taralino

.linear

Die Funktion CurveFitting.linear(T) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
T	Datenfeld	Liste von Zahlenpaaren

Es wird eine lineare Regression der Messdaten T bestimmt. Zurückgegeben werden die beiden Parameter $a_1$ und $a_2$ der zugehörigen Modellfunktion

\displaystyle g(x,a_1,a_2)~=~a_1+a_2\cdot x

als Datenfeld mit zwei Einträgen.

Beispiel

Im folgenden Beispiel werden Daten erzeugt und es wird eine lineare Regression durchgeführt. Das Ergebnis wird entsprechend graphisch dargestellt.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var n = 40;

// Messdaten erzeugen
var T = [];
for (var k = 0; k < n; k++) {
  var x = 10*Math.random();
  T.push([x, 0.8*x + 3 + 3*Math.random()]);
};

// Lineare Regression
var a = CurveFitting.linear(T);

function h(x) {
  return a[0] + a[1]*x;
};

// Ergebnis darstellen
Plot.init(640, 320, {axis:["y-Achse","x-Achse"]});
Plot.list(T);
Plot.func(h, 0, 10);
Plot.draw();

</script>
</body>
</html>

xxxxxxxxxx
 
<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>
​
var n = 40;
​
// Messdaten erzeugen
var T = [];
for (var k = 0; k < n; k++) {
  var x = 10*Math.random();
  T.push([x, 0.8*x + 3 + 3*Math.random()]);
};
​
// Lineare Regression
var a = CurveFitting.linear(T);
​
function h(x) {
  return a[0] + a[1]*x;
};
​
// Ergebnis darstellen
Plot.init(640, 320, {axis:["y-Achse","x-Achse"]});
Plot.list(T);
Plot.func(h, 0, 10);
Plot.draw();
​
</script>
</body>
</html>

Vorschau Download Kopie speichern