Univerzita PardubiceFakulta elektrotechniky a informatiky

Univerzita Pardubice

Zaměstnanci
|
Studenti
English

Publikace detail

Vyhodnocování experimentálních dat (9)

Autoři: Javůrek Milan | Taufer Ivan

Rok: 2015

Druh publikace: článek v odborném periodiku

Název zdroje: CHEMagazín

Strana od-do: 37 - 39

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Vyhodnocování experimentálních dat (9)	Regrese je nejpoužívanější metoda vyhodnocování experimentálních dat. Je to aproximační metoda, kdy se experimentálními daty prokládá spojitá závislost. Proložení se nejčastěji provádí metodou nejmenších čtverců. V článku je popsán princip této metody a předpoklady jejího použití. Pro nejjednodušší případ přímky je ukázáno odvození normálních rovnic. Podle typu této závislosti rozlišujeme regresi lineární a nelineární, kdy je rozhodující postavení parametrů, nikoli tvar jejího průběhu. Pokud existuje fyzikální popis děje, jde o analytický předpis závislosti, jinak se volí nějaký obecný matematický vztah – např. polynom.	regrese, metoda nejmenších čtverců, regresní parametry
eng	Evaluation of Experimental Data (9)	The method of regression is the most frequently used method of evaluation of experimental data. It is an approximation method, where discrete experimental data are interlaced with a continuous dependence. The interlacing is most usually performed by means of the least squares method. This present article describes the principles of this method and the prerequisites for its use. For the simplest case of straight line, the article shows derivation of normal equations for calculation of parameters of approximation dependence. According to the type of this dependence, we can differentiate between a linear regression and a non-linear one, in the latter case the decisive factor being the position of parameters, not the shape of the course of the dependence. If there exists a physical description of the process, the regression represents an analytical prescription of the dependence; otherwise, some general mathematical relation is chosen – e.g., a polynomial function.	Regression, least squares method, regression parameters