Professional Documents
Culture Documents
FÃ Relã Sning 2 Bred 2
FÃ Relã Sning 2 Bred 2
Mittuniversitetet
Labbarna
Schemakrockar?
Mittuniversitetet
Mittuniversitetet
Dagens agenda
Diagram
Diagram i Matlab (Ingenjörens verktyg s. 213-220)
Minstakvadratmetoden
Mittuniversitetet
Beroende (y)
Oberoende (x)
Mittuniversitetet
7 mätpunkter
Mittuniversitetet
𝑃
𝑦
𝑇𝑃𝑥𝑦𝑥𝑇
• Omfång: Hur många mätpunkter finns det, och inom vilket intervall
gjordes mätningarna?
Mittuniversitetet
Mittuniversitetet
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;
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’)
Fler användbara funktioner i ”plot”
Skapas med
’xlabel’
Linjära axlar, Logaritmiska axlar
Vanliga värden, Logaritmiska värden
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 ( = )
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
plot(H,v,’o’)
Mittuniversitetet
𝑣𝐻
Mittuniversitetet
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
=
1,49
≈ 4,44
2 ≈ 4,43
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
Mittuniversitetet
Minstakvadratmetoden
Mittuniversitetet
𝑛
𝑛
𝑦
𝑓
𝑥
𝑘
𝑥
𝑘
𝑥
𝑘
𝑥
𝑘
𝑁
𝑘
𝑥
𝑚
𝑘
𝑘𝑚
𝑘
𝑛
𝑛
Minstakvadratmetoden
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
= − ( , 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
( )= 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
( )= 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
1
( − 2)
2
∑
= 1 −
− 2 =1
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
Mittuniversitetet