センサーは、ほとんどすべての測定機器と同様に、温度に非常に敏感であるため、さまざまな温度に対して一連の特性（最小3）を削除する必要がありました。
データはさまざまな方法でMathCadに入力できますが、転置された行ベクトルの形式でこれを行うことをお勧めします。
この後、「強い意志」の決定によって近似関数のタイプを設定し、各キャリブレーション特性を近似する必要があります。 したがって、私の関数は、任意の関数の線形結合の形で解を探しているlinfit関数を使用して、3次多項式で正常に近似され、3つの多項式の係数を取得しました。
結果の多項式によって「成功した」実験データがどのようにモデル化されるかを確認するには、グラフを作成できます。
さて、温度補正を導入するために、各多項式係数の温度依存性、すなわち オッズのためだけに上記を行います。 実験データは、係数と温度値そのものになります。 温度依存性が線形であることを本当に望んでいましたが、線形近似に不必要にlinfit関数を使用することは可能ですが、それでもなお：
最後に、次の形式で目的の依存関係が表示されます。
結果についてコメントすると、あまりうまく機能せず、率直に言ってうんざりしていました。 特性は当初、不十分な射撃で、通常のスタンドの欠如が影響を受けました。 一般に、キャリブレーションタスクはアマチュア的とはほど遠いものであり、膝の上で行うことはありません。 しかし、私はアプローチについて話したかった。