41740

Линейный вычислительный процессор

Лабораторная работа

Информатика, кибернетика и программирование

Макет выдачи данных на лист Классификация данных Таблица соответствия. Макет выдачи данных на лист Блок-Схема Программа

Русский

2013-10-25

115.27 KB

1 чел.

Федеральное агентство железнодорожного транспорта

Сибирский государственный университет путей сообщения

Кафедра «Общая информатика»

Линейный вычислительный процессор

Лабораторная работа № 2

по дисциплине «Информатика»

Отчет

Руководитель      Разработал

доцент        студент гр.ММ-112    

_____________Басев И.Н.     ____________Гришаев А.Е.

(подпись)         (подпись)

_____________      _____________________

(дата проверки)       (дата сдачи на проверку)

_____________________________    ______________________________

(оценка по результатам защиты)     (подпись преподователя)

2013

Содержание

1. Задание на лабораторную работу 5

2. Классификация данных 5

3. Таблица соответствия. 5

4. Макет выдачи данных на лист 5

5. Блок-Схема 6

6. Программа 6

6. Программа 7

7. Отладка 7

Изм.

Лист

№ докум.

Подпись

Дата

Лист

2

ИНФ.ММ-112.ЛР2.В6

Разраб.

Гришаев

Провер.

Басев

Реценз.

Н. Контр.

Утверд.

Линейчатый вычислительный процессор

Лит.

Листов

5

СГУПС


Изм.

Лист

№ докум.

Подпись

Дата

Лист

2

ИНФ.ММ-112.ЛР2.В6

1. Задание на лабораторную работу

Составить блок-схему и программу вычисления β. Все данные вывести на лист Exel.

β = 4x4 + aλc

x = 3aλc2  - 3c

λ = 6a – 3c2

c = 3a

2. Классификация данных

B – Результирующая

X,λ,с – промежуточные

A – исходные

3. Таблица соответствия.

β

B

λ

H

4. Макет выдачи данных на лист

C =

6

H =

-96

X =

-20754

B =

742108226341831000


5. Блок-Схема

A

C=3*a

λ = 6a – 3c2

x = 3aλc2  - 3c

β = 4x4 + aλc

С; λ;X; β

Изм.

Лист

№ докум.

Подпись

Дата

Лист

4

ИНФ.ММ-112.ЛР2.В6


6. Программа

7. Отладка

A=2

C=3*2=6

H=6*2 – 3*6^2 = -96

X=3*2*(-96) *6^2-3*6=-20754

B=4*(-20754)^4 + 2(-96) = 742108226341831000

Изм.

Лист

№ докум.

Подпись

Дата

Лист

5

ИНФ.ММ-112.ЛР4.В6


 

А также другие работы, которые могут Вас заинтересовать

10984. Двухфакторный анализ 146.5 KB
  Двухфакторный анализ Бывает что в рамках однофакторной модели влияние интересующего нас фактора не проявляется хотя логические соображения указывают что такое влияние должно быть. Иногда это влияние проявляется но точность выводов о количественной оценке этого вли...
10985. ДВУХФАКТОРНЫЙ АНАЛИЗ В СИСТЕМЕ Statistica 6.0 216.58 KB
  Двухфакторный анализ продолжение ПримерДВУХФАКТОРНЫЙ АНАЛИЗ Исследуем зависимость частоты самопроизвольного дрожания мышц рук тремора от тяжести специального браслета одеваемого на запястье. Полученные результаты приведены в табл.1 причем каждое значение – ср
10986. Кластерный анализ 44.7 KB
  Кластерный анализ Если процедура факторного анализа сжимает в малое число количественных переменных данные описанные количественными переменными то кластерный анализ сжимает данные в классификацию объектов. Синонимами термина кластерный анализ являются автомати...
10987. Кластерный анализ. Анализ временных рядов 79.16 KB
  КЛАСТЕРНЫЙ АНАЛИЗ ПРОДОЛЖЕНИЕ Монотонность Для графического представления процесса объединения все индивиды группы размещаются в соответствующем порядке на оси абсцисс. Последовательность объединений иерархия или дендрограмма требует чтобы каждое объединени
10988. Сглаживание временного ряда (выделение неслучайной компоненты) 98.62 KB
  Сглаживание временного ряда выделение неслучайной компоненты Одной из важнейших задач исследования временного ряда является выявление основной тенденции изучаемого процесса выраженной неслучайной составляющей тренда либо тренда с циклической или/и сезонной ком...
10989. Newton Interpolating Polynomial 76.5 KB
  Newton Interpolating Polynomial Case 1: Constant Polynomial Only one xvalue is given in the table X x1 Y y1 Let P0x be the interpolating polynomial function. Hence P0x1 = y1. It passes through the one point x1y1 given in the table. Hence choose 6.1 Case 2: Linear Polynomial Two xvalues are given in the table ...
10990. Spline Interpolation 87.5 KB
  Spline Interpolation In the previous sections n – 1th – order polynomials were used to interpolate between n date points. For example for eight points we can derive a perfect seventh – order polynomial. This curve would capture all the meanderings at least up to and including seventh derivatives suggested by the points. However there are cases where these functions can lead to erroneous results because of roundoff error and overshoot. An alternative approach is to apply low...
10991. Numerical Integration 156.5 KB
  2. Numerical Integration 2.1. Introduction Numerical integration which is also called quadrature has a history extending back to the invention of calculus and before. The fact that integrals of elementary functions could not in general be computed analytically while derivatives could be served to give the field a certain panache and to set it a cut above the arithmetic drudgery of numerical analysis during the whole of the 18th and 19th centuries. With the invention of automa...
10992. Extended Formulas (Closed) 145 KB
  Extended Formulas Closed If we use equation 2.5 N – 1 times to do the integration in the intervals x1; x2; x2; x3; xN 1; xN and then add the results we obtain an extendedr or compositer formula for the integral from x1 to xN. Extended trapezoidal rule: In this method the area under the curve is approximated by sums of trapezoids areas under the curve see Fig. 2.3.. Figure 2.3. Extended trapezoidal rule. Trapezoid formul...