This shows you the differences between two versions of the page.
Both sides previous revision Previous revision | Next revision Both sides next revision | ||
courses:computational_mathematics:prac5 [2022/04/17 02:01] andrey.suchkov |
courses:computational_mathematics:prac5 [2022/04/17 02:03] andrey.suchkov |
||
---|---|---|---|
Line 14: | Line 14: | ||
- Построить набор случайных данных с параметром зашумления $ fluc $. Рекомендуется использовать следующий скрипт (здесь ''std_num'' -- номер студенческого билета, e.g.: ''std_num = 130301''): <code octave> | - Построить набор случайных данных с параметром зашумления $ fluc $. Рекомендуется использовать следующий скрипт (здесь ''std_num'' -- номер студенческого билета, e.g.: ''std_num = 130301''): <code octave> | ||
rand ("state", std_num) | rand ("state", std_num) | ||
- | x = 0:b/(n-1):b; | + | x = linspace (0, b, n); |
- | y = f (x) + (2 * rand (1, n+1) - 1) * fluc; | + | y = f (x) + (2 * rand (1, n) - 1) * fluc; |
</code> | </code> | ||
- Аппроксимировать полученные данные с помощью функции ''mnk ()'' по трём моделям: полиномиальной, экспоненциальной и ДПФ. Построить графики аппроксимационных функций вместе с облаком значений. Вычислить среднеквадратические отклонения для каждой модели. Сделать выводы. | - Аппроксимировать полученные данные с помощью функции ''mnk ()'' по трём моделям: полиномиальной, экспоненциальной и ДПФ. Построить графики аппроксимационных функций вместе с облаком значений. Вычислить среднеквадратические отклонения для каждой модели. Сделать выводы. |