opgaver:Uge3
Pia Jensen (Talk | contribs) (Created page with "I denne regneøvelse skal I arbejde med fitning som forklaret i Taylor kapitel 8. I skal her selv lave et datasæt, og lærer derfor også hvordan man genererer tilfældige ta...") |
Pia Jensen (Talk | contribs) |
||
| Line 11: | Line 11: | ||
Beregn lineær regression ud fra Taylor og find de estimerede værdier for <code>A</code> og <code>B</code>, og beregn den fittede modelværdi, <code>y_fit</code>. Plot <code>y_fit</code> oveni det forrige plot og se hvor godt fittet er. Beregn den reducerede $\chi^2$, givet ved | Beregn lineær regression ud fra Taylor og find de estimerede værdier for <code>A</code> og <code>B</code>, og beregn den fittede modelværdi, <code>y_fit</code>. Plot <code>y_fit</code> oveni det forrige plot og se hvor godt fittet er. Beregn den reducerede $\chi^2$, givet ved | ||
| − | :$\ | + | :$\dfrac{\chi^2}{N-P} ,$ |
hvor $N$ er antal datapunkter og $P$ er antal fit-parametre. | hvor $N$ er antal datapunkter og $P$ er antal fit-parametre. | ||
Revision as of 16:26, 6 March 2012
I denne regneøvelse skal I arbejde med fitning som forklaret i Taylor kapitel 8. I skal her selv lave et datasæt, og lærer derfor også hvordan man genererer tilfældige tal i MATLAB. Opgave 2 og 3 er uafhængige, og kan laves i den rækkefølge I har lyst til.
Opgave 1 - Lineær model
Antag at I har en lineær model som i Taylor afsnit 8.2,
- $y = A + B x .$
Vælg passende værdier af A og B og lav en vektor x med målepunkter, f.eks. A = 0, B = 1, x = -2:0.1:2. Lav nu en vektor med den "sande" y ud fra modellen. Vælg en usikkerhed for målingerne, og læg en normalfordelt støj til hver måling - brug MATLAB funktionen randn(). Plot målingerne (med usikkerhederne) og den "sande" model i samme plot.
Beregn lineær regression ud fra Taylor og find de estimerede værdier for A og B, og beregn den fittede modelværdi, y_fit. Plot y_fit oveni det forrige plot og se hvor godt fittet er. Beregn den reducerede $\chi^2$, givet ved
- $\dfrac{\chi^2}{N-P} ,$
hvor $N$ er antal datapunkter og $P$ er antal fit-parametre.
