plik


ÿþMateriaBy do Laboratorium Informatyki Rok akademicki: 2007/08 Semestr: letni MATLAB  cz. 4.3  Regresja Wykonanie nastpujcego skryptu: clear all; t=[0 .3 .8 1.1 1.6 2.3]'; y=[0.5 0.82 1.14 1.25 1.35 1.40] ; /UWAGA: Wektory s transponowane/ plot(t,y,'o'); grid on; hold on; spowoduje wy[wietlenie takiego wykresu: 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0 0.5 1 1.5 2 2.5 Dane przedstawione na wykresie mog pochodzi np. z pomiarów. Chcemy znalez funkcj która najlepiej bdzie modelowaBa wyniki pomiarów. Regresja wielomianowa Na podstawie wykresu mo|na przypuszcza, |e dane pomiarowe mog by opisane nastpujcym modelem: y = a0 + a1t + a2t2 Nieznane parametry a0, a1 oraz a2 mog by wyznaczone metod najmniejszych kwadratów, która minimalizuje sum kwadratów ró|nic pomidzy modelami a danymi. W naszym przypadku mamy sze[ równaD i trzy niewiadome: 2 y1 ¡# ¤# ¡# ¤# 1 t t ¢# ¥# ¢#y ¥# 2 2 ¢#1 t t ¥# ¢# ¥# a0 ¡# ¤# ¢# ¥# y3 ¢#1 2 ¥# ¢#a ¥# t t = × ¢# ¥# ¢# ¥# 1 2 ¢# ¥# ¢#1 t t ¥# ¢#y4 ¥# ¢# ¥# ¢# ¥# y5 ¢#1 2 ¥# £#a2 ¦# t t ¢# ¥# ¢# ¥# y6 ¢# 2 ¥# ¢# ¥# t t £# ¦# £#1 ¦# OpracowaB: dr in|. Witold NocoD na podstawie podrcznika MATLAB  User Guide 6. MateriaBy do Laboratorium Informatyki Rok akademicki: 2007/08 Semestr: letni Równania te reprezentowane s przez macierz o rozmiarze 6x3: X = 1.0000 0 0 1.0000 0.3000 0.0900 1.0000 0.8000 0.6400 1.0000 1.1000 1.2100 1.0000 1.6000 2.5600 1.0000 2.3000 5.2900 Znajc zarówno macierz X jaki i wektor y, mo|emy obliczy wektor parametrów a w nastpujcy sposób: a=X\y a = 0.5318 0.9191 -0.2387 A wic wielomian drugiego stopnia, który bdzie naszym modelem na nastpujc posta: y = 0.5318 + 0.919t - 0.2387t2 A wic po wykonaniu nastpujcych operacji: T=(0:0.1:2.5)'; Y=[ones(size(T)) T T.^2]*a; plot(T,Y,'-'); Otrzymujemy nastpujcy wykres: 1.5 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0 0.5 1 1.5 2 2.5 Widzimy, |e funkcja ta nie aproksymuje danych pomiarowych idealnie. OpracowaB: dr in|. Witold NocoD na podstawie podrcznika MATLAB  User Guide 6. MateriaBy do Laboratorium Informatyki Rok akademicki: 2007/08 Semestr: letni Regresja liniowa wzgldem parametrów Zamiast wielomianu, mo|emy wypróbowa inn funkcj która jest liniowa wzgldem parametrów. Np.: y = a0 + a1e-t + a2te-t Analogicznie do poprzedniego przypadku, obliczymy: X1=[ones(size(t)) exp(-t) t.*exp(-t)]; a1=X1\y a1 = 1.3974 -0.8988 0.4097 A wic nasz model bdzie miaB nastpujc posta: y =1.3974 - 0.8988e-t + 0.4097te-t Analogicznie do poprzedniego przypadku poka|my jak model ten pasuje do punktów pomiarowych: T1=(0:0.1:2.5)'; Y1=[ones(size(T1)) exp(-T1) T1.*exp(-T1)]*a1; plot(T1,Y1,'r-'); Co daje nastpujcy wynik: 1.6 1.4 1.2 1 0.8 0.6 0.4 0 0.5 1 1.5 2 2.5 OpracowaB: dr in|. Witold NocoD na podstawie podrcznika MATLAB  User Guide 6.

Wyszukiwarka

Podobne podstrony:
Tutorial MATLAB
Tutorial MATLAB
Tutorial MATLAB 1
Tutorial MATLAB
Tutorial MATLAB 2
Tutorial MATLAB
Tutorial MATLAB
Tutorial MATLAB
Tutorial MATLAB
Tutorial MATLAB
Artificial Neural Networks The Tutorial With MATLAB
matlab tutorium1
Matlab Polski tutorial
matlab tutorium2
Matlab tutorial GUI
MATLAB cw Skrypty
SIMULINK MATLAB to VHDL Route

więcej podobnych podstron