66593

Побудова емпіричної формули методом найменших квадратів

Курсовая

Информатика, кибернетика и программирование

На основі розрахунків, виконаних засобами MS Excel, алгоритмічної мови програмування C#, ми отримали емпіричну формулу у=0,023679-0,11475*Х. Значення суми квадратів відхилень (-19,4716) та графіки, побудовані засобами MS Excel, є наочною ілюстрацією правильності розв’язування завдання.

Украинкский

2016-09-14

1.04 MB

5 чел.

Міністерство освіти і науки України

Хмельницький національний університет

Кафедра програмної інженерії

КУРСОВА РОБОТА

                           ПОБУДОВА ЕМПІРИЧНОЇ ФОРМУЛИ

МЕТОДОМ НАЙМЕНШИХ КВАДРАТІВ

КРІМ.10153.00.00.00

Студент групи ІМс-10-3 ________________         

Підпис, дата

Керівник ________________         Корнєєв О.М

канд. техн. наук, доцент Підпис, дата

2010

Зміст

  1.  Постановка завдання…………………………………………………………………….3
  2.  Розрахунки та графіки, виконані в середовищі MS Excel……………………………..4
  3.  Програма мовою C#...........................................................................................................9

Висновки……………………………………………………………….................................12

Література……………………………………………………………………………………13

  1.  Завдання

В результаті експериментальних досліджень залежності величини y від величини x отримано певну сукупність даних (табл. 1.1)

Таблиця 1.1

xi

4.1

5

8.1

10.4

12

13.9

15.4

18

20.8

24.1

25

26.9

30.1

  yi

3.19

2.54

1.17

1.14

0.69

0.4

0.23

0.13

0.07

0.04

0.01

-0.02

-0.07

Знайти емпіричну формулу для вказаної залежності та побудувати її графік.

2. Розрахунки та графіки, виконані в середовищі MS Excel

2.1. У середовищі MS Excel побудували графік заданої функції (рис. 2.1).

        

Рисунок 2.1 – Графік емпіричної функції

2.2. Порівнявши отриманий графік з графіками функцій, описаними в п. 1.2 [1], бачимо, що показникова функція може бути апроксимуючою. Для знаходження її параметрів a та b потрібно розв’язати систему нормальних рівнянь (1) та використати формули (2).

(1)

(2)

2.3. Виконали необхідні розрахунки в середовищі MS Excel.

Таблиця Excel з результатами розрахунків (методом Крамера) показана на рис. 2.2.

Рисунок 2.2 – Таблиця Excel з результатами розрахунків (методом Крамера)

Рисунок 2.3 – Друга апроксимуюча функція

На основі розрахунків отримуємо емпіричну формулу У=0,023679-0,11475*Х, для якої значення суми квадратів відхилень дорівнює -19,4716.

Графіки заданої та апроксимуючої функцій, виконані засобами MS Excel, подані на рис. 2.4.

Рисунок 2.4 – Графіки заданої та апроксимуючої функції

Рисунок 2.5 – Графіки функцій

3. Програма мовою C# з відповідними поясненнями (коментарями)

Програма мовою C#  має наступний вигляд:

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

namespace Osypenko

{

   class Program

   {

       static void Main(string[] args)

       {

           //Початок програми

           //Описуємо константи

           const int n = 13;

           //Описуємо змінні

           double s1 = 0;int i;

           double s2 = 0, s3 = 0, s4 = 0, a, b;

           //Описуємо масиви

           double[] x = { 1.5,1.64,3.28,6.56,9.84,13.1,16.4,21,23.2,26.1,29.7,33.9,38.4};//Описання масиву значень x

           double[] y = { 3.19,2.54,1.17,1.14,0.69,0.4,0.23,0.13,0.07,0.04,0.01,-0.02,-0.07};//Описання масиву значень y

           //Описання масива значень у1 апроксимуючої функції

           double[] y1;

           y1 = new double[n];

           double s = 0;

           //розрахунок допоміжних коефіцієнтів для складання основного рівняння

           {

               for (i = 0; i < n; i++)

              //розрахунок коефіцієнтів системи рівнянь з якої будуть визначатися значення а і в

               {

                   s1 = s1 + x[i];

                   s2 = s2 + x[i] * x[i];

                   s3 = s3 + y[i];

                   s4 = s4 + x[i] * y[i];

               }

           }

           a = (s2 * s3 - s1 * s4) / (n * s2 - s1 * s1);//розрахунок коефіцієнтів а по методу Крамера

           b = (n * s4 - s1 * s3) / (n * s2 - s1 * s1);//розрахунок коефіцієнтів в по методу Крамера

           //вивід результатів

           Console.WriteLine("Значення коефіцієнтів");

           Console.WriteLine();//перехід на нову стрічку

           Console.WriteLine("a= {0}", a);//вивід значення коефіцієнта а

           Console.WriteLine("b={0}", b);//вивід значення коефіцієнта b

           Console.WriteLine();//перехід на нову стрічку

           Console.WriteLine("Рівняння y={0}+{1}*X", a, b);

           Console.WriteLine("------------------------------------------");//перехід на нову стрічку і вивід лінії

           Console.WriteLine();//перехід на нову стрічку  

           Console.WriteLine("X   |      Y       |          Y1");

           Console.WriteLine("------------------------------------------");

           {

               for (i = 0; i < n; i++)

               {

                   y1[i] = a + b * x[i];//визначення значень апроксимуючої функції

                   float[] z;

                   z = new float[n];

                   z[i] = (float)y1[i];//пониження точності значення функції шляхом перетворення змінних

                   s = s + ((y[i] - y1[i]) * (y[i] - y1[i]));

                   Console.WriteLine("{0}        {1}             {2}", x[i], y[i], z[i]);

               }

               Console.WriteLine("-------------------------------------------");//перехід на нову стрічку

               Console.WriteLine("Сума квадратів відхилень {0}", s);

               Console.Read(); //зупинка консолі

               //кінець програми

               

           }

       }

   }

}

Висновки

На основі розрахунків, виконаних засобами MS Excel, алгоритмічної мови програмування C#, ми отримали емпіричну формулу у=0,023679-0,11475*Х. Значення суми квадратів відхилень (-19,4716) та графіки, побудовані засобами MS Excel, є наочною ілюстрацією правильності розв’язування завдання.

Література:

  1.  Радельчук Г.І., Спиридонов В.І.  Побудова емпіричної формули методом найменших квадратів : Завдання та метод. вказівки до курсової роботи з дисципліни "Інформатика та комп'ютерна техніка" для студ. інженерних спеціальностей.
  2.  Інформатика: Компютерна техніка. Компютерні технології: Посіб. / За ред. О. І. Пушкаря. – К.: Вид. центр “Академія”, 2001. – 696 с.
  3.  Дибкова Л.М. Інформатика та компютерна техніка: Посіб. – К.: Вид. центр “Академія”, 2002. – 320 с.
  4.  Информатика для юристов и экономистов: Учеб. пособ. / Под ред. С.В. Симоновича. – СПб.: Питер, 2001. – 688 с.
  5.  Локазюк В М. Основи інформатики / В.М. Локазюк, В.І. Спиридонов, В.М. Джулій. – Хмельницький: ХНУ, 2004. – 175 с.
  6.  Культин Н. Б. C# в задачах и примерах / Н. Б. Культин. – СПб. : БХВ-Петербург, 2007. – 240 с.
  7.  Лабор В. В. Си Шарп: Создание приложений для Windows / В. В. Лабор. – Минск : Харвест, 2003. – 384 с.
  8.  Шилдт Г. C#: учебный курс / Г. Шилдт. – СПб. : Питер; К. : Издательская группа BHV, 2003. – 512 с.


 

А также другие работы, которые могут Вас заинтересовать

49894. Особливості лексичного складу у творі І.Котляревського «Наталка-Полтавка» 223.5 KB
  У лексиці зовсім інша ситуація: одні слова виходять з ужитку назавжди або згодом повертаються набувши нового значення інші зявляються як питомі або запозичені. Активна лексика часто вживані загальновживані слова. До активної лексики належать такі семантичні групи: назви спорідненості назви частин організму людини тварин назви свійських і широковідомих диких птахів назви риб рослин явищ природи часових понять жител та їх частин предметів і процесів харчування одягу взуття почуттів кольору смаку розміру чисел...
49895. Система мотивації та оцінка організаційної поведінки 272 KB
  Методи поліпшення параметрів роботи. Технології роботи за персоналом. Протягом історії намагаються віднайти шляхи оптимізації використання людських ресурсів шляхом залучення інтелектуального психічного і фізичного потенціалу кожного окремого індивіда до роботи над досягненням цілей встановлених спільнотою людей залежно від домінуючих в даній спільноті потреб і мотивів які є рушійною силою її розвитку. Результати такої оцінки та прогнозування можуть виступити основою технологій роботи з персоналом які переслідують мету певним чином...
49896. Строение барабанной перепонки и ее роль в слуховой функции. Особенности барабанной перепонки у ребенка 13.66 KB
  Барабанная перепонка отделяет наружный слуховой проход от среднего уха и представляет собой тонкую упругую пластинку, покрытую со стороны слухового прохода тонким наружным слоем кожи (эпидермисом), а со стороны среднего уха — слизистой оболочкой.
49897. Организация и тактика тушения пожара на объекте оптовой торговой базы площадью 10000 м2 2.64 MB
  Прогнозирование возможной обстановки и расчетсил и средств для ограничения развития пожара8 Расчет сил и средств для тушения пожара. Исходные данные: Вариант 103 Номер учебного дела 5 Номер варианта расписания выезда 3 Номер варианта водоснабжения 3 Разряд СПТ 1 Место возникновения горения 17 Время возникновения пожара τ1 17:24 ч мин Время сообщений о нём в пожарную охрану τ2 17:39 ч. мин Площадь...
49898. Вырожденные случаи в бинарном поиске 134.5 KB
  тобы найти элемент 4 в таком дереве нужно пройти по всему дереву. Очень остроумное решение поддержания бинарного дерева в удобном для поиска виде было предложено в 1962 г. двумя советскими математиками Адельсоном-Вельским и Ландисом. Метод требует лишь добавления одного поля в каждый узел и никогда не использует более
49899. Нарушения нервно-мышечного механизма голосообразования. Параличи и парезы лицевых и гортанных мышц 14.63 KB
  Выпадение функции групп мышц (чаще парных) обычно является следствием перенесенных острых воспалительных процессов слизистой гортани, в которые был вовлечен и мышечный аппарат. Больные жалуются на повышенную утомляемость голоса.
49900. Расчет потенциометрических датчиков 610.5 KB
  Основными этапами расчета по этой методике являются: I Определение основных конструктивных параметров каркаса и обмотки; 2 Расчет электрических параметров обмотки; 3 Расчет температурного режима датчика. К схемным или электрическим параметрам относятся: U напряжение питания датчика; Rn общее сопротивление обмотки потенциометра; удельное сопротивление материала провода; lmx максимальная относительная погрешность нагруженного датчика. Названные параметры связаны между собой следующими соотношениями: Для инженерных расчетов...
49901. ПРОГНОЗИРОВАНИЕ СРЕДНЕЙ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ 382.5 KB
  Принципы и методы прогнозирования и оценки недвижимости. Методы оценки недвижимости основанные на сравнении рыночной информации Методы оценки недвижимости основанные на анализе затрат.
49902. Искусственный нейрон. Алгоритм обратного распространения 467.33 KB
  Нейронные сети обратного распространения – это мощнейший инструмент поиска закономерностей, прогнозирования, качественного анализа. Такое название – сети обратного распространения (back propagation) они получили из-за используемого алгоритма обучения, в котором ошибка распространяется от выходного слоя к входному, т.е. в направлении...