Documente Academic
Documente Profesional
Documente Cultură
GUTIERREZ
NUMERO DE LISTA: # 14
St = (yi - y)2 = es la suma total de los cuadrados de los residuos entre los datos y
la media.
La varianza (S2) es la desviacin estndar al cuadrado:
S2 = (yi - y)2/n-1 = St /n-1 otra manera de calcular la desviacin estndar es:
S2 = (yi - (yi)2 / n)/n-1
El coeficiente de variacin (c.v.) es la razn de la desviacin estndar a la media:
c.v. = S/y (100) %
Que es similar al ERP, es decir, es la razn del error de medicin (s), a un
estimado del valor real (y). Estos son algunos fundamentos de estadstica que son
utilizados en el ajuste de funciones para poder tener ms claros los temas a tratar.
En la interpolacin abarca que dada una tabla de valores (xi, fi) se desea estimar
f(x) para valores de x que no se encuentran en la tabla, eso quiere decir con el
objetivo de buscar un numero que no se encuentra el dicha tabla y con los datos
que se obtienen poder calcular el valor requerido, para ellos existe diversos
mtodos como el de interpolacin directa que nos dice que dado por un polinomio
de orden n: Pn(x) = C1xn + C2xn1 + . + Cnx + Cn+1 donde los coeficientes ci se
obtienen de resolver el sistema de ecuaciones dado por:
X1n
X1n-1
X1
C1
X2n
X2n-1
X2
C2
Xn+1n-1
Xn+1
Xn+1n
Cn+1
f1
=
f2
f3
n+1
i=1
j=1
j i
Pn ( x )= fi
x x j
x ix j
Es facil demostrar que los polinomios de Lagrange pasan por todos lo puntos
evalundolos para valores xi n = 1, 2, Para n = 1, es decir, para dos datos, el
polinomio tiene la siguiente forma:
P1 ( x )=f 1
x x2
xx 1
+f 2
x 1x 2
x 2x 1
Sustituyendo los valores de xi, es fcil demostrar que P 1(x1) = f1, y que P1(x2) = f2.
Es fcil demostrar que P3(x1) = f1, P3(x2) = f2, y P3(x3) = f3. En general se puede
demostrar que Pn(xi) = fi para i = 1, 2, . . . , n + 1, es decir que el polinomio de
Lagrange es efectivamente igual al polinomio de interpolacin. Cuando se utiliza el
polinomio de Lagrange para interpolacin se debe evaluar la ecuacin original
para cada valor que se vaya a interpolar.
Entre los polinomios estn los de Newton y diferencias divididas, el polinomio de
Newton es una forma ms eficiente de evaluar el polinomio de interpolacin. En
este mtodo, se calcula una tabla de diferencias dividas una vez, y estas son
utilizadas para cada dato que se vaya a interpolar.
Las diferencias divididas se definen de la siguiente manera:
a) Diferencias divididas de orden 0:
f [ x i ] =f i
f j f i
f
x
,
x
=
[
]
i
j
b) Diferencias divididas de orden 1:
x j x i
f [ x i , x j , x k ]=
f [ x j , x k ] f [ x i , x j ]
x k xi
n1
i1
i=1
j=1
Pn ( x )= ai
Podemos probar que Pn(xi) = fi, por lo tanto, el polinomio de Newton es
efectivamente un polinomio de interpolacin.
de Newton-Gregory y diferencias
se dice que los datos estn uniformemente espaciados si
xi+1 xi = x es constante para i = 1, 2, 3, . . . Para el caso
particular de datos uniformemente espaciados, es posible
encontrar una forma ms sencilla del polinomio de Newton.
Esta forma ms sencilla se basa en diferencias que se
definen de la siguiente manera:
Al igual que los dems polinomios el
Diferencia de orden 0:
Diferencia de orden 1:
Diferencia de orden 2:
Diferencia de orden 3:
Diferencia de orden k:
0fi = fi
1fi = fi+1 fi
2fi = (fi) = (fi+1 fi) = fi+1 fi = fi+2 2fi+1 + fi
3fi = (2fi) = 2fi+1 2fi = fi+3 3fi+2 + 3fi+1 fi
kfi = fi+k kfi+k1 + k(k 1)/2! fi+k2 k(k 1)(k 2)/3! fi+k3
()
donde K = 1,2.n
FUENTES BIBLIOGRAFICAS