Главная Методы и средства обработки экспериментальной информации

Программа курса

Календарный план

Расписание занятий

Лекционный материал

Лабораторные работы

Самостоятельная работа студентов

Текущий и
промежуточный контроль

Вопросы коллоквиума

Литература

Результаты работы
студентов

 


Встроенные процедуры линейной регрессии MathCad

Для расчета линейной регрессии в Mathcad имеются встроенные функции: line(), slope() и intercept().

Синтаксис функций:

slope(x,y) – вычисляет коэффициент а линейной регрессии

intercept(х, у) – вычисляет свободный член (коэффициент b линейной регрессии)

line(х,у) – вектор параметров регрессии (вектор из двух элементов (b, а) коэффициентов линейной регрессии b + ах),

где аргументы процедур

х – вектор экспериментальных данных аргумента;
у – вектор экспериментальных данных значений функции.

Порядок действий:

  1. Определите два вектора-столбца: X для хранения значений чистоты катализатора и вектор Y для хранения значений октанового числа.
  2. Вычислите коэффициенты a и b с помощью функций slope() и intercept().
  3. Определите линейную функцию F1(x):= slope(X,Y) . x + intercept(X, Y)
  4. Вычислите коэффициенты a и b с помощью функции line(X, Y)
  5. Определите линейную функцию F2(x):= line(X, Y)1. x + line(X, Y)0
  6. Сравните полученные значения для коэффициентов линейной регрессии.
  7. Постройте на одной координатной сетке графики зависимости Yi(Xi), F1(x), F2(x). Для этого нужно ввести переменную i – порядковый номер экспериментальной точки (i:=1 .. 11, при ORIGIN =1), и диапазон по x (x:=98.8, 98.9 .. 99.8).

назад

   
Daria A. Gvasaliya
Hosted by uCoz