(b) Least squares polynomial data s

(b) Least squares polynomial data smoothing: This is very similar to the boxcar averaging. In this process first 5 data points are averaged and plotted. Then moved one point to the right and averaged. This process is repeated until all of the points except the last two are averaged to produce a new set of data points. The new curve should be somewhat less noisy than the original data. The signal-to-noise ratio of the data may be enhanced by increasing the width of the smoothing function or by smoothing the data multiple times.

ผลลัพธ์ (ไทย) 1:

(b) ราบเรียบข้อมูลพหุนามกำลังสองน้อยสุด: คล้าย boxcar หาค่าเฉลี่ย ในกระบวนการนี้ จุดข้อมูล 5 แรกเป็น averaged และพล็อต แล้วย้ายจุดหนึ่งทางด้านขวา และ averaged กระบวนการนี้ซ้ำจนทุกจุดยกเว้นล่าสุดสองมี averaged ผลิตชุดใหม่ของจุดข้อมูล เส้นโค้งใหม่ควรเสียงดังค่อนข้างน้อยกว่าข้อมูลเดิม อาจจะเพิ่มอัตราส่วนของสัญญาณเสียงข้อมูล โดยการเพิ่มความกว้างของฟังก์ชันผืน หรือราบเรียบข้อมูลหลายครั้ง

ผลลัพธ์ (ไทย) 2:

(ข) สองน้อยที่สุดพหุนามเรียบข้อมูล: นี่คือคล้ายกับค่าเฉลี่ยสัมภาระ ในขั้นตอนนี้เป็นครั้งแรก 5 คะแนนเฉลี่ยข้อมูลและพล็อต จากนั้นก็ย้ายจุดหนึ่งไปทางขวาและเฉลี่ย กระบวนการนี​​้ซ้ำจนกว่าทุกจุดยกเว้นช่วงสองจะมีค่าเฉลี่ยในการผลิตชุดใหม่ของจุดข้อมูล โค้งใหม่ควรจะค่อนข้างมีเสียงดังน้อยกว่าข้อมูลเดิม สัญญาณต่อเสียงรบกวนอัตราส่วนของข้อมูลที่อาจจะเพิ่มขึ้นโดยการเพิ่มความกว้างของฟังก์ชั่นการปรับให้เรียบหรือโดยการปรับให้เรียบข้อมูลหลายครั้ง

ผลลัพธ์ (ไทย) 3:

( b ) กำลังสองน้อยที่สุดแบบเรียบ : ข้อมูลนี้จะคล้ายกับรถไฟบรรทุกเฉลี่ย . ในขั้นตอนแรกนี้จะเฉลี่ย 5 จุดข้อมูล และวางแผน แล้วย้ายจุดหนึ่งที่เหมาะสมและเฉลี่ย ขั้นตอนนี้ซ้ำจนกว่าทุกจุด ยกเว้นสองตัวสุดท้ายเฉลี่ยในการผลิตชุดใหม่ของจุดข้อมูล เส้นโค้งใหม่ควรจะค่อนข้างน้อยที่มีเสียงดังกว่าข้อมูลเดิมมีอัตราส่วนของสัญญาณข้อมูลอาจถูกเพิ่มโดยการเพิ่มความกว้างของฟังก์ชันหรือเรียบเรียบข้อมูลหลาย ๆครั้ง