Kursusindhold

Matlab Grundlæggende

1. Grundlæggende Syntaks og Kodning med en Teksteditor

Matlabs Placering og Mørk Tilstand Kommandovinduet Installation af en Teksteditor og Dens Pakker Afslutning af Teksteditoren Oprettelse af Kodestumper og Skrivning af Programmer

2. Kodningsgrundlag

Arbejde med Matricer Import og Eksport af Data til og fra Excel For-Løkker If-sætninger Modulær Programmering

3. Læring Gennem Anvendelser

Applikation: Analyse af Data fra Atomkraftværk Applikation: Medicinsk Dataanalyse Generering Af Kombinationer Applikation: Logistikproblem Sortrows- og Find-funktionerne

4. Visualiseringer

Grundlæggende Graftegning Automatisering af Grafoprettelse Applikation: Beregning af 3D-Baner med While-Løkker Anvendelse: Graftegning af 3D-Banekurver og Flere Grafer Systemfunktion

5. Rekursion og Matrixmultiplikation

Rekursiv Programmering Forståelse af Matricer og Matrixmultiplikation Anvendelse af Matrixmultiplikation: Transformation af Vektorer og Koordinatsystemer Anvendelse af Matrixmultiplikation: Løsning af Ligningssystemer Anvendelse af Matrixmultiplikation: Differentialer og Integraler Karrieremuligheder for en MATLAB-programmør

Applikation: Analyse af Data fra Atomkraftværk

Anvend det, du har lært, til at analysere data om spildevandsproduktion fra tre kernekraftværker, og få en række vigtige detaljer med undervejs!

Bemærk

Standardafvigelsen for en stokastisk variabel $X$ er matematisk defineret som

\sigma = \sqrt{E[(X - \mu)^2]} = \sqrt {E[X^2] - \mu^2}

hvor $E$ betegner forventningsværdien af argumentet, og $\mu = E[X]$ . Dette forudsætter, at vi kender sandsynlighedsfordelingen for $X$ .

Alternativt, når vi arbejder med et sæt observationer $\{x_1, x_2, x_3, ..., x_n\}$ af en stokastisk variabel med en formodet (men ukendt) fordeling, kan vi estimere standardafvigelsen med denne formel:

\sigma = \sqrt{\frac1n \sum x_i^2 - \frac1n \sum x_i} = [mean(x_i^2) - mean(x_i)]^{0.5}

hvilket er formlen kodet i videoen (bemærk, at $mean(x_i)$ blev beregnet på linjen før beregningen af standardafvigelsen: derfor refererer vi til denne i stedet for at genberegne for effektivitet). En bedre, ikke-skjev estimator ville dividere med $n - 1$ i stedet for $n$ . Vi ser bort fra denne detalje her for enkelhedens skyld, men det kunne nemt rettes i koden ved at multiplicere resultatet med:

\sqrt \frac{n}{n-1}

Opgave

1. Forstå målene

Start med at se videoen for at forstå programmets mål. Brug videoen som inspiration og vejledning til din tilgang.

2. Identificér placeringen af Excel-filen

Find filen, der indeholder de data, du skal arbejde med.

3. Importér Excel-dataene

Brug passende biblioteker eller metoder til at læse dataene fra Excel-filen.

4. Analyser og opdel dataene

Opdel dataene baseret på anlæggets placering;
Beregn deskriptiv statistik (minimum, maksimum, gennemsnit og standardafvigelse) for hver placering med fokus på både elproduktion og spildevandsdata for hele året.

5. Eksportér resultaterne

Gem dine resultater, inklusive de beregnede statistikker, i en Excel-fil til videre brug.

6. Iterér og forbedr

Forsøg at designe dit program på en modulær og struktureret måde;
Hvis du støder på problemer, brug i højere grad hints eller kode vist i videoen;
Som sidste udvej, kopier koden fra videoen så tæt som muligt.

7. Kvalitetskontrol

Valider dit programs output ved at sammenligne det med resultaterne vist i videoen for at sikre nøjagtighed og pålidelighed.

Dog en venlig advarsel: det er bedre at øve sig i at kode dine egne versioner nu, mens der stadig er et sikkerhedsnet, da vi begynder at vise mindre eksplicit kode fra og med næste kapitel.

Videoen fremhæver også flere praktiske kontrolpunkter, hvor du kan kontrollere dit program undervejs ved enten:

At fjerne semikolonet for at gøre variabler synlige;
At lade din funktion midlertidigt udskrive den pågældende variabel.

Var alt klart?

Tak for dine kommentarer!

Sektion 3. Kapitel 1

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat