Origin8＿数据处理.ppt

数学运算菜单 插值与外推 简单数学运算 归一化 微分 积分 平均 一维插值步骤 工作表读入数据文件（Mathematics\interpolation.dat) 既可以从工作表选中数据进行一维插值，也可以将选中数据作图后进行一维插值 选择菜单命令 Analysis: Mathematics: Interpolate/Extropolate Y from X 设置插值对话框有关选项 一维插值 一维插值 Trace Interpolate(对环形或周期曲线) 三维插值步骤 导入数据，如： \Samples\Mathematics\3D Interpolation.dat 激活工作表，选择菜单 Analysis : Mathematics : 3D Interpolation 指定X、Y、Z、F，和每维多少数据点（如5，即差值出125个点） 按“OK” 三维插值-设置输入和控制参数 绘制3D散点图Plot : 3D XYZ : 3D Scatter 绘制3D散点图-设置点大小 导数运算-Mathematics: Differentiate 什么是回归分析 所谓回归(regression)分析，简单的说，就是一种处理变量与变量之间相互关系的数理统计方法。用这种数学方法可以从大量观测的散点数据中寻找到能反映事物内部的一些统计规律，并可以按数学模型形式表达出来，故称它为回归方程（回归模型）。 例如，自由落体运动中，物体下落的距离S与所需时间t之间，有如下关系：S = gt2/2 变量S的值随t而定(其他项是常数)，这就是说，如果t有确定值，那么S的值就完全确定了。这种关系就是所谓的函数关系或确定性关系。 回归(Regression)也可以称为拟合(Fitting)，回归是要找到一个有效的关系，拟合则要找到一个最佳的匹配方程，两者基本是同一个意思。 回归分析分类 根据方程涉及变量的个数 一元回归 多元回归(multiple regression) 根据自变量和因变量函数关系是直线还是曲线 线性回归(linear regression) 非线性回归 (nonlinear regression) (非线性回归处理的情况要比线性回归复杂得多，需要进行更大量的尝试。因此除了依赖计算进行反复运算逼近，用户自己对参数的取值范围和估算也很重要。) 主要拟合方式 Fit Linear: 一元线性拟合 Fit Polynomial: 一元多项式拟合 Multiple Linear Regression: 多元线性回归 NonLinear Curve Fit: 非线性曲线拟合 Nonlinear Surface Fit: 非线性表面拟合 Simulate Curve:查看曲线（可修改参数） Simulate Surface:查看曲面（可修改参数） Fit Exponential:指数拟合 Fit Sigmoidal:S型曲线拟合 线性拟合分析 \OriginLab\Origin8\Samples\Curve Fitting\ Linear Fit.dat。 Analysis ? Fitting ? Fit Linear 拟合结果的分析报表 排除部分数据点拟合 \Samples\Curve Fitting\Outlier.dat 查看各数据误差 第6个数据标准差太大 排除数据点 在激活的图上加入排除点(按住左键不放调出菜单) 多项式回归 \OriginLab\Origin8\Samples\Curve Fitting\ Polynomial Fit.dat 多元线性回归 导入文件Multiple Linear Regression.dat Analysis-Fitting-Mulitple Linear Regression 设置D列为Dependent Data，A,B,C列为Independent Data 非线性拟合 设置函数 设置拟合数据 设置拟合和报表形式 拟合结果 转化为线性拟合 公式 在工作表增加两列数据（D、E） 设D为X 分别设D和E列为A和B列倒数 线性拟合 对D和E数据作图 可以进行Fit Linear或Fit Polynomial 修改参数选择 下部数据拟合不好，可以重新选择数据 选择下部数据区 用户自定义函数拟合 菜单Tools:Fitting Function Organizer 步骤 按NewCategory-重命名User-Defined按New Function改名为MyExp设置parameter names和Function 编译函数 按Function旁边按钮 调出Code Builder窗口按Compile，然后按Return to Dialog按钮返回。返