Professional Documents
Culture Documents
Curve Fitting Non Linear
Curve Fitting Non Linear
𝑥
𝑦 = 𝑎0 the saturation-growth rate equation
𝑎1 + 𝑥 Doygunluk-Büyüme hızı denklemi
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
t (saniye) T(⁰C)
2 36
Burada saniye bağımsız değişken,
9 25
sıcaklık bağımlı değişken olarak
12 23 kabul edilir.
20 20
25 19
27 18
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
t (saniye) T(⁰C)
2 36
Lineer regresyonda kullandığımız
9 25
formülleri bu veri setinde kullanırsak
12 23 bulacağımız doğrusal denklem ve bu
20 20 denkleme ait belirleme katsayısı:
25 19
27 18 y = -0,6234x + 33,37
R² = 0,8401
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
Ama veriler arasındaki ilişkinin üssel modele daha iyi uyacağını düşünüyorsak
öncelikle elimizdeki ”y” verilerinin ln(y) değerlerini alarak lineer hale getiririz.
“x” değerleri aynen kalır:
t T t ln(T)
2,000 36,000 2,000 3,584
9,000 25,000 9,000 3,219
12,000 23,000 12,000 3,135
20,000 20,000 20,000 2,996
25,000 19,000 25,000 2,944
27,000 18,000 27,000 2,890
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
t ln(T)
2,000 3,584
9,000 3,219
12,000 3,135
20,000 2,996
25,000 2,944
27,000 2,890
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
n 6
a1 -0,0247
a0 3,5195
r^2 0,9048
ÖRNEK-2: 𝑦 = 𝑎 0 𝑒 𝑎1 𝑥 the exponential model – üssel model
y = -0,0247x + 3,5195
R² = 0,9048
ln(𝑦) = ln(𝑎0 ) + 𝑎1 𝑥
𝑦 = 3,5195 − 0,0247x
𝑦 = 𝑎0 𝑒 𝑎1 𝑥 the exponential model – üssel model
y = -0,0247x + 3,5195
R² = 0,9048
t T log(t) log(T)
2,000 36,000 0,301 1,556
9,000 25,000 0,954 1,398
12,000 23,000 1,079 1,362
20,000 20,000 1,301 1,301
25,000 19,000 1,398 1,279
27,000 18,000 1,431 1,255
ÖRNEK-3: 𝑦 = 𝑎 𝑥 𝑎1 the simple power equation – güç denklemi
0
Sonra lineer regresyonda kullandığımız formülleri verilerimizin yeni hallerine
uygularız:
log(t) log(T)
000 0,301 1,556
000 0,954 1,398
000 1,079 1,362
000 1,301 1,301
000 1,398 1,279
000 1,431 1,255
ÖRNEK-3: 𝑦 = 𝑎 𝑥 𝑎1 the simple power equation – güç denklemi
0
Sonra lineer regresyonda kullandığımız formülleri verilerimizin yeni hallerine
uygularız: log(t) log(T) xi*yi xi2 yi2 ei^2 (yi-y)^2
0,301 1,556 0,468494 0,091 2,422 1,97E-05 0,039
0,954 1,398 1,333974 0,910579 1,954236 5,39E-05 0,001555
1,079 1,362 1,469551 1,164632 1,854303 1,35E-05 1,04E-05
1,301 1,301 1,692679 1,692679 1,692679 5,74E-07 0,003303
1,398 1,279 1,787621 1,954236 1,635211 1,39E-05 0,00636
1,431 1,255 1,796752 2,048802 1,575709 0,000122 0,010657
n 6
a1 -0,2605
a0 1,6392
r^2 0,9963
ÖRNEK-3: 𝑦 = 𝑎 𝑥 𝑎1 the simple power equation – güç denklemi
0
Daha sonra lineer regresyonda kullandığımız formülleri verilerimizin yeni
hallerine uygularız ve lineer edilmiş veriler arasındaki ilişkiyi veren denklemi
ve bu denkleme ait belirleme katsayısını buluruz:
y = -0,2605x + 1,6392
R² = 0,9963
𝑦 = 𝑎0 𝑥 𝑎1 log(𝑦) = l𝑜𝑔(𝑎0 𝑥 𝑎1 )
log(𝑦) = log(𝑎0 ) + l𝑜𝑔(𝑥 𝑎1 )
log(𝑦) = log(𝑎0 ) + 𝑎1 l𝑜𝑔(𝑥)
ÖRNEK-3: 𝑦 = 𝑎 𝑥 𝑎1 the simple power equation – güç denklemi
0
y = -0,2605x + 1,6392
log(𝑦) = 𝑙𝑜𝑔(𝑎0 ) + 𝑎1 l𝑜𝑔(𝑥)
𝑙𝑜𝑔(𝑎0 ) = 1,6392
𝑎1 = −0,2605
𝒔𝒐𝒏𝒖ç: 𝒚 = 𝟒𝟑, 𝟓𝟔𝟔𝟑𝒙−𝟎,𝟐𝟔𝟎𝟓
ÖRNEK-3: 𝑦 = 𝑎 𝑥 𝑎1 the simple power equation – güç denklemi
0
t T 1/x 1/y
2,000 36,000 0,500 0,028
9,000 25,000 0,111 0,040
12,000 23,000 0,083 0,043
20,000 20,000 0,050 0,050
25,000 19,000 0,040 0,053
27,000 18,000 0,037 0,056
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
Yine lineer regresyonda kullandığımız formülleri verilerimizin yeni hallerine
uygularız:
1/x 1/y
36,000 0,500 0,028
25,000 0,111 0,040
23,000 0,083 0,043
20,000 0,050 0,050
19,000 0,040 0,053
18,000 0,037 0,056
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
Yine lineer regresyonda kullandığımız formülleri verilerimizin yeni hallerine
uygularız:
1/x 1/y xi*yi xi2 yi2 ei^2 (yi-y)^2
0,500 0,028 0,013889 0,250 0,001 1,89095E-06 0,000
0,111 0,040 0,004444 0,012346 0,0016 3,87159E-05 0,000
0,083 0,043 0,003623 0,006944 0,00189 1,73025E-05 0,000
0,050 0,050 0,0025 0,0025 0,0025 4,39958E-07 0,000
0,040 0,053 0,002105 0,0016 0,00277 7,75749E-06 0,000
y = -0,051x + 0,0519
0,037 0,056 0,002058 0,001372 0,003086 3,08936E-05 0,000
R² = 0,8129
n 6
a1 -0,0510
a0 0,0519
r^2 0,8129
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
Bulduğumuz doğrusal (lineer) denklemi şimdi doygunluk-büyüme hız
denklemi haline dönüştürmemiz gerekli:
y = -0,051x + 0,0519
R² = 0,8129
𝑥 1 1 1 𝑎1 + 𝑥
𝑦 = 𝑎0 = =
𝑎1 + 𝑥 𝑦 𝑎0 𝑥 𝑦 𝑎0 𝑥
𝑎1 + 𝑥
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
Bulduğumuz doğrusal (lineer) denklemi şimdi doygunluk-büyüme hız
denklemi haline dönüştürmemiz gerekli:
1 𝑎1 + 𝑥 1 𝑎1 1 𝑥
= = +
𝑦 𝑎0 𝑥 𝑦 𝑎0 𝑥 𝑎0 𝑥
1 𝑎1 1 1
= +
𝑦 𝑎0 𝑥 𝑎0
y = -0,051x + 0,0519
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
Bulduğumuz doğrusal (lineer) denklemi şimdi doygunluk-büyüme hız
denklemi haline dönüştürmemiz gerekli:
𝑎1 𝑎1 = −0,9827
= −0,051
𝑎0 𝑎0 = 19,2678
1 𝑥
= 0,0519 𝑦 = 19,2678
𝑎0 −0,9827 + 𝑥
𝑥 the saturation-growth rate equation
ÖRNEK-4: 𝑦 = 𝑎0 𝑎 + 𝑥 Doygunluk-Büyüme hızı denklemi
1
• 15. saniyedeki sıcaklık:
15
𝑇(15) = 19,2678
−0,9827 + 15
𝑇(15) = 20,619
Karşılaştırma: