Результаты коэффициентов квадратичной аппроксимации.

Рисунок 3

В ячейках A50:C52 записана формула {=МОБР(A45:C47)}.

В ячейках F50:F52 записана формула {=МУМНОЖ(A50:C52,D45:D47)}.

 

Теперь аппроксимируем функцию экспоненциальной функцией . Для определения коэффициентов и прологарифмируем значения и используя итоговые суммы из рисунка 2, расположенные в ячейках A26, C26, H26 и I26 получим систему:

где .

Решив систему, найдем , .

После потенцирования получим .

 

Таким образом, экспоненциальная аппроксимация имеет вид

.

Решение системы проводили, пользуясь средствами Microsoft Excel.

 

Результаты коэффициентов экспоненциальной аппроксимации.

Рисунок 4

 

В ячейках A63:B64 записана формула {=МОБР(A59:B60)}.

В ячейках E62:E63 записана формула {=МУМНОЖ(A63:B64,C59:C60)}.

В ячейке E64 записана формула =EXP(E62).

Вычислим среднее арифметическое и по формулам:

Результаты расчета и средствами Microsoft Excel.

Вычисление средних значений X и Y.

Рисунок 5

 

В ячейке B66 записана формула =A26/25.

В ячейке B67 записана формула =B26/25.

 

Для того, чтобы рассчитать коэффициент корреляции и коэффициент детерминированности данные целесообразно расположить в виде рисунка 6, который является продолжением рисунка 1.

 

Рисунок 6

 

Шаг 1. В ячейку J1 вводим формулу =(A1-$B$54)*(B1-$B$55).

Шаг 2. В ячейки J2:J25 эта формула копируется.

Шаг 3. В ячейку K1 вводим формулу =(A1-$B$54)^2.

Шаг 4. В ячейки K2:K25 эта формула копируется.

Шаг 5. В ячейку L1 вводим формулу =(B1-$B$55)^2.

Шаг 6. В ячейки L2:L25 эта формула копируется.

Шаг 7. В ячейку M1 вводим формулу =($E$32+$E$33*A1-B1)^2.

Шаг 8. В ячейки M2:M25 эта формула копируется.

Шаг 9. В ячейку N1 вводим формулу

=($F$41+$F$42*A1+$F$43*A1^2-B1)^2.

Шаг 10. В ячейки N2:N25 эта формула копируется.

Шаг 11. В ячейку O1 вводим формулу

=($E$51*EXP($E$50*A1)-B1)^2.

Шаг 12. В ячейки O2:O25 эта формула копируется.

Шаг 13. В ячейку J26 вводим формулу =СУММ(J1:J25).

Шаг 14. В ячейку K26 вводим формулу =СУММ(K1:K25).

Шаг 15. В ячейку L26 вводим формулу =СУММ(L1:L25).

Шаг 16. В ячейку M26 вводим формулу =СУММ(M1:M25).

Шаг 17. В ячейку N26 вводим формулу =СУММ(N1:N25).

Шаг 18. В ячейку O26 вводим формулу =СУММ(O1:O25).

 

Теперь проведем расчеты коэффициента корреляции по формуле

(только для линейной аппроксимации)

и коэффициента детерминированности по формуле .

Результаты расчета.

Рисунок 7

 

В ячейке В69 записана формула =J26/(K26*L26)^(1/2).

В ячейке B71 записана формула =1- M26/L26.

В ячейке B73 записана формула =1- N26/L26.

В ячейке B75 записана формула =1- O26/L26.

Анализ результатов расчетов показывает, что квадратичная аппроксимация наилучшим образом описывает экспериментальные данные.

 

 

Построение графиков

 

Для построения графиков я воспользуюсь мастером диаграмм Microsoft Excel. Для этого выделяю ячейки А1:В25, нажимаю кнопку «Вставка» ® «Диаграмма…» В появившемся окне задаю параметры диаграммы – вид диаграммы (точечная), её название, названия осей. После появления диаграммы, нажимаю правой кнопкой мыши непосредственно на одну из точек графика. В появившемся диалоговом окне выбираю команду «Добавить линию тренда». Появится меню, в котором я смогу выбрать способ автоматической аппроксимации и установить отображение уравнений.

Рисунок 8

Рисунок 9

 

Рисунок 10

 

Как видно из рисунков 8-10, результаты операций, выполненных «вручную» соответствую результатам, полученным с помощью встроенных в мастер диаграмм функций. Здесь также самым лучшим способом аппроксимации является квадратичная, коэффициент детерминированности которой равен 0,990 и менее всех остальных отличен от 1.

 

Функция ЛИНЕЙН

 

Результаты, полученные с помощью функции ЛИНЕЙН совпадают как с результатами линейной аппроксимации, выполненной «вручную», так и с результатами, полученными при построении графика мастером диаграмм программы Microsoft Excel.

Рисунок 11

Вывод

 

Выполнение аппроксимации в табличном процессоре Microsoft Excel способами показывают один и тот же результат – наиболее точной является полиномиальная (в данном случае – квадратичная) аппроксимация. Вывод об этом сделан мною из сравнения коэффициентов детерминированности.

 

 

Выполнение аппроксимации в программе MathCAD

 

Введение

 

Аппроксимация данных с учетом их статистических параметров относится к задачам регрессии. Они обычно возникают при обработке экспериментальных данных, полученных в результате измерений процессов или физических явлений, статистических по своей природе (как, например, измерения в радиометрии и ядерной геофизике), или на высоком уровне помех (шумов). Задачей регрессионного анализа является подбор математических формул, наилучшим образом описывающих экспериментальные данные.

1. Линейная регрессия

Линейная регрессия в системе MathCAD выполняется по векторам аргумента Х и отсчетов Y функциями:

intercept(X,Y) – вычисляет параметр а1, смещение линии регрессии по вертикали;

slope(X,Y) – вычисляет параметр a2, угловой коэффициент линии регрессии.

Полученные значения коэффициентов используем в уравнении регрессии y(x) = = a₁+a₂*x.

Функция corr(Y,y(x)) вычисляет коэффициент корреляции Пирсона. Чем он ближе к 1, тем точнее обрабатываемые данные соответствуют линейной зависимости.

2. Полиномиальная регрессия

Одномерная полиномиальная регрессия с произвольной степенью n полинома и с произвольными координатами отсчетов в MathCAD выполняется функциями:

regress(X,Y,n) – вычисляет вектор S, в составе которого находятся коэффициенты ai полинома n-й степени;

Значения коэффициентов ai могут быть извлечены из вектора S функцией submatrix(S, 3, length(S)-1, 0, 0).

Полученные значения коэффициентов используем в уравнении регрессии y(x) = = a₁+a₂*x+a₃*x²

3. Нелинейная регрессия

Для простых типовых формул аппроксимации предусмотрен ряд функций нелинейной регрессии, в которых параметры функций подбираются программой MathCAD. К их числу относится функция expfit(X,Y,S), которая возвращает вектор, содержащий коэффициенты a1, a2 и a3 экспоненциальной функции y(x) = a₁·exp(a₂·x) + a₃. В вектор S вводятся начальные значения коэффициентов a1, a2 и a3 первого приближения.

 

 

Линейная аппроксимация в программе MathCAD

Рисунок 12

Экспоненциальная аппроксимация в программе MathCAD

 

 

Рисунок 13

 

Полиномальная (квадратичная аппроксимация в программе MathCAD

 

Рисунок 14

 

Вывод

 

Результаты аппроксимации, выполненной в программе MathCAD полностью совпали с результатами, полученными в Excel, что подтвердило правильность произведенных вычислений. Наилучшим способом аппроксимации оказался полиномиальный – его коэффициент детерминированности весьма высок и составляет приблизительно 0,995. Для сравнения привожу таблицу:

 

	Excel (ручной метод)	Excel (Мастер Диаграмм)	Excel (ЛИНЕЙН)	MathCAD
Линейная	0,99047263	0,990	0,0990	0,995
Полиномальная	0,99063894	0,990	–	0,995
Экспоненциальная	0,52482597	0,723	–	0,995

Таблица 3

 

Список литературы

 

1. Ахметов К.С. Windows 95 для всех. - М.:ТОО "КомпьютерПресс", 1995.

2. Вычислительная техника и программирование. Под ред. А.В. Петрова. М.: Высшая школа, 1991.

3. Гончаров A., Excel 97 в примерах. — СПб: Питер, 1997.

4. Левин А., Самоучитель работы на компьютере. - М.: Международное агентство А.Д.Т., 1996.

5. Информатика: Методические указания к курсовой работе. Санкт-Петербургский горный институт. Сост. Д.Е. Гусев, Г.Н. Журов. СПб, 1999