ฉันสับสนเกี่ยวกับฟังก์ชันประเภทต่อไปนี้
f(x) = b/x**nb * exp(y_(y)/k)
f(x,y) = (b/(x**nb))*exp(y/k)
ที่นี่y
น่าจะเหมือนกันในสองนิพจน์
ฉันต้องการที่จะเข้าใจความแตกต่างหรือความคล้ายคลึงกัน
ฉันสับสนเกี่ยวกับฟังก์ชันประเภทต่อไปนี้
f(x) = b/x**nb * exp(y_(y)/k)
f(x,y) = (b/(x**nb))*exp(y/k)
ที่นี่y
น่าจะเหมือนกันในสองนิพจน์
ฉันต้องการที่จะเข้าใจความแตกต่างหรือความคล้ายคลึงกัน
คำตอบ:
ฉันสามารถบอกคุณในสิ่งที่ฉันเห็นและแน่นอนฉันจะพลาดบางสิ่งบางอย่าง:
f(x) = b/x**nb * exp(y_(y)/k)
; ในฟังก์ชั่นนี้มี:
x
)b
, nb
, k
, y
(หมายเหตุคนสุดท้าย)y_(...)
ของพารามิเตอร์ที่y
กำหนดไว้ที่อื่นf(x,y) = (b/(x**nb))*exp(y/k)
; ในฟังก์ชั่นนี้แทนมี:
x
และy
)b
, nb
,k
()
เพิ่มเติม:-)
เรามาทำตัวอย่างกัน ให้เราคิดว่ามันถูกกำหนดฟังก์ชั่นที่ 1 ( f (x) ) y=3
และ เราได้รับผลลัพธ์ (พล็อตตัวเลขบางส่วนคำจำกัดความของฟังก์ชันดูตามที่คุณต้องการ)
ที่จะได้รับผลเดียวกันถ้าแทนมันถูกกำหนดให้f (x, y)f(x,y_(3))
เราสามารถใช้
จนถึงตอนนี้ฉันหวังว่ามันจะมีระนาบเพียงพอ แน่นอนy_()
จะต้องมีการกำหนดไว้ก่อนในทั้งสองกรณีและเราสามารถเรียกใช้ฟังก์ชันY_ (x)กับพารามิเตอร์ใด ๆ โดยพลหรือค่าคงที่: f(x,y_(AnotherParameter))
, f(x,5)
หรือฟังก์ชั่นอื่นหรือเพียงแค่มีf(x,zZz_(y))
f(x,y)
ในแต่ละช่วงเวลาที่คุณสามารถมีหรือที่ 1 หรือที่ 2 ที่กำหนดไว้ในgnuplot , แต่ไม่ใช่ทั้งสองอย่างในเวลาเดียวกัน คำจำกัดความที่สองเขียนทับคำสั่งก่อนหน้า
ตอนนี้ให้เรามีความซับซ้อนบิตสิ่ง:
ทำไมคุณสามารถค้นหาสิ่งที่เป็นY_ (x)ภายในฟังก์ชั่นเป็นที่ 1 หรือแทนของตัวแปรที่เรียบง่ายใน 2d หน้าที่เป็นf (กรัม (x), h (y)) ?
เพราะเมื่อคุณวิเคราะห์ข้อมูลจริงคุณจะพบว่าพารามิเตอร์คงที่ไม่คงที่ดังนั้นคุณสามารถใช้ฟังก์ชันที่พึ่งพาพารามิเตอร์นั้นได้
หากคุณเขียนการขึ้นต่อกันของพารามิเตอร์ที่ฟังก์ชันภายนอกคุณสามารถเปลี่ยนได้อย่างรวดเร็วโดยไม่ต้องแก้ไขการแสดงออกของฟังก์ชันเอง นอกจากนี้เมื่อคุณทำFITคุณเพียงแค่พร้อมฟังก์ชั่นในการพล็อตพฤติกรรมพารามิเตอร์ที่เคารพ ... เคารพการพึ่งพาของเขา
หากFITแสดงว่าพารามิเตอร์นั้นเป็นค่าคงที่คุณสามารถทำซ้ำFIT ที่แก้ไขพารามิเตอร์นั้นเป็นค่าคงที่แบบง่าย ๆ โดยฆ่าฟังก์ชันการทำงาน (เช่นy_(x)=3
สำหรับแต่ละx
คำตอบจะเสมอ3
)
หากFITไม่ได้มาบรรจบกันคุณสามารถลองค้นหาการใช้งานอื่น ๆ สำหรับพารามิเตอร์ได้
IMHO เป็นการดีกว่าที่จะหลีกเลี่ยงการใช้ตัวแปรดัมมี ( y
) เป็นพารามิเตอร์เพราะจะทำให้เข้าใจผิดได้ง่าย