ВУЗ:
Составители:
можно разделить на следующие виды: графические, аналитические,
графоаналитические способы.
При обработке опытных данных важно уметь оценивать погрешность
полученного результата. Она может быть обусловлена следующими
причинами:
- во-первых, исходные числовые данные, с которыми производятся
вычисления, полученные из эксперимента и не всегда точны, так как любые
измерения неизбежно сопровождаются погрешностями;
- во-вторых, приближенные исходные данные будут подвергаться не
тем операциям, которые требуются для решения задачи, а псевдооперациям,
поскольку при вычислении даже на ЭВМ можно использовать ограниченное
число разрядов;
- наконец, во многих случаях существующие методы решения задач
могут дать точный ответ только после бесконечного числа шагов. Так как на
практике приходится ограничиваться конечным числом шагов, то заданная
задача фактически заменяется другой и полученное решение будет
отличаться от точного решения. При этом появляется третий вид ошибки –
погрешность метода.
4.2.1 Графические способы обработки
Графические способы обработки заключаются в том, что путем
соединения плавной линией точек, образующихся в результате измерения
экспериментальных данных получают график, выполняющий графическое
дифференцирование любой функции, представленной графически.
Полученные графические функции стремятся привести к пропорциональной
зависимости первого порядка. Исходя из полученной линии, определяют
коэффициенты уравнения, описывающего процесс.
4.2.2 Аналитические способы
Аналитические способы заключаются в численном анализе
экспериментальных значений. Классический подход численного анализа
заключается в том, что используют некоторые узлы функций для получения
приближенного многочлена. И затем, выполняя аналитические операции над
многочленом, выявляют зависимость. Обычно, окончательный результат
стараются описать линейной комбинацией значений функций и / или ее
производных в первоначальных узлах. Аналитические методы обработки
включают интерполирование многочленами, численное дифференцирование,
метод наименьших квадратов и локальную аппроксимацию опытных данных.
можно разделить на следующие виды: графические, аналитические,
графоаналитические способы.
При обработке опытных данных важно уметь оценивать погрешность
полученного результата. Она может быть обусловлена следующими
причинами:
- во-первых, исходные числовые данные, с которыми производятся
вычисления, полученные из эксперимента и не всегда точны, так как любые
измерения неизбежно сопровождаются погрешностями;
- во-вторых, приближенные исходные данные будут подвергаться не
тем операциям, которые требуются для решения задачи, а псевдооперациям,
поскольку при вычислении даже на ЭВМ можно использовать ограниченное
число разрядов;
- наконец, во многих случаях существующие методы решения задач
могут дать точный ответ только после бесконечного числа шагов. Так как на
практике приходится ограничиваться конечным числом шагов, то заданная
задача фактически заменяется другой и полученное решение будет
отличаться от точного решения. При этом появляется третий вид ошибки –
погрешность метода.
4.2.1 Графические способы обработки
Графические способы обработки заключаются в том, что путем
соединения плавной линией точек, образующихся в результате измерения
экспериментальных данных получают график, выполняющий графическое
дифференцирование любой функции, представленной графически.
Полученные графические функции стремятся привести к пропорциональной
зависимости первого порядка. Исходя из полученной линии, определяют
коэффициенты уравнения, описывающего процесс.
4.2.2 Аналитические способы
Аналитические способы заключаются в численном анализе
экспериментальных значений. Классический подход численного анализа
заключается в том, что используют некоторые узлы функций для получения
приближенного многочлена. И затем, выполняя аналитические операции над
многочленом, выявляют зависимость. Обычно, окончательный результат
стараются описать линейной комбинацией значений функций и / или ее
производных в первоначальных узлах. Аналитические методы обработки
включают интерполирование многочленами, численное дифференцирование,
метод наименьших квадратов и локальную аппроксимацию опытных данных.
