Курсовая работа по информатике МНК. Аппроксимация данных методом наименьших квадратов
 Скачать 0.71 Mb.
|
5.4. Экспоненциальная регрессияДля построения экспоненциальной регрессии в MathCAD используется функция C:=expfit(x,y,g) – регрессия экспонентной  ; g – вектор из трех элементов, задающий начальные значения a, b, c. (Примечание: правильность выбора начальных значений можно оценить по результату регрессии – если функция, выданная MathCAD, хорошо приближает зависимость y(x), значит, они были подобраны удачно).Полученные значения вектора C используются в уравнении регрессии  . Вычислив параметры экспоненциальной регрессии, строим графики исходной функции y и функции экспоненциальной регрессии f(t) (рис. 8). Рис. 8. Фрагмент рабочего листа MathCAD с найденными коэффициентами для экспоненциальной регрессии и графиком зависимости линии тренда для экспоненциальной аппроксимации Анализируя полученные данные расчетов и графических построений в MathCAD, я обнаружила, что графики для всех трёх видов регрессии практически совпадают, так как мои экспериментальные значения дают однозначную линию тренда, но по полученному коэффициенту детерминированности в MS Excel я делаю вывод, что наилучшим образом экспериментальные данные описывает квадратичная аппроксимация. |