linkedin facebook linkedin facebook nod32

Tajriba natijalarini tahlil qilishga doir masalalarni MathCadda echish

Muallif: Mengliyev SH.

Qo`shilgan sana: 2014-09-05

Tajriba natijalarini tahlil qilishga doir masalalarni echish

Turli tajribalarni o‘tkazishda odatda tajriba ma’lumotlarini funksiya ko‘rinishida tasvirlash va ularni keyingi hisoblashlarda ishlatish uchun massivlar kerak bo‘ladi. Agar funksiyani tasvirlovchi egri chiziq barcha tajriba nuqtalaridan o‘tish kerak bo‘lsa, u holda olingan oraliq nuqtalar va hisoblangan funksiyaga interpolyasiya deyiladi. Agar funksiyani tasvirlovchi egri chiziq barcha tajriba nuqtalaridan o‘tish kerak bo‘lmasa, u holda olingan oraliq nuqtalar va hisoblangan funksiyaga regressiya deyiladi.
Interpolyasiya. Mathcad bir necha interpolyasiyalash funksiyalariga ega bo‘lib, ular har xil usullarni ishlatadi. CHiziqli interpolyasiyalash jarayonida linterp funksiyasidan foydalaniladi (1-rasm).
Bu funksiyaga murojaat quyidagicha:
linterp(x, y, t)
Bu erda

  • x – argument qiymati vektori;
  • y – funksiya qiymatlari vektori;
  • t – interpolyasiya funksiyasi hisoblanadigan mos argument qiymati.

1-rasm. Interpoyasiyalash.

Regressiya. Regressiya ma’nosi tajriba ma’lumotlarini approksimatsiya qiladigan funksiya ko‘rinishini aniqlashdir. Regressiya u yoki bu analitik bog‘lanishning koeffitsientlarini tanlashga keladi.
Mathcadda ikki xildagi bir necha qurilgan regressiya funksiyalari mavjud. Ular quyidagilar:

  • line(X,Y) –xatolar yig‘indisi kvadratini minimallashda ishlatiluvchi to‘g‘ri chiziqli regressiya  f(t)=a+b×t;
  • medfit(X,Y) – median to‘g‘ri chiziqli regressiya f(t)=a+b×t;
  • lnfit(X,Y) – logarifmik funksiyali regressiya f(t)=a×ln(t)+b.

         Bu regressiya funksiyalari boshlang‘ich yaqinlashishni talab etmaydi. Ularga doir misollar 2-rasmda keltirilgan.
YAna beshta qurilgan funksiyalar mavjud bo‘lib ular boshlang‘ich yaqinlashishni talab etadi:

  • expfit(X,Y,g) – eksponentali regressiya f(x)=aebt+c;
  • sinfit(X,Y,g) – sinisoid regressiya f(x)=asin(t+b+c;
  • pwrfit(X,Y,g) – darajaga bog‘liq regressiya f(x)=atb+c;
  • lgsfit(X,Y,g) – logistik funksiyali regressiya a(e)=a/(1+be-ct);
  • logfit(X,Y,g) – logorifmik funksiyali regressiya f(t)=aln(t+b)+c.

2-rasm.CHiziqli regressiya tenlamasini tuzish.

Bu funksiyalarda

  • x – argument qiymatlari vektori;
  • y – funksiya qiymatlari vektori
  • g – a,b,c koeffitsientlar boshlang‘ich yaqinlashish qiymatlari vektori;
  • t –interpolyasiya qilinayotgan funksiya hisoblanayotgan argument qiymati.

Yuqoridagi rasmlarda massiv (tajriba) ma’lumotlari bilan approksimatsiyalangan funksiya orasidagi bog‘liqlikni baholash uchun koorelyasiya koeffitsienti corr hisoblangan.

3293 marta o`qildi.

Parol:
Eslab qolish.


Ro`yhatdan o`tish


Рейтинг@Mail.ru
Рейтинг@Mail.ru

Besucherzahler
счетчик посещений