skriv koden linje for linje af og gør dig umage med at forstå betydningen af hver linje.
det er x_akse og y_akse som indeholder x og y array med punkter til regression.
np.polyfit(x_akse,y_akse,1) gennemfører regressionen og spytter a og b ud (a_fit og b_fit)
de to print() linjer printer resultater fra den lineære regressions beregning i tal. round runder til 4 decimaler
tjek nu linjen med plt.plot(x_akse,a_fit*x_akse + b_fit)
og forstå dens funktion
Her til højre er der resultater fra et rigtigt fysikeksperiment til bestemmelse af den specifikke varmekapacitet c for vand.
Formlen for den termiske energi i J er:
I tabellen er der sammenhængende værdier for sluttemperaturen og den tilførte energi målt med en energimåler i Joule. Dvs. at det er E_tilført.
Antag at virkningsgraden er 94% dvs at 94% af den målte energi går til opvarmning af vandet. Starttemperaturen blev målt til 19,2 C
T_start = 19,2C
eta = 0,94
Trikket er at bruge arrays.
Lav to nye arrays
x_maalt = np.array([27.03, 35.46 ........ 58.28])
y_maalt = np.array([81311.6, 130507.8 ....... 220725.2])
Nu kan du regne med disse arrays som om de var tal.
x_akse = x_maalt * whateveryoulike :-)