Цель работы: изучить методы нахождения коэффициентов уравнения регрессии для аппроксимации опытных данных линейной зависимостью и показательной функцией.
Целью математической обработки результатов эксперимента является не нахождение истинного характера зависимости между имеющимися переменными, а преставления результатов наблюдений в виде простой формулы, дающей возможность производить интерполирование.
Определение зависимостей между исследуемыми переменными следует начинать с графического изображения результатов эксперимента. Графики, прежде всего строят в равномерных шкалах, по возможности с равными масштабами.
Первый этап обработки данных – изучение характера полученных кривых. Если характер связи между исследуемыми величинами известен, то первый этап обработки данных сводится к проверке совпадения полученных данных с заданной кривой.
Если предварительные сведения о характере уравнения отсутствуют, то первым этапом обработки данных является нахождение определенной кривой, совпадающей с опытными точками. Эта задача решается методом подбора. Причем необходимо выбирать кривую с наиболее простым уравнением.
Уравнение зависимости между исследуемыми величинами наиболее просто определяется тогда, когда эмпирические точки, достаточно хорошо опадают с прямой линией, т.е. апроксимируются уравнением вида:
у=ах+b (1)
Нелинейные зависимости путем замены переменных и графического изображения в функциональных шкалах так же можно привести к линейным, например, зависимость:
y=axm (2)
путем замены переменных
y1=lgy
x1=lgx (3)
a1=lga
приводится к виду
у1=mх+a1 (4)
Коэффициенты данного уравнения определяются методом наименьших квадратов, т.е. чтобы сумма квадратов отклонений между экспериментальными и вычисленными по уравнению значениям параметра была минимальной
(5)
Чтобы определить наиболее вероятные значения коэффициентов в исходном уравнении необходимо решить систему так называемых нормальных уравнений, которая для уравнения 1 имеет вид:
Для уравнения 2:
Проверку адекватности полученной модели проводят по F-критерию Фишера. Если принятая аппроксимирующая функция не удовлетворяет критерию Фишера, то она должна быть заменена другой.