数据处理及坏呢归分析.pptVIP

;几种常见的数据处理方法;§1 列表法 ---三线式表格;三线式表格; 列表的要求是： （1）简明。 （2）标明物理量的意义，注明单位及数量级。 （3）正确反映测量结果的有效数字。 ;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;§2 图解图示法 ;作图要求：; ;n;n;;I (mA);定容气体压强～温度曲线;物理实验中心;图解法 ; 曲线的改直 在实际工作中，许多物理量之间的关系并不都是线性的，但仍可通过适当的变换而成为线性关系，即把曲线变换成直线，这种方法叫做曲线改直。作这样的变换不仅是由于直线容易描绘，更重要的是直线的斜率和截距所包含的物理内涵是我们所需要的，例如： （1） ，式中a，b为常量，可变换成 的线性函数斜率为b，截距为lg?a。 （2） ，式中a，b为常量，可变换成 的线性函数，斜率为lg?b，截距为lg?a。 ;（3）PV=C，式中C为常量，可变换成P=C(1/V)，P是1/V的线性函数，斜率为C。 （4） ，式中p为常量，可变换成 的线性函数，斜率为 。 （5） ，式中a，b为常量，可变换成 的线性函数，斜率为a，截距为b。 ;目的：在数据处理过程中，能把所有的数据都用上，这样可以使误 差小一点。 ; 砝码质量(Kg) 弹簧伸长位(cm) ;逐项逐差法处理;跳项逐差法处理;◇优点：充分利用数据，达到多次测量以减小误差的效果。;§4 最小二乘法;二、回归分析;非确定性关系：不能用函数来表示的变量间关系，也称为相关关系或统计关系。 身高与体重；血压与年龄；树高与生长时间；商品的销售量与单价 相关关系：对于两个变量，当自变量取值一定是，因变量的取值带有一定随机性的两个变量之间的关系;§ 2 回归分析 （1）确定变量之间数量关系的可能形式，并用一个数学模型来表示这种关系形式 （2）X是非随机变量或随机变量，Y是随机变量，对X的每一确定值 都有Y的一个确定分布与之对应。 ;;§3 相关分析和回归分析的区别与联系 1.联系 二者具有共同的研究对象，而且在具体应用时，常常必须互相补充。相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。; 2. 区别 （1）相关分析研究变量之间相关的方向和程度，但不能指出变量间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况。 回归分析则研究变量之间相互关系的具体形式，它对具有相关关系的变量之间的数量联系进行测定，确定一个相关的数学方程式，根据这个数学方程式可以从已知量来推测未知量，从而为估算和预测提供一个重要的方法。 ; （2）相关分析可以不必确定变量中哪个是自变量，哪个是因变量，其所涉及的变量可以都是随机变量。而回归分析则必须事先研究确定具有相关关系的变量中哪个为自变量，哪个为因变量。;§ 4. 回归分析主要解决的问题： ⑴从一组数据出发，确定这些变量之间的数学表达式——回归方程或经验公式。 ⑵对回归方程的可信程度进行统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。 ⑶利用所求的关系式，根据一个或几个变量的值，预测或控制另一个变量的值，并要知道这种预测或控制可达到的精密度。 ;§5 回归分析的基本过程;§6 回归模型的建立;;§7一元线性回归方程 描述y的均值或期望与 x的关系的方程叫做回归方程。 由于 ， ， 所以 不难看出，简单线性回归方程的图形是一条直线。这条直线被称为总体回归直线。 是回归直线的截距， 是回归直线的斜率，E(y)是给定某个x的值y的均值或期望值。 各实际观测点与总体回归线垂直方向的间隔，就是随机误差项ε，即; 如果因变