Renvoie l'ajustement logarithmique d'un ensemble de données (X, Y) en utilisant la méthode des moindres carrés, des moindres résidus absolus, ou la méthode bicarrée.


icon

Entrées/Sorties

  • cdbl.png base —

    base spécifie la base du logarithme. La valeur par défaut est e, ou logarithme népérien.

  • c1ddbl.png Y —

    Y est le tableau des valeurs dépendantes. La longueur de Y doit être supérieure ou égale au nombre de paramètres inconnus.

  • c1ddbl.png X —

    X est le tableau des valeurs indépendantes. X doit avoir la même taille que Y.

  • c1ddbl.png Pondération —

    Pondération représente le tableau des pondérations pour les observations (X, Y). Pondération doit avoir la même taille que Y. Si vous ne câblez pas d'entrée à Pondération, le VI définit tous les éléments de Pondération à 1. Si un élément de Pondération est inférieur à 0, le VI utilise la valeur absolue de l'élément.

  • cdbl.png tolérance —

    tolérance détermine quand il faut arrêter l'ajustement itératif d'amplitude et d'échelle. Pour les méthodes des moindres carrés et des moindres résidus absolus, si la différence relative de résidu entre deux itérations successives est inférieure à la tolérance, ce VI renvoie le résidu résultant. Pour la méthode Bicarrée, si la différence relative d'amplitude et d'échelle entre deux itérations successives est inférieure à tolérance, ce VI renvoie l'amplitude et l'échelle résultantes. Si tolérance est inférieur ou égal à 0, ce VI définit la tolérance à 0,0001.

  • cu16.png méthode —

    méthode spécifie la méthode d'ajustement.

    0Moindres carrés (valeur par défaut)
    1Moindres résidus absolus
    2Bicarrée
  • cnclst.png limites des paramètres —

    limites des paramètres contient les contraintes supérieures et inférieures d'amplitude et d'échelle. Si vous connaissez la valeur exacte de certains paramètres, vous pouvez définir les limites supérieure et inférieure de ces paramètres pour qu'elles soient égales aux valeurs connues.

  • cdbl.png amp min —

    ampli mini spécifie la limite inférieure d'amplitude. La valeur par défaut est -Inf, ce qui signifie qu'aucune limite inférieure n'est imposée à l'amplitude.

  • cdbl.png amp max —

    ampli maxi spécifie la limite supérieure d'amplitude. La valeur par défaut est Inf, ce qui signifie qu'aucune limite supérieure n'est imposée à l'amplitude.

  • cdbl.png échelle min —

    échelle mini spécifie la limite inférieure d'échelle. La valeur par défaut est -Inf, ce qui signifie qu'aucune limite inférieure n'est imposée à l'échelle.

  • cdbl.png échelle max —

    échelle maxi spécifie la limite supérieure d'échelle. La valeur par défaut est Inf, ce qui signifie qu'aucune limite supérieure n'est imposée à l'échelle.

  • i1ddbl.png Ajustement logarithmique optimal —

    Ajustement logarithmique optimal renvoie les valeurs y du modèle ajusté.

  • idbl.png amplitude —

    amplitude renvoie l'amplitude du modèle ajusté.

  • idbl.png échelle —

    échelle renvoie l'échelle du modèle ajusté.

  • ii32.png erreur —

    erreur contient toute condition d'erreur ou de mise en garde renvoyée par le VI. Vous pouvez câbler erreur au VI Convertir un code d'erreur en cluster d'erreur pour convertir le code d'erreur ou la mise en garde en cluster d'erreur.

  • idbl.png résidu —

    résidu renvoie l'erreur moyenne pondérée du modèle ajusté. Si méthode est Moindres résidus absolus, résidu est l'erreur absolue moyenne pondérée. Sinon, résidu est l'erreur quadratique moyenne pondérée.

    • Ce VI utilise la méthode des moindres carrés itérative générale et la méthode de Levenberg-Marquardt pour ajuster des données à une fonction logarithmique dont la forme générale est décrite par l'équation suivante :

    f = alogc(bx)

    x étant la séquence X en entrée, c la base, a l'amplitude et b l'échelle. Ce VI trouve les valeurs de a et b qui correspondent le mieux aux observations (X, Y).

    La formule suivante décrit la fonction logarithmique résultant de l'algorithme d'ajustement logarithmique :

    y[i] = alogc(bx[i])

    Si le bruit de Y est à distribution gaussienne, utilisez la méthode des moindres carrés. L'illustration suivante représente l'ajustement logarithmique résultant de l'utilisation de cette méthode.

    Lorsque vous utilisez la méthode des moindres carrés, ce VI trouve l'amplitude et l'échelle du modèle logarithmique en minimisant le résidu conformément à l'équation suivante :

    N étant la longueur de Y, wi le ième élément de Pondération, fi le ième élément de l'ajustement logarithmique optimal, et yi le ième élément de Y.

    Les méthodes des moindres résidus absolus et bicarrée sont des méthodes d'ajustement robustes. Utilisez ces méthodes si vous trouvez des données aberrantes dans les observations. L'illustration suivante compare les résultats de l'ajustement des méthodes d'ajustement de type moindres carrés, moindres résidus absolus, et bicarrée. Dans la plupart des cas, la méthode bicarrée est moins sensible aux données aberrantes que la méthode des moindres résidus absolus.

    Lorsque vous utilisez la méthode des moindres résidus absolus, ce VI trouve l'amplitude et l'échelle du modèle logarithmique en minimisant le résidu conformément à l'équation suivante :

    Lorsque vous utilisez la méthode bicarrée, ce VI obtient l'amplitude et l'échelle en utilisant un processus itératif, comme dans l'illustration suivante, et calcule le résidu en utilisant la même formule que la méthode des moindres carrés.