x_2, ppval (cs_2, xx_2), '-', 'LineWidth', 2);
% апроксіміруем перший графік
x11 = [0 0.17]; = x11 * 6;
plot (x11, y11, 'm', 'LineWidth', 2);
= [0.15 0.24]; = (x12 * 100) - 15; (x12, y12, 'g', 'LineWidth', 2)
= [0.22 0.31]; = (x13 * 200) - 38; (x13, y13, 'r', 'LineWidth', 2);
= [0.29 0.36]; = (x14 * 330) - 77; (x14, y14, 'k', 'LineWidth', 2);
x15 = [0.34 0.43]; = (x15 * 545) - 152; (x15, y15, 'b', 'LineWidth', 2);
% апроксіміруем другий графік
x21 = [0 0.22]; = x21 * 4;
plot (x21, y21, 'm', 'LineWidth', 2);
= [0.2 0.29]; = (x22 * 100) - 20; (x22, y22, 'g', 'LineWidth', 2);
= [0.265 0.365]; = (x23 * 200) - 47.5; (x23, y23, 'r', 'LineWidth', 2);
= [0.345 0.41]; = (x24 * 330) - 94; (x24, y24, 'k', 'LineWidth', 2);
= [0.39 0.475]; = (x25 * 545) - 180; (x25, y25, 'b', 'LineWidth', 2);
Отримані дані
В
Рис.2. Апроксимація графіків функціями лінійної залежності
Перший графік:
Y 1 = X 1 < span align = "justify"> * 6; X 1 Є [ 0 0.16)
Y 2 = X 2 < span align = "justify"> * 100 - 15; X 2 Є [0.16 0.24) 3 = X 3 * 200 - 38; X 3 Є [0.22 0.31) 4 = X 4 * 330 - 77; X 4 Є [0.29 0.36) 5 = X 5 * 545 - 152; span> X 5 Є [0.34 0....