Задания для лабораторных работ по ППП с примерами. Часть 1. Иванищева О.И. - 19 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

19
0246810
0
1
2
3
4
vy
qx()
yx()
vx x
,
Рис. 13. Регрессия общего вида
1.6. Оценка точности аппроксимирующей функции
Лабораторная работа № 11
Задание. Сравнить точность логарифмической и линейной аппрок-
симации экспериментальных данных.
Порядок выполнения.
• Произвести оценку среднеквадратического отклонения экспери-
ментальных данных от аппроксимирующих функций. Для этого
использовать встроенную функцию stderr(vr,vy). Здесь перемен-
ная vy содержит экспериментальные данные, переменная vr –
значения регрессионной функции.
• Сравнить результаты для логарифмической и линейной функций.
Произвести оценку коэффициента корреляции между массивом
экспериментальных данных и значениями регрессионной функ-
ции. Для вычисления этого коэффициента можно воспользоваться
встроенной функцией corr(vr,vy). Чем ближе данный коэфициент
к единице, тем лучше выбранная функция аппроксимирует экспе-
риментальные данные.
Пример использования функций
stderr(vr,vy) и corr(vr,vy) представ-
лен на рис. 14. 
                    4


                    3
           vy

           q( x)    2
           y ( x)

                    1


                    0
                        0      2       4            6   8    10
                                            vx, x
                            Рис. 13. Регрессия общего вида

     1.6. Оценка точности аппроксимирующей функции
     Лабораторная работа № 11

     Задание. Сравнить точность логарифмической и линейной аппрок-
симации экспериментальных данных.

     Порядок выполнения.
     • Произвести оценку среднеквадратического отклонения экспери-
       ментальных данных от аппроксимирующих функций. Для этого
       использовать встроенную функцию stderr(vr,vy). Здесь перемен-
       ная vy содержит экспериментальные данные, переменная vr –
       значения регрессионной функции.
     • Сравнить результаты для логарифмической и линейной функций.
       Произвести оценку коэффициента корреляции между массивом
       экспериментальных данных и значениями регрессионной функ-
       ции. Для вычисления этого коэффициента можно воспользоваться
       встроенной функцией corr(vr,vy). Чем ближе данный коэфициент
       к единице, тем лучше выбранная функция аппроксимирует экспе-
       риментальные данные.


      Пример использования функций stderr(vr,vy) и corr(vr,vy) представ-
лен на рис. 14.




                                       19

Страницы