Origin8数据分析

设置数据显示范围
选择拟显示的数据范围
Data菜单 Set display range
恢复： Data菜单 Reset to full range
2.5 屏蔽数据
屏蔽数据可在图形窗口或工作表中完成
2.5.1在图形窗口中屏蔽数据
设置图形窗口为活动窗口 单击tools工具栏上的add masked points to active plot按钮选取该工具 逐个单击或拖动鼠标选择要屏蔽的数据。
2.1 设置活动数据
当图层中包含多组数据时，进行数据分析前需 要先设置活动数据。 方法：Data菜单→单击勾选要设置的数据。
2.2 选择整组数据
方法1： Data菜单→ Mark data range 方法2：Tools工具栏→ Data selector工具按 钮→在标记上双击或enter
2.3 选择区域数据
拟合结果的 分析报表
1.2 多项式回归
C:\Program Files\OriginLab\Origin8\Samples\Curve Fitting\ Polynomial Fit.dat Analysis Fitting Fit Polynomial Polynominal order: 2(左图，B列)、3(右图，C列)
线性回归(linear regression) 非线性回归 (nonlinear regression) (非线性回归处理的情况要比线性回归复杂得多，需要进行更大量的尝试。因 此除了依赖计算进行反复运算逼近，用户自己对参数的取值范围和估算也很重 要。)
1.1 线性拟合分析
线性拟合分析是数据分析中最简单但最重要的一种分 析方法，其主要目标是寻找数据集中数据增长的大致 方向，以便排除某些误差数值，并预测未知数据的值。 Origin按以下算法把曲线拟合为直线:对X(自变量)和Y 〔因变量〕。
不同点：多了累计概率的 图形
99.5 98 90 70 50 30 10 2 0.5 0.01 1000
800
Counts
600
400
200
0 20 40 60 80 100 120 140 160
线性回归方程为丫=A+BX 参数A（截距）和B(斜率)由最小二乘法求算。 最小二乘法（又称最小平方法）是一种数学优化技术。它通 过最小化误差的平方和寻找数据的最佳函数匹配。
1.1 线性拟合分析
C:\Program Files\OriginLab\Origin 8\Samples\Curve Fitting\ Linear Fit.dat。 选中B列，绘制散点图。
回归分析分类
根据方程涉及变量的个数
一元回归
y = β 0 + β1 x + ε
y = b0 + b1 x + b2 x 2 + L + bk x k + ε
多元回归(multiple regression)
y = β 0 + β1 x1 + β 2 x2 + L + β k xk + ε
根据自变量和因变量函数关系是直线还是曲线
3.2 概率直方统计图
20 40 60 80 100 120 140 160
Cumulative Counts
C:\Program Files\OriginLab\Origin 8\Samples\GraphingH istogram.dat 选择B列，Plot菜单 statistics histogram+probabilit ies
Errors as Weight: 误差权重； Fit intercept和Fit intercept at: 拟合曲线的截距的限制，如 果选择0则通过原点； Fix slope和Fix slope at: 拟合曲线斜率的限制; Use Reduced Chi-Sqr: 这个数据也能揭示误差情况； Apaparent fit: 可用于使用log坐标对指数哀减进行直线拟合。
2.9 手工画图添加数据
Tools工具栏 Draw data
在图形区依次双击即可在图形上人为的添加数 据点
所画点的坐标用名为draw1的隐藏工作簿存放。
3 统计图
3.1直方统计图
C:\Program Files\OriginLab\Origin8\S amples\GraphingHistogra m.dat 选择B列，Plot菜单 statistics histogram
例如，自由落体运动中，物体下落的距离S与 所需时间t之间，有如下关系：
1 S = gt2 2
变量S的值随t而定(其他项是常数)，这就是说，如 果t有确定值，那么S的值就完全确定了。这种关系 就是所谓的函数关系或确定性关系。
1 数据回归、拟合
回归分析也可以称为拟合(Fitting)。
回归是要找到一个有效的关系，拟合则要找到一个 最佳的匹配方程，两者虽然略有差异，但基本是同 一个意思。
B Polynomial Fit of B
C Polynomial Fit of C
350 300 250 200 150 100 50 0 -50 0 5 10 15 20
Equation Weight Residual Sum of Squares Adj. R-Square B B B Intercept B1 B2 y = Intercept + B1 *x^1 + B2*x^2 No Weighting 170.29797 0.99923 Value 79.65561 -22.21818 1.50716 Standard Error 1.28871 0.27428 0.01219
选中B列绘制散点图
Analysis Fitting Fit exponential NLFit对话框中单击Fit
1.4.2 指数拟合
1.4.2 指数拟合
Decay 1 ExpDec1 of Decay 1
300
Model
ExpDec1 y = A1*exp(-x/t1) + y0 24.63406 0.98475 Value Standard Error 0.68926 3.11077 0.00319 y0 A1 t1 104.8603 193.32679 0.12087
Tools工具栏→Regional data selector 在窗口拖动鼠标，选择区域。
2.4 改变数据选择范围
Tools工具栏→ Data selector工具按钮→分别在两端 标记上单击拖动鼠标到目标位置→在标记上双击或 enter 清除数据范围选择
Data菜单
Clear data marker
2.5.2 ຫໍສະໝຸດ Baidu工作表中屏蔽数据
右键 mask
apply
也可调出Mask工具栏操作实现（view toolbars)
2.6 解除屏蔽数据
2.6.1 在图形窗口中解除屏蔽数据
设置图形窗口为活动窗口 单击tools工具栏上的remove masked points from active plot按钮选取该工具 逐个单击或拖动鼠标选择要解除屏蔽的数据。
60
Reduced Chi-Sqr Adj. R-Square
Amplitude
40
Amplitude
A sigma FWHM Height
20
0
0
10
20
30
40
50
Channel
1.4.2 指数拟合
C:\Program Files\OriginLab\Origin8\Samples\Curve Fitting\ Exponential Decay.dat
2.6.2 在工作表中解除屏蔽数据
右键 mask
remove
也可调出Mask工具栏操作实现（view toolbars)
2.7 删除不正确的数据点
Data菜单 remove bad data points
单击数据点 enter
2.8 读取数据点或绘图区坐标
读取数据点坐标：Tools工具栏-data reader单击数据点 读取绘图区坐标：Tools工具栏-screen reader-单击绘图区
B
C
25
0
5
10
15
20
25
A
A
1.3 多元线性回归
多元线性回归用于分析多个自变量与一个因变量之间 的线性关系。 C:\Program Files\OriginLab\Origin8\Samples\Curve Fitting\ Multiple Linear Regression.dat Analysis Fitting Multiple Linear Regression 对话框中Dependent data:选D(Y):Dep”，将D列设为 因变量 对话框中Independent data:select columns，选A、 B、C三列设为自变量。
右键单击该图 Go to bin worksheet,激活统计数据表
B
1000
800
Y Axis Title
600
400
200
0 40 60 80 100 120 140 160
X Axis Title
3.1 直方统计图
右键单击该图 plot details Data选项卡， Curve：type由“none”改为“normal”，生成利 用原始数据的平均值和标准差生成的正态分布 曲线。
300 250 200 150 100 50 0 -50 -100
Equation Weight Residual Sum of Squares Adj. R-Square C C C C Intercept B1 B2 B3 y = Intercept + B1 *x^1 + B2*x^2 + B3*x^3 No Weighting 386.84241 0.99767 Value -70.30887 24.75407 -2.93857 0.11523 Standard Error 2.49853 1.01195 0.10919 0.0033
1.4 非线性拟合
1.4.1 Gauss拟合
C:\Program Files\OriginLab\Origin8\Samples\Curve Fitting\ Gaussian.dat
选中B列绘制散点图
Analysis Fitting Nonlinear curve fit NLFit对话框中的Setting标签卡中Function选 择Gauss
1.4.1 Gauss拟合
Amplitude GaussFit of Amplitude
80
Model Equation Gauss y=y0 + (A/(w*sqrt(PI/2)))*ex p(-2*((x-xc)/w)^2) 7.81572 0.98899 Value y0 5.34198 24.9069 10.16969 984.90204 5.08485 11.9739 77.27256 xc w Standard Error 0.58341 0.08666 0.20452 21.45075
B B
14 12 10 8 6 4 2 0 0 2 4 6 8 10 12
A
1.1 线性拟合分析
Analysis Fitting Fit Linear
1.1 线性拟合分析
1.1.1 拟合参数设置
1.
在Recalculate一项中，可以设置输入数据与 输出数据的连接关系.包括Auto(自动)， Manual(手动)、None(无)3个选项。
Auto是当原数据发生变化后自动进行线性回归 Manual是当数据发生变化后,用鼠标单击快捷菜单 手动选择更新 None不进行任何处理
1.1.1 拟合参数设置
Input Data项下面的选项可用于设置输入数据的范 围，主要包括：输入数据区域以及误差数据区域。 Fit options项下,可以设置包括:
250
Equation Reduced Chi-Sqr
Decay 1 (a.u.)
Adj. R-Square
200
Decay 1 Decay 1 Decay 1
150
100
0.0
0.2
0.4
0.6
0.8
1.0
Time (sec)
2 数据操作
在对数据进行回归拟合等分析处理时，常需要 选择数据和屏蔽不参加分析的数据。
Origin 8 数据分析
韩文亮 华侨大学化工学院环境系
1. 数据回归、拟合
回归(regression)分析：处理变量与变量之间 相互关系的数理统计方法。 作用：从大量观测的散点数据中寻找到能反映 事物内部的一些统计规律，并可以按数学模型 形式表达出来，故称它为回归方程(回归模型)。
1. 数据回归、拟合