Page 238 - 4195

n
n


€

C    g i P 3   i   P 3 2   0i  . 023 ;


3
i  1   i 1
n
€ 2
C  P 3 2   2i  ; 7 .
3
i 1
1
2
S   3  
з
n m  1
 n 2 n n n 
€
€
2
2
2
    g  С € 0   C € 1  P 1 2   i  C 2 P 2 2   i  C 3 P 3 2   i  
i
 i 1 i 1 i 1 i 1 
1
 467.7 426.0 36.3 2.7    0.3375.
8

Величина відношення залишкових дисперсій
S 2  2 . 0 60
з   . 1 778
S 2  3 . 0 3375
з
менша критичного значення
F . 0 95  8,9  3 . 39.
Це означає, що розбіжність залишкових дисперсій
S 2  2 та  3S 2 незначуща. Отже для апроксимації граві-
з з
таційного поля отримана модель 2-го порядку:
 € g  10.69 0.863P   0.055i  P   i .
i 1 2
Наступні два приклади демонструють використання
пакету Mathcad для апроксимації одних і тих же даних
методом поліноміальної регресії і методом медіан.

238