10实验数据的图示法和图解法.ppt

使　　 达到最小值 就是所谓的最小二乘估计 最小二乘法, 或称一元线性回归 选择适当的 Ae 和 Be 值， 使　　 最小 从而可用回归方程 代替测量数据的规律, 这种方法就是 最小二乘法 ●用最小二乘法合理选择 Ae 和 Be 将各　　　代入 可得 为求　　 的最小值 将上式各方程两边平方后再求和 将上式各方程两边平方后再求和 为求　　 的最小值 , 求解方程组 可得到回归方程的斜率和截距分别为 式中 便是 这 用最小二乘法求出的 Ae 和 Be之值 ●剩余误差 剩余误差和相关系数 　　　　　　为了表示测量值 偏离回归方程线的大小而定义 式中Re称为相关系数 ●相关系数Re ●相关系数的物理意义 相关系数的物理意义 即　在η ~ ξ坐标里 是一条没有“宽度”的直线 直线斜率为 Be ，截距为 Ae 直线方程为 表明各组(ξi ,ηi ) 数据 完全在回归方程线上 ▲Re=±1时, σS= 0 表示各数全在回归线上 由Re定义　　　　　　　可知 Re = 0时, 而 故 Be= 0 因η=Ae + Beξ 故η= Ae 这样不能表示出 ξ与η的关系 也即找不出x与y的关系 或者说 x与y 是不相关的 这二个变量间没有关系 表示二变量间无关 ▲Re =0 时, σS最大 各组(ξi , ηi)数据与回归方程线不完全重合 即 在η~ξ坐标里的直线 有一定的宽度 表示二变量间有一定的关系 ◆ |Re|越近于1 　　　回归方程越能代替 　　　测量组的数据变化规律 ◆ |Re|→0时 　　　线性回归方程失去意义 ▲0|Re|1时 相关系数的起码值表如下 相关系数的起码值 相关系数的起码值Re0 可以用线性回归方程 两物理量x与y间有一定的函数关系 则经过适当的变换( x , y )→(ξ,η) 来描述各测量数据点 的相互关系 不同的测量数据组数 n 有不同的相关系数起码值Re0 只有当|Re| Re0 时，才能用线性回归方程 的相互关系, 否则毫无意义 来描述各测量数据点 表0-5 相关系数的起码值Re0 ●剩余误差的物理意义 剩余误差的物理意义 剩余误差σS 的数值 描绘了线性回归方程的精密度 或者说描绘了回归线的宽度 可以证明 测量点 落在范围 内的几率也是99.7％ 可根据此标准剔除粗差 残差di=ηi –(Ae+Beξi)的绝对值 大于3σS的数据应剔除 肖维特准则 ● 肖维特准则给出一个 与测量次数n相联系的系数wn 如果残差di=ηi –(Ae+Beξi)的 绝对值大于wnσS的数据 可以认为是由于过失引起 的异常数据而加以剔除 系数wn与测量次数n的对应关系如表0-6 根据统计方法可以求出 Ae、Be的标准差 Ae、Be的标准差 ● 计算法研究二个变量的关系 在科学实验中是非常重要的常用方法 为了熟悉计算方法和运算过程，举例说明： 举例 ●计算法研究二个变量的关系 有一组测量数据( xi , yi ) 作图后, 找到了数学表达式 进行变换: 得到一组数据 如表0-7 问：可否组成线性回归方程? 若可以, 试判别有无粗差,并算出 Be、Ae 、 和 的值。 就是要看看是否达到相关系数的起码值 问：可否组成线性回归方程? 若可以, 试判别有无粗差,并算出Be、Ae 、 和 的值。 残差di=ηi –(Ae+Beξi)的绝对值 大于wnσS的数据加以剔除 n =17 因此需要计算 1. 计算相关系数 因此又需算 ① ② ③ ④ ⑤ 可以算出 Re=0.999990217 Re=0.999990217 可以算出 Re=0.999990217 测量数据组数 n = 17 可查得相关系数的起码值Re0为0.606 1. 计算相关系数 * (3) §10 实验数据的图示法和图解法 §10 实验数据的图示法和图解法一. 图线的三种类型 一. 图线的三种类型 1. 表示在一定条件下 某物理量之间依赖关系的图线 比如　温度不变的条件下 　　　一定质量的气体的 　　　　P－V关系图 因受实验条件或时间的限制 这种观测点只是少数的点子 实验得到(V, P)值 P V 在坐标纸上 以 P为纵轴 　V为横轴 o . . . . . . . . 描点 然后画一条近似地 适合于这些观测点 的光滑图线 画光滑图线 . . 我们常常 假定这条图线 连接了整个测量范围内 所有可能的P、V值 V2 V1 P1 P2 同时认为 不在光滑图线上的点 是因为测量不准确造成的 . . 偏离图线较远的点是因为粗差造成的 . . . 应当剔除 P V o .