Ingenjörsmetodik

Mittuniversitetet
Labbarna

Har ni missat labben?

Var labben svår?

Var labben lätt?

Schemakrockar?

Mittuniversitetet

Tidsplan Första examinerande laboration

2/10 8:15-17:00

Sista examinerande laboration

11/10 8:15-17:00

Deadline för rapportinläming

31/10 8:00

Mittuniversitetet







Dagens agenda

Diagram
Diagram i Matlab (Ingenjörens verktyg s. 213-220)

Minstakvadratmetoden

Mittuniversitetet

 Utformning av ett diagram

Ett diagram är en grafisk representation av hur en variabel påverkar en annan.

Variabler
• Oberoende variabel: Den variabel som varieras medvetet.
• Beroende variabel: Den variabel som undersöks för att se hur den påverkas av den oberoende variabeln.
Axlar
• Den oberoende variabeln placeras alltid på den horisontella axeln, och den beroende variabeln placeras alltid på den vertikala axeln.

Beroende (y)

Oberoende (x)
Mittuniversitetet

 Ett exempel på utformning av ett diagram

Temperaturen, - oberoende variabel

Trycket, - beroende variabel

7 mätpunkter

Varje mätpunkt har en ” ”-koordinat (temperaturen) och

en ” ”-koordinat (trycket).

Koordinater för den övre, högra mätpunkten är:

” ”-koordinaten = 390 K
” ”-koordinaten = 1,30 ∙ 105 Pa

Notera att origo inte

behöver vara med i
diagrammet!

Mittuniversitetet
𝑃
𝑦
𝑇𝑃𝑥𝑦𝑥𝑇

Vilken information kan vi få från ett diagram?

Ett diagram är en grafisk representation av mätdata. Här är några saker

att titta efter:

• Omfång: Hur många mätpunkter finns det, och inom vilket intervall
gjordes mätningarna?

• Trend: Finns det en tydlig trend i mätdata? Ligger mätpunkterna

längs en rät linje, en krökt kurva, eller är de slumpmässigt fördelade?

• Spridning: Hur spridda är mätpunkterna i förhållande till trendlinjen?

Finns det "uteliggare" som inte följer trenden?

Genom att titta på dessa faktorer kan man få värdefull information om

det fenomen som mätdatan representerar.

Mittuniversitetet

 Vad ska ett diagram innehålla?

• Titel Titel

• Tydliga symboler för

mätpunkterna Skalstreck
och värden
• Skalstreck och värden
Enhet
på axlarna
• Axelrubriker (etiketter) Tydliga
symboler
• Enheter
• Figurnummer Axelrubrik
• Obligatoriskt i rapport
• Figurtext
• Obligatoriskt i rapport Figur 2: Tryck som funktion av temperaturen för en fix gasvolym.
Den anpassade räta linjen har riktningskoefficienten 3,25 ∙ 10 2 Pa/K
och konstanttermen 15 ∙ 10 2 Pa.
Figur-
nummer Figurtext

Mittuniversitetet

 Hur skapar man ett diagram i MATLAB?

Man använder funktionen ”plot”

Först måste man tala om vilka värden på den horisontella axeln som ska plottas
Exempel: x=[0.1 0.11 0.12 … 1];
Sedan beräknas (eller mäts) värdena på den vertikala axeln.
Exempel: y=1./x.^2;

Till slut används plot(x,y)

Hur använder man ”plot” i MATLAB?

plot(x,y), där x och y är vektorer, ger ett linjediagram
– dvs, kurva bestående av linjer som förbinder värdena i x och y

plot(x,y,’r’) ritar kurvan med röd färg

plot(x,y,’x’) ger ett ”punkt”diagram

– ritar ett kryss vid varje (x,y)-värde, men förbinder inte värdena med en kurva Punktdiagram är
oftast önskvärt då
mätvärden
plot(x,y,’o-’) ger ett diagram där (x,y)-värdena markeras med ringar och åskådliggörs i ett
ringarna förbinds med räta linjer diagram!

Skriv ”doc plot” för mer information.

 Flera kurvor i samma diagram

(x, y1, y2 och y3 är vektorer)

Alternativ 1:
plot(x,y1,’ok’)
hold on
plot(x,y2,’o-’)
plot(x,y3,’xr’)
hold off

Alternativ 2:
plot(x,y1,’ok’,x,y2,’o-’,x,y3,’xr’)

Båda alternativen ger värdena i y1 med svarta ringar, y2 ges med

ringar sambundna med linjer och värdena y3 ges med röda kryss



Fler användbara funktioner i ”plot”

Körs ovanstående Skapas med ’title’

kommandon skapas
diagrammet till höger i
figurfönstret ’Figure 1’.
Skapas med ’legend’

Skapas med ’ylabel’

Skapas med ’grid’

Skapas med
’xlabel’
Linjära axlar, Logaritmiska axlar
Vanliga värden, Logaritmiska värden

Vilka två av dessa diagram visar samma sak?

Mittuniversitetet


 Diagram med logaritmiska värden
loglog-diagram – Värdena på båda axlarna är logaritmiska
plot(log(x),log(y))
Används om:
Båda variablerna varierar över flera storleksordningar
Den beroende variabeln antas vara proportionell mot den oberoende
variabeln upphöjt med någon (okänd) exponent ( = )

linlog-diagram – Värdena på ena axeln är logaritmiska

plot(x, log(y))
Används om:
Den beroende variabeln beror exponentiellt av den oberoende
variabeln
plot(log(x),y)
Används om:
Den beroende variabeln beror logaritmiskt av den oberoende
variabeln

Mittuniversitetet
𝑦
𝑘
𝑥
𝑛



 =a⋅    = ⋅   
ln( ) = ln(a ⋅ )  
       ln( ) = ln( )+ln( )
          ln( ) = n ⋅ ln( ) + Δ
           ( )= ⋅ln( () )+ ( )
( )= 1 ⋅ + 0
= +

Δy
Δx

Mittuniversitetet
𝒍
𝒏
𝒚
𝐧
𝒍
𝒏
𝒙
𝒍
𝒏
𝒂
𝒚
𝐚
𝒙
𝑦
𝑦
𝑦
𝑥
𝑥
𝑥
𝑎
𝑎
𝑎
𝑛
𝑦
𝑓
𝑦
𝑥
𝑘
𝑥
𝑥
𝑘
𝑚
𝑥
𝑘
𝒏
𝑛
𝑛
𝑛

 Exempel:
Vi släpper en boll från olika höjder och
mäter hastigheten precis innan bollen
slår i marken (sluthastigheten).

[m] [m/s]
0,1 1,4
0,5 3,1
1,0 4,4
1,5 5,4
2,0 6,3
2,5 7,0
3,0 7,7

Mittuniversitetet
𝐻𝑣

 Vi plottar ett diagram med på

y-axeln och på x-axeln

Det är inte ett linjärt förhållande

H=[0.1 0.5 1 1.5…];

v=[mätvärden];

plot(H,v,’o’)

Mittuniversitetet
𝑣𝐻

 Vi provar istället att plotta

logaritmen av värdena

Det är ett linjärt förhållande

Hur kan vi använda det?

Mittuniversitetet

 Hur kan vi använda det?

Vi bestämmer lutningen och

0
konstanttermen på den anpassade
linjen:
1
Lutningen Interceptet Δy
1 = 0,5 ; 0 = 1,49
Δx

Då vet vi att:
ln( ) = 0,5 ⋅ ln( ) + 1,49

ln( ) = 1,49
= 1,49

Alltså:
= 1,49 0,5

Mittuniversitetet
𝑣
𝑒
𝑥
𝑘
𝑒
𝑘
𝑘
𝑣
𝑘
𝐻
𝑘
𝑘

 1,49 0,5
=

Eller

1,49
=

Hur ser teorin ut?

= 2

1,49
≈ 4,44
2 ≈ 4,43

Våra mätningar stämmer med teorin!

Vi har lyckats bestämma formeln för hur hastigheten
beror av höjden genom experiment och linjärisering

Mittuniversitetet
𝑣
𝑒
𝑥
𝑣
𝑔
𝑔
𝐻
𝑣
𝑒
𝑥
𝑒

 plot(x,y,’o-’)

      = 2x0,5
       ln( ) = ln(2x0,5)  
                   ln( ) = ln(2) + ln( 0,5
)
                       ln( ) = ln(2) + 0,5 ⋅ ln(x)
                       ln( ) = 0,5 ⋅ ln( ) + ln(2)

plot(log(x),log(y),’o-r’)

Mittuniversitetet
𝑦
𝑦
𝑦
𝑦
𝑦
𝑥
𝑥

 plot(x,y,’o-’)

      = 2e0,5x
           ln( ) = ln(2 ⋅ 0,5
)  
                   ln( ) = ln(2) + ln( 0,5
)
          ln( ) = ln(2) + 0,5x
          ln( ) = 0,5 + ln(2)

plot(x,log(y),’o-r’)

Mittuniversitetet
𝑦
𝑦
𝑦
𝑦
𝑦
𝑥
𝑒
𝑒
𝑥
𝑥

 Minstakvadratmetoden

Föreställ er att vi undersöker ett fenomen.

Våra mätningar av fenomenet genererar dessa
mätpunkter;

Mätvärden för Y Mätvärden för X

y1 x1
y2 x2
y3 x3
… …
yn xn

Mittuniversitetet

 Minstakvadratmetoden

Till dessa mätvärden vill vi anpassa en funktion

= (  ) = 1 + 2 −1 + = … ++ 1 + +1
Där ,  …,
1och är konstanter vilka vi nu skall bestämma m.h.a. MKM

Mittuniversitetet
𝑛
𝑛
𝑦
𝑓
𝑥
𝑘
𝑥
𝑘
𝑥
𝑘
𝑥
𝑘
𝑁
𝑘
𝑥
𝑚
𝑘
𝑘𝑚
𝑘
𝑛
𝑛


 Minstakvadratmetoden

Residualen, , definieras som skillnaden mellan observerade -värden och funktionsvärdet

vid observerade -värden
= − ( , 1,  …, )

Mittuniversitetet
𝑖
𝑖
𝑖
𝑁
𝑟
𝑦
𝑓
𝑥
𝑘
𝑘
𝑟𝑦𝑥

 Minstakvadratmetoden

5 = 5 − (k1x5 + k2)

6 = 6 − (k1x6 + k2)

7 = 7 − (k1x7 + k2)

⋮
6 7

∑(
5
6
7 = −( 1 + 2))
5
=1

Residualen, , definieras som skillnaden mellan observerade -värden och funktionsvärdet

vid observerade -värden

= − ( , 1,  …, )
𝑖
Mittuniversitetet
𝑖
𝑖
𝑖
𝑟
𝑦
𝑘
𝑥
𝑘
𝑖
𝑖
𝑖
𝑁
𝑟
𝑟
𝑟
𝑦
𝑦
𝑦
𝑟
𝑦
𝑓
𝑥
𝑘
𝑘
𝑟𝑦𝑥
𝑟
𝑟
𝑟
𝑛

 Minstakvadratmetoden

, kvadratsumman av residualerna

∑( 2)
2
= − 1 −
=1 = − ( , 1,  …, )
𝑖
Mittuniversitetet
𝑖
𝑖
𝑄
𝑦
𝑘
𝑥
𝑘
𝑖
𝑖
𝑖
𝑁
𝑄
𝑟
𝑦
𝑓
𝑥
𝑘
𝑘
𝑛

 Minstakvadratmetoden

=0
( 1, 2) ∑( 2)
1 2
= − 1 −
=1
=0
2
𝑖
𝜕
𝜕
𝑘
𝑘
Mittuniversitetet 28
𝑖
𝑖
𝑄
𝑘
𝑘
𝑦
𝑘
𝑥
𝑘
𝜕
𝜕
𝑄
𝑄
𝑛

 Derivering med flera variabler

( )= 2+ + + −1

ⅆ −2
=2 + +0−
ⅆ

2 3
( , )= + +

Mittuniversitetet
𝑥
𝑎
𝑥
𝑏
𝑑
𝑥
𝑓
𝑓
𝑥
𝑥
𝑦
𝑎
𝑥
𝑎
𝑥
𝑏
𝑥
𝑏
𝑦
𝑐
𝑐
𝑥
𝑑
𝑦
𝑥
𝑓

 Derivering med flera variabler

( )= 2+ + + −1

ⅆ −2
=2 + +0−
ⅆ

2 3
( , )= + +

Mittuniversitetet
𝑥
𝑎
𝑥
𝑏
𝑑
𝑥
𝑓
𝑓
𝑥
𝑥
𝑦
𝑎
𝑥
𝑎
𝑥
𝑏
𝑥
𝑏
𝑦
𝑐
𝑐
𝑥
𝑑
𝑦
𝑥
𝑓

 Minstakvadratmetoden

−2 ∙ ( av
, kvadratsumman 1 − 2) = 0
− residualerna
=0 =0 ∑
∑(
− 1 − 2)
2
1 = =1

∑( 2)
2
= − 1 −
−2 ∙(( −1 −) 2) = 0
=1
= − , ,  …,
=0 =1
∑ 1
2 =1
𝑖
𝑖
𝑖
𝑖
𝑖
𝜕
𝜕
𝜕
𝑘
𝑘
𝑘
Mittuniversitetet
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑥
𝑦
𝑦
𝑘
𝑘
𝑥
𝑥
𝑘
𝑘
𝑄
𝑦
𝑘
𝑥
𝑘
𝑄
𝑦
𝑘
𝑥
𝑘
𝑖
𝑖
𝑖
𝑁
𝑄
𝑟
𝑦
𝑓
𝑥
𝑘
𝑘
𝜕
𝜕
𝜕
𝑄
𝑄
𝑄
𝑛
𝑛
𝑛
𝑛

 Minstakvadratmetoden

∑ −∑ ∑
∑
1 =−2 ∙ ( − 1 − 2 2) = 0
=1 ∑ 2 − (∑ )
== 1
+
+ 2 plot(x,k1*x+k2)
∑ ∑ (− ∑1 2)
−2 ∙ − − =0
=1 1
𝑖
𝑖
=
𝑖
𝑖
𝑛
𝑥
𝑥
𝑛
Mittuniversitetet 2
𝑖
𝑖
𝑖
𝑖
𝑖
𝑘
𝑘
𝑥
𝑦
𝑦
𝑘
𝑘
𝑥
𝑥
𝑘
𝑘
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑦
𝑘
𝑥
𝑚
𝑦
𝑘
𝑥
𝑘
𝑛
𝑦
𝑥
𝑦
𝑘
𝑥
𝑥
𝑦
𝑛
𝑛

 Inför laboration 2

I laboration två kommer ni skriva en funktion som med hjälp av MKM gör
detta. I den funktionen ska ni använda er av 1 och 2.

Riktningskoefficienten ges av
∑ −∑ ∑
1 =
− (∑ )
2
∑ 2

konstanttermen ges av
∑ − 1∑
2 =
𝑖
𝑖
𝑛
𝑥
𝑥
𝑛
𝑘
𝑘
Mittuniversitetet
𝑖
𝑖
𝑖
𝑖
𝑖
𝑖
𝑛
𝑦
𝑥
𝑦
𝑘
𝑥
𝑥
𝑦
𝑘
𝑘

 Inför laboration 2

Skattning av standardavvikelsen vid linjär regression

1
( − 2)
2
∑
= 1 −
− 2 =1

Standardosäkerheterna för riktningskoefficienten och konstanttermen

1
( 1) = ∙
∑ ( − ¯)
2

1 ¯2
        ( 2) = ∙ +
∑ ( − ¯)
2
Där ¯  är medelvärdet för x
𝑖
𝑖
𝑥
𝑥
𝑖
𝑥
𝑥
𝑛
𝑛
𝑢
𝑘
𝑠
𝑖
𝑖
𝑢
𝑘
𝑠
𝑠
𝑦
𝑘
𝑥
𝑘
Mittuniversitetet
𝑥
𝑥
𝑛

Tack för idag!

Mittuniversitetet