Задание №2. Статистический анализ данных.
Даны результаты эксперимента (файл DATA_1).
Найти среднее значение выборки, медиану, моду, стандартное отклонение, максимальное и минимальное значения.
Построить гистограмму распределения данных.
Произведем чтение из файла, транспонируем и отсортируем полученные данные.
Таким образом: x0<x1, x1<x2,...,xi<xi+1.
Функции в MathCad:
Среднее арифметическое – это отношение суммы всех данных к их количеству:
Xcp=∑Xi/NA
В MathCad находится при помощи функции mean(А), где А-элементы массива.
Определяется функцией median(А), где А-массив.
Мода – наиболее встречающееся значение среди представленных данных. Определяется функцией mode(А), где А-массив.
где x(M0)-нижняя граница модального интервала; h(M0)-величина модального интервала; f(M0)-1, f(M0)+1-частоты соответственно в предыдущем и за следующим модальным интервалах.
Максимальное и минимальное значения найдем при помощи функций max и min.и
Стандартное отклонение показывает, насколько широко значения рассеяны от среднего значения. Находится при помощи функции stdev(А), где А-массив.
Гистограмма – инструмент, который позволяет наглядно изобразить и легко выявить структуру и характер изменения полученных данных (оценить распределение), которые трудно заметить при их табличном представлении. Hist(n,y)-функция построения гистограммы массива А.
При нахождении моды выдается ошибка, поскольку все значения повторяются только один раз.
Построение гистограммы:
Задание№3.Решениедифференциальныхуравнений.
Тело в виде шара находится в воде и в начальный момент времени имеет скорость v(0)=10 м/с. Радиус шара R=0,02. Уравнение движения тела в жидкости имеет следующий вид:
где k – коэффициент сопротивления, для шара k=6πRŋ. Для воды ŋ=0,01. Масса шарика m=0,03 кг. Необходимо решить дифференциальное уравнение, построить график изменения скорости, определить время до полной остановки тела. Повторить решение для случая движения тела в воздухе, ŋ=1,88∙10-4.
Определение решения дифференциального уравнения аналитически не всегда является возможным, в связи с тем были разработаны методы приближенного решения.
Нахождение приближенных решений возможно с помощью степенных рядов или с помощью численных методов.
Дифференциальное уравнение первого порядка, разрешенное относительно производной, имеет вид:
y´=f(x,y). (1)
Решением этого дифференциального уравнения является функция p(x), подстановка которой в уравнение обращает его в тождество: p´(x) = f(x,(p(x)). График решения y=p(x) называется интегральной кривой. Например, решением уравнения у' = у является функция p(x)=Cex при любом значении произвольной постоянной С.
Задача Коши для дифференциального уравнения состоит в том, чтобы найти решение этого уравнения, удовлетворяющее начальному условию
yx=x0=y0. (2)
Пару чисел (хо, уо) называют начальными данными. Решение задачи Коши называется частным решением уравнения (1) при условии (2). Например, частным решением задачи Коши y´=y, yx=0=1 является функция p(х) = еx .
Простейшим численным методом решения задачи Коши (1)-(2) является метод Эйлера, называемый иногда методом ломаных Эйлера. Пусть задано дифференциальное уравнение (1) с начальным условием y(x0)=y0 (задача Коши). Выбрав достаточно малый шаг h можно определить систему равноотстоящих точек: xi=x0+i*h (i=0, 1, 2, …)
Интегральная кривая y=y(x) являющаяся решением, фактически заменяется ломаной линией проходящей через точки Mi(xi,yi). Значения yi могут быть определены по формулам: yi+1=yi+Δyi, Δyi=h*f(xi,yi) (i=0, 1, 2, …)
Метод Эйлера является простейшим численным методом интегрирования дифференциальных уравнений. Недостатки метода Эйлера:
Недостаточная точность;
Систематическое накопление ошибок.
Метод Рунге-Кута является более точным методом решения дифференциальных уравнений. Рассмотрим применение данного метода для решения задачи Коши (1). Пусть выбран шаг h, соответственно xi=x0+i*h; yi=y(xi) (i=0, 1, 2, …). Последовательные значения искомой функции определяется по формуле yi+1=yi+Δyi,
В этом уравнении числа k1, k2, k3, k4 определяются следующим образом:
Погрешность метода Рунге-Кута на каждом шаге есть величина порядка h5, исходя из этого, данный метод называют методом Рунге-Кута пятого порядка.
Кроме приведенных методов существуют и другие методы: Адамса, Крылова, Милна, модификации метода Эйлера.
В MathCad для решения дифференциальных уравнений существуют специальные функции и вычислительный блок Given-Odesolve, с помощью которой может быть решена как задача Коши для обыкновенного дифференциального уравнения, так и граничная задача. В данном блоке реализован метод Рунге-Кута с постоянным шагом. Эта функция входит в состав блока решения и является его заключительным ключевым словом.
Odesolve(x,b,[step]) -Возвращает функцию, которая является решением дифференциального уравнения. Используется в блоке с оператором Given. x –переменная интегрирования, действительное число b –конечная точка отрезка интегрирования step -величина шага по переменной интегрирования (необязательный аргумент)
Замечания:
Уравнение должно быть линейным относительно старшей производной.
Число заданных начальных или граничных условий внутри блока должно быть равно порядку уравнения.
При записи уравнения для обозначения производных функции используйте специальные кнопки с панели Math или ' (штрих) - [Ctrl+F7], для знака равенства = [Ctrl+=] (в том числе и для дополнительных условий).
Конечная точка должна быть больше начальной.
Не допускаются начальные и граничные условия смешанного типа f '(a)+f(a)=5.
Искомая функция в блоке должна быть обязательно с аргументом (f(x))
Запишем все необходимые данные, рассчитаем k для воды, решим уравнение, и построим график функции v(t). Затем определим значение t с точностью до 0,001(для воды) и 0,01(для воздуха), при котором v(t)=0. Повторим расчеты для движения шарика в воздухе.
Для воздуха:
Задание №4. Обработка данных.
Исходные экспериментальные данные для выполнения задания содержатся в файле data4_1.txt. В первой строке содержатся значения абсцисс точек, во второй содержатся их ординаты. Для заданных экспериментальных данных необходимо выполнить:
– линейную интерполяцию;
– кубическую интерполяцию;
– провести регрессивный анализ и определить порядок полинома, наилучшим способом описывающего экспериментальные данные;
– определить площадь под кривой в диапазоне от минимального до максимального значений абсцисс точек (для всех функций интерполяции);
– построить графики первой производной.
Рассмотрим некоторые методы численного анализа.
Интерполирование функций:
Пусть функция y=f(x) определена таблицей. Значения аргументов {xi} (i=0, 1, …, n)
xi |
x0 |
x1 |
… |
xn |
yi |
y0 |
y1 |
… |
yn |
будем называть узлами интерполяции. Задачей интерполяции является построение многочлена P(x), значения которого в узлах интерполяции xi равны соответствующим значениям заданной функции, т.е. P(xi)=yi (i=0, 1, …, n).
Линейная интерполяция:
Способ приближенного вычисления значения функций f(x), основанный на замене функции f(х), линейной функцией: L(x)=a(x-x1)+b параметры а и b к-рой выбираются таким образом, чтобы значения L(х).совпадали со значениями f(x).в заданных точках х 1 и х 2:
L(x1)=f(x1), L(x2)=f(x2)
Этим условиям удовлетворяет единственная функция
приближающая заданную функцию f(х) на отрезке [x1 , x2]с погрешностью
Для построения линейной интерполяции достаточно на каждом из интервалов (xi,xi+1) вычислить уравнение прямой, проходящей через эти две точки.
Кубическая сплайн-интерполяция:
В большинстве практических приложений желательно соединить экспериментальные точки (xi,yi) не ломаной линией, а гладкой кривой. Лучше всего для этих целей подходит интерполяция у(x) квадратичными или кубическими сплайнами, т. е. отрезками квадратичных или кубических парабол.
Смысл сплайн-интерполяции заключается в том, что в каждом промежутке между узловыми точками осуществляется аппроксимация в виде зависимости A(t)=a*t3+b*t2+c*t+d. Коэффициенты a,b,c,d рассчитываются независимо для каждого промежутка, исходя из значений yi в соседних точках. Участки парабол называются сплайнами. Сплайн-интерполяция обеспечивает равенство в узлах не только самих соседних параболических интерполирующих функций (сплайнов), но и их 1-х производных. Благодаря этому сплайн-интерполяция выглядит как очень гладкая функция.
Для построения кубической сплайн-интерполяции на i-м интервале, т.е. между узлами (ti,ti+1 ), используются формулы:
где