МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ

УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
НАЦИОНАЛЬНЫЙ МИНЕРАЛЬНО-СЫРЬЕВОЙ УНИВЕРСИТЕТ
«ГОРНЫЙ»

Кафедра Автоматизации Технологических Процессов и Производств

Отчет по лабораторной работе №2

Обработка экспериментальных данных по методу наименьших квадратов

Выполнил: студент гр. АПМ-13 ______________ /Байгутлин А.К./

(подпись) (Ф.И.О.)

Проверил: доцент ______________ /Иванов П.В./

(подпись) (Ф.И.О.)

Санкт- Петербург
2014
 Содержание

Основы теории и расчетные формулы........................................................................................3

Содержание задания......................................................................................................................4
Ход работы.....................................................................................................................................5
Вывод............................................................................................................................................11

2
 Основы теории и расчетные формулы

Цель работы – изучение практических приемов нахождения

коэффициентов линейных и нелинейных регрессионных зависимостей и
оценки точности аппроксимаций с использованием программной среды
Mathcad.
Метод наименьших квадратов является одним из наиболее
распространенных и наиболее разработанных вследствие своей простоты и
эффективности оценки параметров линейных моделей.
Суть метода наименьших квадратов сводится к тому, чтобы сумма
квадратов отклонений экспериментальных точек от сглаживающей кривой
обращалась в минимум

3
 Содержание задания

По данным эксперимента:
1. Провести линейную аппроксимацию зависимости y=f (x )

предложенным способом.
2. Выполнить проверку адекватности линейной регрессионной
модели и нанести на график аппроксимирующий полином и
экспериментальные данные.
3. Провести нелинейную аппроксимацию зависимости y=f (x )

предложенным способом.
4. Выполнить оценку адекватности нелинейной регрессионной
модели и нанести на график аппроксимирующий полином и
экспериментальные данные.
5. Сделать вывод: какая из предложенных видов зависимостей
лучшим образом описывает экспериментальные данные.

4
 Ход работы
1. Провести линейную аппроксимацию зависимости y=f (x )

предложенным способом:
Способы линейной аппроксимации:
a) Решением системы линейных уравнений с использованием
конструкции Given – Find

5
b) Используя встроенные функции slope и intercept:

6
 2. Выполняем проверку адекватности линейной регрессионной
модели и наносим на график аппроксимирующий полином и
экспериментальные данные.
y ( X )  a  b  X

 0.259
 
0.23
 
y ( X )   0.841 
 2.062 
 
 4.506 

y ( X)
2
Y

2
0 1 2 3
X

N  5

N 1

  y Xi  mean(Y)
2
SSf 
i0
N 1
  Yi  y Xi 
2
SSr 
i0
N 1

  Yi  mean(Y)
2
SS 
i0
SS  18.496
SSr  4.006

SSf  14.49

SSf  SSr  18.496

SSf
R_2 
SS
R_2  0.783

7
3. Проводим нелинейную аппроксимацию зависимости y=f (x )

предложенным способом:
c) Используя функцию линейного сглаживания linfit:

linfit

 0.1   0.78 
 0.5   0.40 
   
x   1  y ( x)   0.20 
 2   0.70 
   
 4   5.30 
a  0 b  1 c  1
1
 
F( x)   x 
 x2 
 
 0.903 
s  linfit( xy ( x) F)   1.303
 
 0.601 
 0.903   a 
s   1.303  b   s
   
 0.601   c 
 0.779
 0.402
2  
d  a  b  x  c x   0.2 
 0.699
 
 5.3 
6

4
y ( x)

0
0 1 2 3 4 5
x

8
4. Выполняем оценку адекватности нелинейной регрессионной
модели и наносим на график аппроксимирующий полином и
экспериментальные данные:
d) Используя функцию minimize:
 0.1   0.78 
 0.5   0.40 
   
x   1  y ( x)   0.20 
 2   0.70 
   
 4   5.30 

a  0.1 b  0.1 N  5

N 1 2

 i   i 
y( x)  a x b
f ( a b )  
i0

Given
100  a  100
100  b  100

 a   Minimizef
  ( a b )
b
a  0.106

b  2.82
i  0  4

s  a x
i  i b
 1.609 10 4 
 0.015 
s 
 0.106 
 0.75 
 5.296 

9
 6

y ( x)

0
0 1 2 3 4
x

N 1

  s i  mean(Y)
2
SSf 
i 0
N 1

  Yi  s i
2
SSr 
i0
N 1

  Yi  mean(Y)
2
SS 
i0
SS  18.496
SSr  0.768
SSf  21.307
SSf  SSr  22.075
SSf
R_2 
SS
R_2  1.152

10
 Вывод
Мы провели две линейные зависимости и две нелинейных разными
способами, и, опираясь на полученные графики, можно смело утверждать,
что зависимость вида y=a+bx +c x 2 лучше всего и точнее описывает
экспериментальные данные.

11