Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
Особенности сооружения опор в сложных условиях: Сооружение ВЛ в районах с суровыми климатическими и тяжелыми геологическими условиями...
Топ:
Техника безопасности при работе на пароконвектомате: К обслуживанию пароконвектомата допускаются лица, прошедшие технический минимум по эксплуатации оборудования...
Генеалогическое древо Султанов Османской империи: Османские правители, вначале, будучи еще бейлербеями Анатолии, женились на дочерях византийских императоров...
Определение места расположения распределительного центра: Фирма реализует продукцию на рынках сбыта и имеет постоянных поставщиков в разных регионах. Увеличение объема продаж...
Интересное:
Лечение прогрессирующих форм рака: Одним из наиболее важных достижений экспериментальной химиотерапии опухолей, начатой в 60-х и реализованной в 70-х годах, является...
Финансовый рынок и его значение в управлении денежными потоками на современном этапе: любому предприятию для расширения производства и увеличения прибыли нужны...
Что нужно делать при лейкемии: Прежде всего, необходимо выяснить, не страдаете ли вы каким-либо душевным недугом...
Дисциплины:
2017-10-21 | 8637 |
5.00
из
|
Заказать работу |
Вводим исходные данные (рис.12).
Рис.12. Фрагмент листа MathCAD с исходными данными
Линейная регрессия
Линейная регрессия в системе MathCAD выполняется по векторам аргумента Х и отсчетов Y функциями:
intercept(X,Y) – вычисляем параметр , смещение линии регресси по вертикали;
slope(X,Y) – вычисляем параметр , угловой коэффициент линии регрессии.
Полученные значения коэффициентов используем в уравнение регрессии .
Функция Corr(Y,y(x)) – вычисляет коэффициент корреляции Пирсона. Чем он ближе к 1, тем точнее обрабатываемые данные соответствуют линейной зависимости [3].
Вычислив параметры линейной регрессии, строим графики исходной функции y и функции линейной регрессии f(x) (рис.13)
Рис. 13. Фрагмент листа MathCAD с найденными коэффициентами для системы уравнений и графиком зависимости линии тренда для линейной аппроксимации
Уравнение линейной регрессии, полученное в MathCAD: y=2.237+3.99.
Полиномиальная регрессия
Одномерная полиномиальная регрессия с произвольной степенью n полинома и с произвольными координатами отсчетов в MathCAD выполняется функцией regress(X,Y,n), которая вычисляет вектор S, в составе которого находятся коэффициенты полинома n-й степени.
Значения коэффициентов могут быть извлечены из вектора S функцией submatrix(S, 3, length(S)-1, 0, 0).
Полученные значения коэффициентов используем в уравнении регрессии .
Вычислив параметры квадратичной регрессии, строим графики исходной функции y и функции квадратичной регрессии f(x) (рис. 14).
Рис.14. Фрагмент листа MathCAD с найденными коэффициентами для системы уравнений и графиком зависимости линии для квадратичной аппроксимации
Уравнение полиномиальной регрессии: y=2.545 + 3.852х+0.011
Экспоненциальная регрессия
Для определения экспоненциальной функции решим систему (10) в MathCAD:
Для этого с помощью значков суммирования векторов и векторизации , находящихся на панели векторов и матриц, вычисляем: , , , (рис.15).
Затем составляем матрицы А и В из соответствующих коэффициентов системы линейных уравнений (10) и находим решение системы с помощью встроенной функции lsolve (см. рис. 15).
Решив систему (10), получим значения коэффициентов с и .
Коэффициент вычисляем по формуле: =exp(с).
Полученные значения коэффициентов используем в уравнение регрессии .
Вычислив параметры экспоненциальной регрессии, строим графики исходной функции y и функции экспоненциальной регрессии f(x) (рис. 15).
Рис. 15. Фрагмент листа MathCAD с найденными коэффициентами для системы уравнений и графиком зависимости линии для экспоненциальной аппроксимации
Уравнение экспоненциальной регрессии: .
Проведенные расчеты показывают, что результаты, полученные с помощью среды MathCAD, полностью совпадают со значениями, рассчитанными в MS Excel.
Заключение
Сделаем заключение по результатам полученных данных:
1. В ходе обработки исходных данных средствами функций MS Excel и MathCAD были получены три варианта уравнения аппроксимации: линейная, квадратичная и экспоненциальная.
2. Анализ результатов расчетов показывает, что линейная аппроксимация наилучшим образом описывает экспериментальные данные, так как имеет самый высокий коэффициент детерминированности (0,9960).
Уравнение линейной аппроксимации имеет следующий вид: y=2.237+3.99
3. Совпадение значений величин, полученных на графиках и рассчитанных по формулам в MS Excel, говорит о правильности вычислений.
4. Результаты, полученные с помощью среды MathCAD, полностью совпадают со значениями, рассчитанными в MS Excel. Это говорит о верности вычислений.
Список использованной литературы
1. Бердышев В.И., Петрак Л.В. Аппроксимация функций, сжатие численной информации, приложения. – Екатеринбург: УрО РАН, 1999. – 296 с.
2. Малинина Л.А. Основы информатики: Учебник для вузов. – Ростов н/Д.: Феникс, 2006. – 352 с.
3. Макаров Е.Г. MathCAD: Учебный курс. – СПб.: Питер, 2009. – 384 с.
Автоматическое растормаживание колес: Тормозные устройства колес предназначены для уменьшения длины пробега и улучшения маневрирования ВС при...
Адаптации растений и животных к жизни в горах: Большое значение для жизни организмов в горах имеют степень расчленения, крутизна и экспозиционные различия склонов...
Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
Двойное оплодотворение у цветковых растений: Оплодотворение - это процесс слияния мужской и женской половых клеток с образованием зиготы...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!