Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Oppiskele Sovellus: Ydinvoimalan Data-analyysi | Oppiminen Sovellusten Kautta
Matlabin Perusteet

bookSovellus: Ydinvoimalan Data-analyysi

Sovella oppimaasi analysoimalla kolmen ydinvoimalan jäteveden tuotantotietoja, ja opi samalla useita tärkeitä yksityiskohtia!

Note
Huomio

Satunnaismuuttujan XX keskihajonta määritellään matemaattisesti seuraavasti:

σ=E[(X−μ)2]=E[X2]−μ2\sigma = \sqrt{E[(X - \mu)^2]} = \sqrt {E[X^2] - \mu^2}

missä EE tarkoittaa odotusarvoa ja μ=E[X]\mu = E[X]. Tämä olettaa, että XX:n todennäköisyysjakauma tunnetaan.

Vaihtoehtoisesti, kun käsittelemme satunnaismuuttujan havaintojoukkoa {x1,x2,x3,...,xn}\{x_1, x_2, x_3, ..., x_n\}, jonka jakauma oletetaan tuntemattomaksi, voimme arvioida keskihajonnan seuraavalla kaavalla:

σ=1n∑xi2−1n∑xi=[mean(xi2)−mean(xi)]0.5\sigma = \sqrt{\frac1n \sum x_i^2 - \frac1n \sum x_i} = [mean(x_i^2) - mean(x_i)]^{0.5}

joka on videolla koodattu kaava (huomaa, että mean(xi)mean(x_i) laskettiin rivillä ennen keskihajonnan laskemista: viittaamme siis tähän tehokkuuden vuoksi sen sijaan, että laskisimme sen uudelleen). Parempi, harhaton estimaattori jakaisi n−1n - 1:llä nn:n sijaan. Ohitamme tämän yksityiskohdan tässä yksinkertaisuuden vuoksi, mutta sen voisi helposti korjata koodissa kertomalla tulos seuraavalla kertoimella:

nn−1\sqrt \frac{n}{n-1}

Tehtävä

1. Ymmärrä tavoitteet
expand arrow

Aloita katsomalla video ymmärtääksesi ohjelman tavoitteet. Käytä videota inspiraationa ja ohjeena lähestymistavallesi.

2. Tunnista Excel-tiedoston sijainti
expand arrow

Etsi tiedosto, joka sisältää käsiteltävän datan.

3. Tuo Excel-data
expand arrow

Käytä sopivia kirjastoja tai menetelmiä lukeaksesi tiedot Excel-tiedostosta.

4. Analysoi ja jaa data
expand arrow
  • Jaa data voimalaitoksen sijainnin perusteella;
  • Laske kuvailevat tilastotiedot (minimi, maksimi, keskiarvo ja keskihajonta) jokaiselle sijainnille, keskittyen sekä teho- että jätevesitietoihin koko vuoden ajalta.
5. Vie tulokset
expand arrow

Tallenna tulokset, mukaan lukien lasketut tilastotiedot, Excel-tiedostoon myöhempää käyttöä varten.

6. Iteroi ja paranna
expand arrow
  • Pyri suunnittelemaan ohjelmasi modulaarisesti ja rakenteellisesti;
  • Jos kohtaat ongelmia, hyödynnä enemmän vihjeitä tai videolla näytettyä koodia;
  • Viimeisenä keinona, kopioi videon koodi mahdollisimman tarkasti.
7. Laadunvarmistus
expand arrow

Varmista ohjelmasi tulosten oikeellisuus vertaamalla niitä videolla näytettyihin tuloksiin, jotta varmistat tarkkuuden ja luotettavuuden.

Kuitenkin varoituksen sana: on parempi harjoitella omien versioiden koodaamista nyt, kun turvaverkko on olemassa, sillä seuraavasta luvusta alkaen näytämme koodia entistä vähemmän yksityiskohtaisesti.

Videolla tuodaan esiin useita käteviä tarkistuspisteitä, joissa voit tarkistaa ohjelmointisi etenemisen esimerkiksi:

  • Poistamalla puolipisteen muuttujan perästä (eli poistamalla muuttujan vaimennuksen);
  • Asettamalla funktiosi tilapäisesti tulostamaan kyseisen muuttujan arvon.
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 1

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you summarize the main steps I need to follow to analyze the data?

What are the key MATLAB functions I should use for this task?

How do I structure my code into the three suggested modules?

Awesome!

Completion rate improved to 3.85

bookSovellus: Ydinvoimalan Data-analyysi

Pyyhkäise näyttääksesi valikon

Sovella oppimaasi analysoimalla kolmen ydinvoimalan jäteveden tuotantotietoja, ja opi samalla useita tärkeitä yksityiskohtia!

Note
Huomio

Satunnaismuuttujan XX keskihajonta määritellään matemaattisesti seuraavasti:

σ=E[(X−μ)2]=E[X2]−μ2\sigma = \sqrt{E[(X - \mu)^2]} = \sqrt {E[X^2] - \mu^2}

missä EE tarkoittaa odotusarvoa ja μ=E[X]\mu = E[X]. Tämä olettaa, että XX:n todennäköisyysjakauma tunnetaan.

Vaihtoehtoisesti, kun käsittelemme satunnaismuuttujan havaintojoukkoa {x1,x2,x3,...,xn}\{x_1, x_2, x_3, ..., x_n\}, jonka jakauma oletetaan tuntemattomaksi, voimme arvioida keskihajonnan seuraavalla kaavalla:

σ=1n∑xi2−1n∑xi=[mean(xi2)−mean(xi)]0.5\sigma = \sqrt{\frac1n \sum x_i^2 - \frac1n \sum x_i} = [mean(x_i^2) - mean(x_i)]^{0.5}

joka on videolla koodattu kaava (huomaa, että mean(xi)mean(x_i) laskettiin rivillä ennen keskihajonnan laskemista: viittaamme siis tähän tehokkuuden vuoksi sen sijaan, että laskisimme sen uudelleen). Parempi, harhaton estimaattori jakaisi n−1n - 1:llä nn:n sijaan. Ohitamme tämän yksityiskohdan tässä yksinkertaisuuden vuoksi, mutta sen voisi helposti korjata koodissa kertomalla tulos seuraavalla kertoimella:

nn−1\sqrt \frac{n}{n-1}

Tehtävä

1. Ymmärrä tavoitteet
expand arrow

Aloita katsomalla video ymmärtääksesi ohjelman tavoitteet. Käytä videota inspiraationa ja ohjeena lähestymistavallesi.

2. Tunnista Excel-tiedoston sijainti
expand arrow

Etsi tiedosto, joka sisältää käsiteltävän datan.

3. Tuo Excel-data
expand arrow

Käytä sopivia kirjastoja tai menetelmiä lukeaksesi tiedot Excel-tiedostosta.

4. Analysoi ja jaa data
expand arrow
  • Jaa data voimalaitoksen sijainnin perusteella;
  • Laske kuvailevat tilastotiedot (minimi, maksimi, keskiarvo ja keskihajonta) jokaiselle sijainnille, keskittyen sekä teho- että jätevesitietoihin koko vuoden ajalta.
5. Vie tulokset
expand arrow

Tallenna tulokset, mukaan lukien lasketut tilastotiedot, Excel-tiedostoon myöhempää käyttöä varten.

6. Iteroi ja paranna
expand arrow
  • Pyri suunnittelemaan ohjelmasi modulaarisesti ja rakenteellisesti;
  • Jos kohtaat ongelmia, hyödynnä enemmän vihjeitä tai videolla näytettyä koodia;
  • Viimeisenä keinona, kopioi videon koodi mahdollisimman tarkasti.
7. Laadunvarmistus
expand arrow

Varmista ohjelmasi tulosten oikeellisuus vertaamalla niitä videolla näytettyihin tuloksiin, jotta varmistat tarkkuuden ja luotettavuuden.

Kuitenkin varoituksen sana: on parempi harjoitella omien versioiden koodaamista nyt, kun turvaverkko on olemassa, sillä seuraavasta luvusta alkaen näytämme koodia entistä vähemmän yksityiskohtaisesti.

Videolla tuodaan esiin useita käteviä tarkistuspisteitä, joissa voit tarkistaa ohjelmointisi etenemisen esimerkiksi:

  • Poistamalla puolipisteen muuttujan perästä (eli poistamalla muuttujan vaimennuksen);
  • Asettamalla funktiosi tilapäisesti tulostamaan kyseisen muuttujan arvon.
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 1
some-alt