Метод наименьших квадратов - раздел Программирование, Курсовая работа по курсу "Вычислительная математика и программирование" по теме "Обработка экспериментальных данных"
Исследование И Оптимизация Сложных, Плохо Организованных Сист...
Исследование и оптимизация сложных, плохо организованных систем возможны лишь с помощью статистических, вероятностных методов. Исходной точкой для таких исследований является аналог физической формулы – математической модели системы, носящей название модели эксперимента или уравнения регрессии. Однако не всегда экспериментальный материал дает возможность найти удобный и точный вид модели. В более общем случае математическая модель создается на основании статистического метода – регрессионного анализа.
Уравнение регрессии представляет математическую форму зависимости измеряемой физической величины от влияющих на нее факторов. Выбор того или иного вида уравнения (зависящий от самого исследователя, предлагающего модель) определяет точность (адекватность), с которой модель описывает в требуемых пределах реальную действительность. Такой выбор вида уравнения определяется исследователем на основании априорных сведений о процессе, изучения влияющих факторов, от которых зависит измеряемая величина, а также удобства использования математической модели данного конкретного вида. Методы регрессионного анализа позволяют из нескольких различных по виду моделей выбрать наиболее адекватную. Регрессионный анализ сводится к определению на основании экспериментальных данных коэффициентов модели (коэффициентов регрессии), оценки значимости значений этих коэффициентов и степени адекватности модели.
При статистической оценке степени адекватности модели экспериментальным результатам наиболее часто используют критерий значения квадрата отклонения этих результатов от расчетных значений, полученных на основании данной модели . Процедура оценки значений коэффициентов регрессии и адекватности, при которой квадрат отклонения является минимальным , носит название метода наименьших квадратов (МНК).
ОДЕССКИЙ ГОСУДАРСТВЕННЫЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ... Химико технологический факультет...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Метод наименьших квадратов
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
М Е Т О Д И Ч Е С К И Е У К А З А Н И Я
по выполнению курсовой работы по курсу
"Вычислительная математика и программирование"
по теме "Обработка экспериментальных данных"
для
Одесса 1999
Методические указания по выполнению курсовой работы по курсу "Вычислительная математика и программирование" по теме "Обработка экспериментальных данных" для студентов 1 кур
СТРУКТУРА КУРСОВОЙ РАБОТЫ
Курсовая работа состоит из двух частей. При выполнении первой части курсовой работы по заданным экспериментальным данным необходимо:
1) провести корреляционный анализ и установить наличие
Теоретические сведения
Под корреляцией понимается всякая связь между двумя или несколькими исследуемыми явлениями. Она может быть детерминистической или случайной (вероятностной). Первый тип связи
Линейная корреляция
Предположим, известно, что случайные величины Х и Y связаны линейной корреляционной зависимостью (обе линии регрессии прямые). Требуется по опытным данным найти уравнения прямых линий регрессии Х н
Выбор эмпирической формулы. Метод выравнивания.
В некоторых случаях выбор типа эмпирической формулы может быть произведен на основе теоретических представлений о характере изучаемой зависимости. В других случаях приходится подбир
Метод выбранных точек
Пусть эмпирическая формула имеет вид (2.35) Требуется найти значение коэффициентов а и b.
Наносим на координатную плоскость опытные точки (Xi,Yi). Как можно ближе к этим точкам проводим пр
Метод средних
Пусть эмпирическая формула имеет вид (2.35). Подставим в нее в место Х и Y опытные значения Xi и Yi. Так как левая часть формулы обычно не равна правой, получим систему уравне
Постановка задачи интерполирования
Пусть некоторая функция Y=f(Х) задана таблицей (табл. 3.1), т.е. при значениях аргумента X = X0, X1, ..., Xn функция f(Х)
Метод Лагранжа
Пусть при Х = Х0, Х1, Х2, ..., Хn функция f(X)принимает соответственно значения Y0, Y1, Y
Обратное интерполирование
Пусть функция у = f(х) задана таблично. Задача обратного интерполирования заключается в том, чтобы по заданному значению функции
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов