First

SCM.ipynb

@@ -0,0 +1,37 @@
+{
+  "metadata": {
+    "language_info": {
+      "codemirror_mode": {
+        "name": "python",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.8"
+    },
+    "kernelspec": {
+      "name": "python",
+      "display_name": "Python (Pyodide)",
+      "language": "python"
+    }
+  },
+  "nbformat_minor": 4,
+  "nbformat": 4,
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": "## 30. Аппроксимация данных. Солнечная активность\n\nhttp://www.sidc.be/silso/datafiles\n\nНиже представлены данные по солнечной активности (усредненные числа Вольфа) с 1900 по 2015 гг. \nИзобразить данные.\nПодобрать модель, аппроксимирующую их. Построить график полученной аппроксимирующей функции.\nМожно воспользоваться пребразованием Фурье, чтобы определить частоту колебаний в солнечной активности.\nНа какой ближайший год придется следующий пик солнечной активности?\n\n```\nЧитать по строкам (1900...2015):\n  15.7 4.6 8.5 40.8 70.1 105.5 90.1 102.8 80.9\n  73.2 30.9 9.5 6.0 2.4 16.1 79.0 95.0 173.6 134.6\n  105.7 62.7 43.5 23.7 9.7 27.9 74.0 106.5 114.7\n  129.7 108.2 59.4 35.1 18.6 9.2 14.6 60.2 132.8\n  190.6 182.6 148.0 113.0 79.2 50.8 27.1 16.1 55.3\n  154.3 214.7 193.0 190.7 118.9 98.3 45.0 20.1 6.6\n  54.2 200.7 269.3 261.7 225.1 159.0 76.4 53.4\n  39.9 15.0 22.0 66.8 132.9 150.0 149.4 148.0 94.4\n  97.6 54.1 49.2 22.5 18.4 39.3 131.0 220.1 218.9\n  198.9 162.4 91.0 60.5 20.6 14.8 33.9 123.0 211.1\n  191.8 203.3 133.0 76.1 44.9 25.1 11.6 28.9 88.3\n  136.3 173.9 170.4 163.6 99.3 65.3 45.8 24.7 12.6\n  4.2 4.8 24.9 80.8 84.5 94.0 113.3 69.8\n```",
+      "metadata": {}
+    },
+    {
+      "cell_type": "code",
+      "source": "",
+      "metadata": {},
+      "execution_count": null,
+      "outputs": []
+    }
+  ]
+}