п о т е н ц и а л ь н а я р е г р е с с и я
П о л и н о м н а я р е г р е с с и я n=2
Заключение
Сделаем заключение по результатам полученных данных:
1. Анализ результатов расчетов показывает, что квадратичная аппроксимация наилучшим образом описывает экспериментальные данные т.к. согласно таблице 8 коэффициент корреляции - 0,94; Коэффициенты детерминированности линейной аппроксимации - 0,884; квадратической аппроксимации – 0,96; экспоненциальной аппроксимация – 0,80.
2. Сравнивая результаты, полученные при помощи функции ЛИНЕЙН видим что они полностью совпадают с вычислениями, проведенными выше. Это указывает на то, что вычисления верны.
3. Полученное при построении линии тренда значение коэффициента детерминированности для экспоненциальной зависимости совпадает с истинным значением
4. Результаты полученные с помощью системы MathCAD полностью совпадают со значениями приведенными выше. Это говорит о верности вычислений.