Origin8-數(shù)據(jù)處理(新)ppt課件

1、數(shù)據(jù)處理,數(shù)學運算 回歸與擬合 統(tǒng)計分析 光譜處理 Origin編程,數(shù)學運算,數(shù)學運算菜單,插值與外推 簡單數(shù)學運算 歸一化 微分 積分 平均,一維插值步驟,工作表讀入數(shù)據(jù)文件（Mathematicsinterpolation.dat) 既可以從工作表選中數(shù)據(jù)進行一維插值，也可以將選中數(shù)據(jù)作圖后進行一維插值 選擇菜單命令 Analysis: Mathematics: Interpolate/Extropolate Y from X 設置插值對話框有關選項,一維插值,插值對話框 X Values to Interpolate:插值的x值 Method：插值算法,一維插值,D列為C列的插值結(jié)果,

2、Trace Interpolate(對環(huán)形或周期曲線,讀入數(shù)據(jù)文件（Mathematicscircle.dat)，選擇數(shù)據(jù) Analysis: Mathematics: Trace Interpolate,方法設立方B樣條函數(shù) 數(shù)據(jù)點設100,Trace Interpolate(對環(huán)形或周期曲線,結(jié)果如下,三維插值步驟,導入數(shù)據(jù)，如： SamplesMathematics3D Interpolation.dat 激活工作表，選擇菜單 Analysis : Mathematics : 3D Interpolation 指定X、Y、Z、F，和每維多少數(shù)據(jù)點（如5，即差值出125個點） 按“OK,三

3、維插值-設置輸入和控制參數(shù),XYZF需要分別指定 給定每一維的數(shù)據(jù)點,繪制3D散點圖,單擊Plot : 3D XYZ : 3D Scatter 文件選擇插值文件，Plot Type 選擇3D Scatter Buble 按“Add”添加；按“OK”作圖,繪制3D散點圖-設置點大小,雙擊繪圖區(qū)，打開Plot Details對話框 在Graph1：Layer1：3D inerpolate.dat：Original的Symbol頁面，將Size設置為“Col(“3D interplate”)” 按“Apply”和“OK,實例：液體表面吸附量測定,測量原理 測量不同濃度下氣液界面的表面張力，利用如下公

4、式計算溶質(zhì)在液體界面的吸附量 計算表面吸附量，需要計算表面張力對濃度的導數(shù),導數(shù)運算-Mathematics: Differentiate,讀入數(shù)據(jù)文件（Mathematicscircle.dat)，選擇數(shù)據(jù) 點擊菜單Analysis: Mathematics: Differentiate 導數(shù)階數(shù)設為1，勾選Plot Derivative,導數(shù)運算-Mathematics: Differentiate,結(jié)果 工作表添加一列一階導數(shù)值 繪制導數(shù)圖形,回歸與擬合,什么是回歸分析,所謂回歸(regression)分析，就是一種處理變量與變量之間相互關系的數(shù)理統(tǒng)計方法。它可以從大量觀測的散點數(shù)據(jù)中尋

5、找到反映事物內(nèi)部的統(tǒng)計規(guī)律，并按數(shù)學模型形式表達出來，故稱它為回歸方程（回歸模型）。 例如，自由落體運動中，物體下落的距離S與所需時間t之間，有如下關系：S = gt2/2。變量S的值隨t而定(其他項是常數(shù))，這就是說，如果t有確定值，那么S的值就完全確定了。這種關系就是所謂的函數(shù)關系或確定性關系。 回歸(Regression)也可以稱為擬合(Fitting)，回歸是要找到一個有效的關系，擬合則要找到一個最佳的匹配方程，兩者基本是同一個意思,回歸分析分類,根據(jù)方程涉及變量的個數(shù) 一元回歸 多元回歸(multiple regression) 根據(jù)自變量和因變量函數(shù)關系是直線還是曲線 線性回歸(l

6、inear regression) 非線性回歸 (nonlinear regression) (非線性回歸處理的情況要比線性回歸復雜得多，需要進行更大量的嘗試。因此除了依賴計算進行反復運算逼近，用戶自己對參數(shù)的取值范圍和估算也很重要。,主要擬合方式,Fit Linear: 一元線性擬合 Fit Polynomial: 一元多項式擬合 Multiple Linear Regression: 多元線性回歸 NonLinear Curve Fit: 非線性曲線擬合 Nonlinear Surface Fit: 非線性表面擬合 Simulate Curve: 查看曲線（可修改參數(shù)） Simulate

7、Surface: 查看曲面（可修改參數(shù)） Fit Exponential: 指數(shù)擬合 Fit Sigmoidal: S型曲線擬合,線性擬合分析,導入OriginLabOrigin8SamplesCurve Fitting Linear Fit.dat。 執(zhí)行菜單Analysis Fitting Fit Linear,勾選可以自動作圖,勾選可以求任意給定x的y值,擬合結(jié)果的分析報表,給定x值，y值自動計算,排除部分數(shù)據(jù)點擬合,Origin可以在不刪除數(shù)據(jù)點情況下，排除個別數(shù)據(jù)點擬合 導入SamplesCurve FittingOutlier.dat 選擇數(shù)據(jù)，點擊2D graph工具欄的散點按鈕

8、繪制散點圖 點擊菜單Analysis Fitting Fit Linear 將Recalculate設置為Auto，按“OK,查看各數(shù)據(jù)誤差,從工作表可以第6個數(shù)據(jù)標準差太大，圖形也給出類似結(jié)果,排除數(shù)據(jù)點,用鼠標左鍵點擊左側(cè)“Regional Mask Tool”按鈕，并保持不動。在彈出對話框中選擇“Add Masked Points Active Plot” 在激活的圖上加入排除點(按住左鍵不放調(diào)出菜單) 圖標變?yōu)閹в忻婢叩墓鈽?按鼠標左鍵在繪圖區(qū)拖動區(qū)域，選擇排除點 按Esc鍵或鼠標右鍵退出,多項式回歸,讀取OriginLabOrigin8SamplesCurve Fitting Pol

9、ynomial Fit.dat 選取B列，執(zhí)行菜單Analysis Fitting Fit Polynomial,Polynomial Order設置為2，勾選Fitted Curve Plot,多項式回歸,擬合結(jié)果,多元線性回歸,導入文件Multiple Linear Regression.dat 執(zhí)行菜單命令Analysis - Fitting - Mulitple Linear Regression,設置D列為Dependent Data，A,B,C列為Independent Data,多元線性回歸,擬合報表如下,非線性擬合,導入SamplesCurve FittingEnzyme.da

10、t 確保Show Options Dialog 勾選 在Import Options: Header Lines : Comments From設置為3，按OK導入 選擇B、C列繪制散點圖 反應速率方程為,附：酶催化反應,酶是具有催化活性的蛋白質(zhì)，具有高效性和高度選擇性，酶催化反應一般在常溫、常壓下進行。 在酶催化反應中，底物濃度遠遠超過酶的濃度。酶的濃度一定時，反應速率隨底物濃度增加而增大。當?shù)孜餄舛却蟠筮^量時，底物的濃度不再影響反應速率，反應速率達到最大。 反應速度的米氏方程 其中，Vmax為最大速率，Cs為底物濃度，Km為米氏常數(shù)（反應速度降到最大速度一半時底物的濃度,非線性擬合,執(zhí)行A

11、nalysis-Fitting- Nonlinear Curve Fit -Open Dialog 在Settings頁面的Function Selection中，Category選擇為Growth/sigmoidal，F(xiàn)unction為Hill,該函數(shù)形式為,設置擬合數(shù)據(jù),點擊Data Selection的Input Data右側(cè)三角按鈕，在彈出窗口選擇Add All plots in active page,設置擬合和報表形式,在Multi-Data Fit Mode中選擇Global Fit,設置擬合和報表形式,在Parameters頁面，設置Vmax為Share，n和n_2為1。按Fi

12、t擬合,擬合結(jié)果,轉(zhuǎn)化為線性擬合,擬合公式 在工作表增加兩列數(shù)據(jù)（D、E） 設D為X 分別設D和E列為A和B列倒數(shù)。Recalcalute設為None,線性擬合,對D和E數(shù)據(jù)作圖 執(zhí)行Fit Linear擬合 由圖形可看出，下部數(shù)據(jù)擬合不好。主要是因為最上面一個數(shù)據(jù)點偏離大造成。可排除上面數(shù)據(jù)點重新擬合,選擇下部數(shù)據(jù)區(qū),點擊圖層圖標小鎖圖標 點擊Change Parameters彈出線性擬合對話框Import Data的三角圖標 點擊彈出菜單中的Reselect All Data From Graph 鼠標光標鍵變?yōu)?按住左鍵在下部數(shù)據(jù)區(qū)拖出矩形區(qū)。 點擊Select Data in grap

13、h窗口右側(cè)按鈕 點擊線性擬合窗口OK按鈕,重新計算結(jié)果,下面為新選擇數(shù)據(jù)重計算結(jié)果,用戶自定義函數(shù)擬合,化學化工中遇到的方程Origin函數(shù)庫可能不存在，或難以找到。Origin允許自行定義函數(shù)來擬合 菜單Tools : Fitting Function Organizer,步驟-設置類別,光標定位到左側(cè)NewCategory 按NewCategory按鈕 將Name重命名User-Defined,步驟-定義函數(shù)名,按New Function按鈕 Name改名為MyExp,步驟-編制函數(shù),設置parameter names為y0, a, b 在Function框輸入y=y0+a*exp(b*x

14、,編譯函數(shù),點擊Function右側(cè)按鈕 調(diào)出Code Builder窗口 點擊Compile，然后按Return to Dialog按鈕返回,編譯函數(shù),點擊Parameters Setting右側(cè)按鈕 調(diào)出參數(shù)設置窗口 在Parameters頁設置y0,a,b的Value依次為80，100，-5 按OK關閉該窗口。再按Save保存函數(shù)，按OK退出,使用,導入Curve FittingExponential Decay.dat 選中B列，打開非線性擬合對話框，選擇自定義函數(shù)，按Fit擬合,非線性曲面擬合,導入Matrix Conversion and GriddingXYZ Random Ga

15、ussian.dat 將C列設置為z軸，選擇所有數(shù)據(jù) 菜單plot：3D xyz：3D Scatter做3D圖 菜單analysis：fitting：Nolinear Surface Fit 對話框中設置擬合函數(shù)為Gauss2D 按Fit按鈕進行擬合操作,非線性曲面擬合,結(jié)果,統(tǒng)計分析,相關系數(shù),某化學合成實驗需要考察壓力隨溫度的變化關系。針對該實驗在兩個不同容器下進行了兩次實驗，獲得兩組實驗，如下： 溫度(C) 70、75、80、 85、 90、 95、 100、 105、 110、115 壓力1(Mpa) 0、0.1、0.15、0.2、 0.23、 0.26、0.31、0.34、0.4、

16、0.45 壓力2(Mpa) 0、0.1、0.15、0.21、0.25、0.28、0.33、0.38、0.45、0.5 試分析它們和溫度的關聯(lián)關系，及兩次實驗的可靠性,相關系數(shù),將上面數(shù)據(jù)輸入或?qū)氲絆rigin工作表。 選擇所有數(shù)據(jù)，執(zhí)行菜單命令Correlation Coefficient 在對話框plot中勾中scatter plots,相關系數(shù),報表結(jié)果,壓力1與溫度的相關系數(shù),壓力2與溫度的相關系數(shù),壓力2與壓力1的相關系數(shù),壓力1與壓力2與溫度間的相關系數(shù)分別為0.98998和0.00404，呈很好正相關。壓力1和壓力2的相關系數(shù)達到0.9988，相關性非常好，可忽略反應器影響,相關

17、系數(shù)-示例2,導入文件correlations.dat。選擇B和C列，執(zhí)行菜單命令Correlation Coefficient，在對話框plot中勾中scatter plots,描述性統(tǒng)計-statistics on columns,導入文件OriginLabOrigin8SamplesStatisticsbody.dat 選擇Height列 菜單Statistics: Descriptive statistics: Statistics on columns,描述性統(tǒng)計-statistics on columns,按列統(tǒng)計的結(jié)果如下,Frequency Counts,選中Height打開F

18、requency counts對話框，進行如下設置,Frequency Counts-繪圖,選擇產(chǎn)生數(shù)據(jù)列Counts，執(zhí)行菜單Plot: Columns/Bars：Columns?；蛑苯影聪旅?D graph對話框的 圖標 在Plot Details對話框中繪圖的Gaps設置為0,Frequency Counts-合并,點擊圖層工具欄 圖標，添加右Y軸圖層2 雙擊圖層2圖標，在Plot Setup對話框的Available data中選擇FreqCounts1工作表 在Plot type區(qū)選擇Line+Scatter；X軸設置為BinCenter，Y軸設置為CumulFreq；Plot li

19、st定位為Layer2，按Add按鈕 勾選Rescale，按OK完成,注： 可以利用拖放數(shù)據(jù)列向圖層2添加數(shù)據(jù),正態(tài)分布檢驗normality test,檢查體重是否符合正態(tài)分布 選中Weight列，菜單Statistics: Descriptive Statistics: normality test: Open dialog 進行如下圖設置 按OK按鈕,正態(tài)分布檢驗normality test,報表數(shù)據(jù)及藍色文件表示0.05水平上很好符合正態(tài)分布,統(tǒng)計作圖-直方圖,選取Height列，菜單命令Plot: Statistics: Histogram；或下面2D Graph工具欄中選擇Hist

20、ogram圖形 對話框Plot Details: Data: Curve中選擇Normal 按OK按鈕,T-檢驗,雙樣本t-檢驗 例子：如風濕病人和正常人對照組血中硫醇含量(mmol)為 對照組 ：1.84, 1.92, 1.94, 1.92, 1.85, 1.91, 2.0 風濕病人：2.81, 4.06, 3.62, 3.27, 3.27, 3.7, 3.1 嘗試分析在0.05置信水平上，兩種人群的血液中硫醇是否有差別？ 解： 統(tǒng)計假設H0：兩組人群沒有差別（平均值差為0,T-檢驗,在Origin工作表兩列中依次輸入對照和風濕病人組數(shù)據(jù) 菜單命令Statistics: Hypothesis

21、 statistics: Two Sample t-Test 對話框設置 Imput Data Form: Raw Input: 1st data range: 對照，2nd data range：風濕，該輸入沒有次序關系 Test Mean：0，Alternative Hypothesis：Mean1-Mean20,T-檢驗,對話框的輸入內(nèi)容如右圖 按OK,測試1平均值相等,測試2平均值步相等,T-檢驗,結(jié)果分析,Prob|t|列的數(shù)據(jù)小于0.05，不滿足大于0.05水平，兩組數(shù)據(jù)有顯著性差別，因此假設1不成立,光譜處理,光譜處理,擬合單峰(Fit Single Peak) 擬合多峰(Fit Multiple Peaks) 峰分析向?qū)?Peaks Analyzer,光譜分析：尋峰向?qū)?導入Sp