Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Уклонение и коэффициент корреляции
Цель: Изучение статистических понятий при построении корреляционных зависимостей Задачи: Исследование влияния точности измерения напряжения и скорости сдвига при вискозиметрировании ньютоновсой жидкости на статистические параметры определения динамического коэффициента вязкости с использованием метода наименьших квадратов и программы CurveExpert. Ход работы. В координатной системе у = у(х) (где х - скорость сдвига, в диапазоне 0 – 200, с-1; у - напряжение сдвига, в диапазоне 0 – 100, Па), провести случайную прямую от точки (0,0) не точно к точке (200,100), (см.рис.1). В инженерной реологии следующие обозначения: . Вокруг прямой случайным образом расположить 20 точек, моделируя этим результаты вискзиметрирования. В опыте № 1 расположить точки сравнительно близко к прямой (см. рис.1), в опыте № 2 - немного более разбросанными(см. рис. 3), а в опыте № 3 точки вообще разбросать по координатной площади случайным образом (см. рис. 5) Опыт № 1
Рис. 1 Результаты опыта № 1 с эмпирической корреляционной прямой
User-Defined Model: y=a*x Coefficient Data: a = 0.50761333
Рис. 2.. График уклонений в опыте № 1 при использовании линейной регрессии
User-Defined Model: y=a*x Standard Error: 1.6848104 Correlation Coefficient: 0.9983506 Опыт №2
Рис. 3. Данные опыта № 2 с прямой регрессии. User-Defined Model: y=a*x Coefficient Data: a = 0.49069032
Рис. 4. График уклонений в опыте № 2 при использовании линейной регрессии
User-Defined Model: y=a*x Standard Error: 9.9837826 Correlation Coefficient: 0.9383984
Опыт № 3
Рис. 5. Данные опыта № 3 с эмпирической линейной формулой User-Defined Model: y=a*x Coefficient Data: a = 0.43648001
Рис. 6. График уклонений в опыте № 3 при использовании линейной регрессии
User-Defined Model: y=a*x Standard Error: 33.7636157 Correlation Coefficient: 0.2269208
Рис. 7. Эмпирическая логарифмическая кривая по данным опыта № 3
Logarithm Fit: y=a+b*ln(x) Coefficient Data: a = 2.4299043 b = 11.221725
Standard Error: 30.5806806 Correlation Coefficient: 0.4275658
Рис. 7. График уклонений в опыте № 3 при использовании логарифмической регрессии вида: y=a+b*ln(x)
Сравнение статистических параметров
Опыт № 1 a = 0.50761333 Standard Error: 1.6848104 Correlation Coefficient: 0.9983506
Опыт № 2 a = 0.49069032 Standard Error: 9.9837826 Correlation Coefficient: 0.9383984
Опыт № 3 a = 0.43648001 Standard Error: 33.7636157 Correlation Coefficient: 0.2269208
Использование логарифмической функции. Logarithm Fit: y=a+b*ln(x) Coefficient Data: a = 2.4299043 b = 11.221725 Standard Error: 30.5806806 Correlation Coefficient: 0.4275658
|