综合实验数值计算

..

ExponentialDistribution[?] 指数分布。 StudentTDDistribution[n] t分布。 FRatioDistribution[n1,n2] F分布。 GammaDistibution[r,?] ?分布。

9、MeanCI[data,KnowVariance?Var] 已知方差Var,由数据表data求总体数学期望的置信区间（基于正态分布）。

MeanCI[data] 由数据表data求总体数学期望的置信区间（方差未知，基于t分布）。

10、MeanTest[data, ?,KnownVariance?Var] 已知方差Var，由数据表data检验总体数学期望?，求出P值。

MeanTest[data, ?] 方差未知，由数据表检验总体数学期望?，求出P值。

四、实验的内容和步骤及得到的结果和结果分析

实验一 数据拟合与插值

实验1 数据拟合 1.1、实验内容：

已知一组数据{19.1，76.3}、{25，77.8}、{30.1，79.25}、{36，80.8}、{40，82.35}、{45.1，83.9}、{50，85.1}，求其函数解析式,并绘制出图形。 1.2实验步骤

在Mathematica中输入语句如下

w

..

1.3实验结果

1.4结果分析

这组数据的近似函数解析式为y=70.5723 +0.291456 x，通过使用一次函数得到了很理想的拟合。 2.1 实验内容：

{0.1,5.1234},{0.2,5.3057},{0.3,5.5687},{0.4,5.9378},{0.5,6.4337},{0.6,7.0978},{0.7,7.9493},{0.8,9.0253},{0.9,10.3627}，求其函数解析式,并绘制出图形。 2.2实验步骤

在Mathematica中输入语句如下：

w

..

2.3实验结果

2.4结果分析

这组数据的近似函数解析式为y= 5.30661 -1.83196 x+8.17149 x2，通过使用二次函数得到了很理想的拟合。 3.1实验内容：已知数据表 x y 0.00 1.00 0.15 1.004 0.31 1.031 0.50 1.117 0.60 1.223 0.75 1.422 求4次拟合多项式，并绘图进行比较。

3.2 实验步骤：在Mathematica中输入语句如下

w

..

3.3、实验结果：

3.4、结果分析

拟合多项式为1.02587 -7.53296 x+65.6478 x2-162.547 x3+119.015 x4 4.1实验内容：二元拟合

4.2 实验步骤：在Mathematica中输入语句如下：

4.3实验结果：

4.4 结果分析

w

..

首先生成二元函数1?5x?xy,0?x?1,0?y?1的一个数据表，然好由这些数据反过来求二元函数。说明Fit函数可以求解多元问题。使用函数Chop去掉系数很小的项，以此消除误差。

5.1 实验内容：使用初等函数的组合进行拟合 5.2 实验步骤：在Mathematica中输入语句如下：

5.3 实验结果：

5.4 结果分析：

在进行数据拟合时，第二个参数使用了几个初等函数，说明可以任意选用函数组成函数表。

实验2 插值法构造近似函数 1.1 实验内容：由已知条件求多项式

1.2 实验步骤：在Mathematica中输入语句如下

w