Documente Academic
Documente Profesional
Documente Cultură
Ajuste de Curvas
Consiste en determinar los parmetros de un modelo y=f(x) que se ajuste mejor a los datos (x1,y1), ... , (xN,yN) que estn sujetos a errores aleatorios producidos por incertidumbres en las mediciones, y por un deficiente control de las condiciones en el que se realiza un experimento.
Ajuste de Curvas
Cuando se consideran datos que estn sujetos a errores aleatorios, se emplea:
Ajuste de Curvas
A partir del mtodo de los mnimos cuadrados se obtienen las Ecuaciones de Regresin y tienen varias aplicaciones: Descripcin y construccin de modelos Prediccin y estimacin Estimacin de parmetros Control
xk 0 1 2 3 4 5 6
yk 9 7 5 4 3 0 -1 y
10 8 6 4 2 0 -2 -4
-1 10
y=Ax+B
-2
-1
La recta de regresin consiste en el anlisis de regresin simple del mtodo de los mnimos cuadrados:
Lo que se desea es encontrar una ecuacin simple que aproxime lo mejor posible los puntos de estudio La recta o cualquier otra funcin elegida para aproximar los datos es llamada modelo
y = f(x) = Ax + B
Que minimiza el error cuadrtico medio E2(f)
1 E2 ( f ) = N
k=1
f ( xk ) y k
1/ 2
(1)
k=1
f ( xk ) y k
(2)
( Axk +
k= 1
B yk )
(3)
El valor mnimo de la funcin E(A,B) se calcula igualando a cero sus derivadas parciales:
E ( A, B ) = 0 A E ( A, B ) = 0 B
(4)
k= 1 N
2( Ax
k= 1
+ B yk ) = 2 ( Axk + B yk )
k= 1
Luego:
( Ax
N k= 1 N k= 1
2 k
2 + Bxk yk xk = A xk + B ( xk ) k=1 k= 1
( )
( x y ) = 0,
k=1 k k
( Ax
+ B yk ) = A ( xk ) + N B
k=1
(y ) = 0
k=1 k
( )
N k= 1
k=1
( x y ), (y )
k=1 k k=1 N k k
A ( xk ) + N B =
(5)
y=-1.607 x + 8.643
( Ax
N k= 1
M k
yk
En este caso particular basta con calcular la derivada de E(A) e igualar a cero:
( Ax
N k=1 M k N
M k
yk ;
M k N
E ( A) = 0 A
k=1 2M k
E ' ( A) = 2 Ax yk x
k=1 2 A xk M k=1
)( ) = 2 ( Ax
N k= 1 k M k
yk xkM = 0
) (y x ) = 0
N 2M k
( y x ) (x )
N k=1 k M k k=1
(6)
A=
( y x ) (x )
N k=1 k M k N k=1 2M k
A=
( d t ) (t )
N k=1 2 k k N k=1 4 k
Ajuste de Curvas
Supngase que se quiere ajustar un conjunto de datos a una curva exponencial de la forma: y = Ce Ax Aplicamos logaritmo en ambos miembros de la ecuacin ln( y ) = ln ( Ce Ax )
ln( y ) = ln( C ) + ln e Ax ln( y ) = Ax + ln( C ) Y = AX + B De esta manera queda linealizada la ecuacin y se pueden hacer los siguientes cambios de variable:
( )
Y=ln(y),
X=x,
y B=ln(C)
Ajuste de Curvas
Mediante el cambio de variable los datos quedan de la siguiente forma: (Xk , Yk) = (xk , ln(yk)); a este proceso se le conoce como mtodo de linealizacin de datos. Luego se aplican las ecuaciones normales de Gauss.
A X
k= 1 N
( ) + B ( X ) = ( X Y ),
2 k N N N k=1 k k=1
A ( X k ) + N B =
(Y )
k=1 k
k=1 N
k k
(7)
Ajuste de Curvas
Ejemplo: Utilice el mtodo de linealizacin de datos para hallar el ajuste exponencial y=CeAx a los cinco datos: (0, 1.5), (1 , 2.5), (2 , 3.5), (3 , 5.0) y (4 , 7.5). Aplicando los cambios de variable:
xk 0.0 1.0 2.0 3.0 4.0 yk 1.5 2.5 3.5 5.0 7.5 Xk 0.0 1.0 2.0 3.0 4.0 10 Yk=ln(yk) 0.4054 0.9162 1.2527 1.6094 2.0149 6.1988 Xk2 0.0 1.0 4.0 9.0 16.0 30.0 Xk Y k 0 0.9162 2.5055 4.8283 8.0596 16.3097
Ajuste de Curvas
Aplicando la ecuacin (7) para el clculo de los coeficientes de las ecuaciones normales de Gauss, se tiene:
12
10
y=1.5799 e0.3912 x
-1
Ajuste de Curvas
Cambios de variables para linealizar datos:
Funcin, y=f(x) y = A/x + B y = 1 / (A x + B) y = A ln(x) + B y = C eAx y = C xA Linealizacin, Y=Ax+B y = A/x + B 1/y = Ax + B y = A ln(x) + B ln(y) = A x + B ln(y) = A ln(x) + B Cambios X = 1/x , Y = y X = x , Y = 1/y X = ln(x) , Y =y X = x , Y = ln(y), B=ln(C) , C=eB X = ln(x) , Y = ln(y), B=ln(C) , C=eB