Xreferat.com » Рефераты по математике » Обработка результатов эксперимента

Обработка результатов эксперимента

cellpadding="1">

х

1,0

1,1

1,2

1,3

1,4

1,5

1,6

1,7

1,8

1,9

2,0

х2

1,0

1,21

1,44

1,69

1,96

2,25

2,56

2,89

3,24

3,61

4,00

х2- 1

0

0,21

0,44

0,69

0,96

1,25

1,56

1,89

2,24

2,26

3,00

4(х2- 1)

0

0,84

1,76

2,76

3,84

5,00

6,24

7,56

8,94

10,44

12,0

1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0

Рис. 11. Функциональная шкала y = x2

С помощью функциональных шкал графики многих функций могут быть преобразованы к прямолинейному виду.

Например, уравнение параболы y = x2. Если на оси OY нанести равномерную шкалу, а на оси OX1 шкалу квадратов х1 = х2, то получится сетка, где уравнение параболы имеет изображение прямой линии ( y = x1 ),

проходящей через начало координат.

Особенно часто используются различные логарифмические функции, с помощью которых можно ² выпрямлять² графики степенных и показательных функций. Например, y = aebx; lg y = (b lg е) х + lg a. Полагая lg y = y1, lg a = A, b lg e = B запишем исходное уравнение в виде y1 = А + Вх, откуда видно, что оставив равномерной шкалу х и построив логарифмическую шкалу y1, можно изобразить исходное уравнение прямой линией. Полученная координатная сетка называется полулогарифмической.

Очевидно, что такого рода преобразования возможны и в более общем случае. Всякая неявная функция, заданная соотношением вида

аj (х) + by (y) + с = 0,

где a, b, с - постоянные, будет изображаться прямой линией на функциональной сетке, где на оси ОХ построена шкала j (х), а на оси OY - шкала функции y (y). Естественно, что функции j (х) и y (y) должны удовлетворять условиям непрерывности и монотонности. В табл. 3 приведены преобразования для некоторых функций.

Таблица 3

Линеаризация некоторых функций

Исходная

формула

Преобразованная

формула

Замена

переменных

Линеаризованная формула

y=axb

lg y=b× lgx+lga

lg y=y1

lg x=x1

lg a=a1

y1=bx1+a1

y=a× lgx+b

¾

lg x=x1

y=ax1+b

y=ebx+k

lg y=b× lge× x+k× lge

lg y=y1

b× lg e=a

k× lg e=k1

y1=ax+k1

y=aebx

lg y=bx× lge+lga

lg y=y1

b× lg e=b1

lg a=a1

y1=b1x+a1

y=Обработка результатов эксперимента

¾

Обработка результатов эксперимента

y=ax1+b

y=Обработка результатов эксперимента

Обработка результатов эксперимента

Обработка результатов эксперимента

y1=ax+b

y=Обработка результатов эксперимента

Обработка результатов эксперимента

Обработка результатов эксперимента

y1=bx1+a

Из сказанного ясна роль функциональных сеток при обработке результатов эксперимента. Если результаты эксперимента располагаются вблизи кривой, то по имеющемуся ограниченному участку кривой трудно судить, какого типа функцией ее лучше всего приближать. Переведя полученные экспериментальные данные на функциональные сетки можно оценить на какой из них эти данные ближе всего подходят к прямой и, следовательно, какой функцией лучше всего описываются.

3.3. Аналитические методы обработки результатов

Графический метод обработки результатов обладает наглядностью, относительной простотой, однако его результаты содержат определенную субъективность и относительно низкую точность.

Аналитические методы лишены в какой - то степени указанных недостатков и позволяют получить результат для более широкого класса функций с большей точностью, чем графический метод.

Существуют различные аналитические методы получения параметров эмпирических кривых в зависимости от критерия, принятого при их получении. Рассмотрим некоторые из существующих способов.

3.3.1.Способ средней

Допустим, что имеется n сочетаний xi, yi, полученных при эксперименте. Даже в том случае, если между х и y теоретически установлена функциональная связь ( в данном случае предположим, что линейная ), то наблюдаемые значения yi будут отличаться от ахi + b вследствие наличия экспериментальных ошибок. Обозначим через D i соответствующую ошибку

D i = yi - axi - b (i = 1, 2, ..., n)

Если выбирать параметры а и b так, чтобы для всех n наблюдений ошибки уравновешивались, т.е. Обработка результатов эксперимента, то это привело бы нас к одному уравнению, тогда как для нахождения двух коэффициентов (а, b) их требуется два. Поэтому предположим, что уравновешивание происходит не только для всех произведенных наблюдений в целом, но и для каждой группы, содержащей половину ( или почти половину ) всех наблюдений в отдельности.

В этом случае можно прийти к системе уравнений

Обработка результатов эксперимента ,

где m - число наблюдений в первой группе.

Данную систему уравнений запишем теперь в виде

Обработка результатов эксперимента.

Изложенное показывает, что метод средних ² уравновешивает² положительные и отрицательные отклонения теоретической кривой от экспериментальных значений.

Пример.Используя данные рис. 10 определим коэффициенты а, b методом средней. Для этого семь измерений разделим на две группы m = 3 первых значений, n - m = 4 последующих

Обработка результатов эксперимента; Обработка результатов эксперимента; Обработка результатов эксперимента ; Обработка результатов эксперимента.

Получаем систему

Обработка результатов эксперимента

Решая систему находим

Обработка результатов эксперимента; b = Обработка результатов эксперимента

Таким образом способ средней дает прямую

y = 0,55х + 3,11.

В сравнении с графическим способом коэффициенты а совпадают и имеется различие в коэффициенте b.

3.3.2. Метод наименьших квадратов

В методе средних при определении коэффициентов уравнения использовалось условие равенства нулю алгебраической суммы отклонений результатов эксперимента от теоретической кривой ( в частном случае прямой ). Очевидно, что при этом D i могут быть значительной величины. Имеет значение только ² уравновешивание² положительных и отрицательных отклонений.

Поставим теперь задачу нахождения по результатам наблюдений наиболее вероятные значения неизвестных коэффициентов.

Предположим, что искомая зависимость y = ¦(х) существует. Тогда параметры этой линии необходимо выбрать таким образом, чтобы точки yi располагались по обе стороны кривой y = ¦(х) как можно ближе к последней. Предположим, что разброс точек yi относительно y = ¦(х) подчиняется закону нормального распределения. Тогда мерой разброса является дисперсия s 2 или ее приближенное выражение - средний квадрат отклонений.

Обработка результатов эксперимента.

И требование минимального разброса будет удовлетворено, если минимизировать выражение ( D yi )2. Как

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: