Aproxima un modelo lineal Y(X, Z) con dos variables independientes a datos 2D dados utilizando el método de mínimos cuadrados.
Sintaxis
Approximation2D(DataSet, Model)
o
Approximation2D(DataSet, CustomModel)
La sintaxis de la función Approximation2D consta de los siguientes elementos:
Parte |
Descripción |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
DataSet |
El conjunto de datos cuya aproximación se calcula. Si especifica una serie de datos o una matriz de datos, el componente X y el componente Z se generan automáticamente. Las estructuras de datos permitidas son Serie de datos, Matriz de datos, Señal, Serie de señales y Curva espacial. Se permiten todos los tipos de datos numéricos. En los tipos de datos complejos se calcula un valor absoluto. Si el argumento es una lista, la función se ejecuta para cada elemento de la lista y el resultado también es una lista. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Model |
Determina la estructura de la función del modelo cuyos coeficientes vienen determinados por la aproximación. El argumento Model puede tener los siguientes valores: El argumento Model puede formarse sumando los siguientes valores. Si, por ejemplo, la función del modelo deseada es A + B * X + C *Z2, el argumento Model debe tener el valor APPROX2D_C + APPROX2D_X + APPROX2D_Z_2. Approximation2D calcula entonces los coeficientes desconocidos A, B y C para que la función del modelo se aproxime lo más posible a la señal especificada.
Las estructuras de datos permitidas son Valor escalar. Los tipos de datos permitidos son Entero de 16 bits y Entero de 32 bits. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
CustomModel |
Determina la estructura de la función del modelo cuyos coeficientes vienen determinados por la aproximación. La función del modelo personalizada se transfiere como una serie de datos de cadenas. Por ejemplo, la función del modelo Y = A + B * X + C * sin(2 * PI * Z) se describe mediante las series de datos {"1", "X", "sin(2*PI*Z)"}. Las estructuras de datos permitidas son Serie de datos. Los tipos de datos permitidos son Cadena. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Notas
Como resultado, la función devuelve una serie de datos del tipo de datos En coma flotante de 64 bits.
El número de valores corresponde al número de funciones de elemento de la función del modelo más uno.
El último valor representa la medida de ajuste Χ2 (chi-cuadrado). Es la suma de los cuadrados de todas las desviaciones de la función aproximada del modelo con respecto a los datos. Cuanto menor sea Χ2, mejor se aproxima a los datos la función del modelo encontrada. Los demás valores de la serie de datos proporcionan los coeficientes de las funciones de elemento utilizadas en la función del modelo, cuyo orden corresponde al utilizado en la tabla anterior.
Disponibilidad
FlexPro Basic, Professional, Developer Suite
Ejemplos
Dim _c = Approximation2D(SpaceCurve, APPROX2D_C + APPROX2D_X + APPROX2D_Z_2)
Signal(_c[0] + _c[1] * (SpaceCurve.X) + _c[2] * (SpaceCurve.Z)^2., SpaceCurve.X, SpaceCurve.Z)
Aproxima una curva espacial con una función del modelo cuadrática Y(X, Z) = A + B * X + C *Z2.
Véase también
Objeto de análisis Aproximación
Objeto de análisis Aproximación 2D
Objeto de análisis Regresión lineal
Bibliografía
[1] "Philip R. Bevington, D. Keith Robinson": "Data Reduction and Error Analysis for the Physical Sciences, 3rd Edition". "McGraw-Hill, New Jork", 2003. ISBN 0-07-247227-8.
[2] "William H. Press et al.": "Numerical Recipes in C, Second Edition". "Cambridge University Press", 1992. ISBN 0-552-43108-5.