AJUSTE DE CURVAS

Clculo Numrico Ing. Frednides Guilln Guerra Maracay - Venezuela

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:

EL MTODO DE LOS MNIMOS CUADRADOS

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

Recta de Regresin de Mnimos Cuadrados

Para comprender mejor este tema, se considera el siguiente ejemplo: A partir de un ensayo experimental se obtuvieron los siguientes pares de puntos, obtener la ecuacin de la recta aproximada:
12

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

Recta de Regresin de Mnimos Cuadrados

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

Recta de Regresin de Mnimos Cuadrados

La recta de regresin o recta ptima en mnimos cuadrados consiste en obtener los coeficientes de la ecuacin de la recta:

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)

Recta de Regresin de Mnimos Cuadrados

El error medio cuadrtico est dado por la siguiente ecuacin: 1/ 2 N 1 2 E 2 ( f ) = f ( xk ) y k (1) N k=1 El error medio cuadrtico se suele usar cuando se considera la naturaleza aleatoria de los errores. Este se suele utilizar porque no es tan complejo de minimizar computacionalmente.

Recta de Regresin de Mnimos Cuadrados

Sea un conjunto de N puntos (xk , yk) donde k=1 hasta N, cuyas abscisas {xk} son todas distintas, la recta de regresin o recta ptima en mnimos cuadrados, es la recta de ecuacin y = f (x) = Ax+B que minimiza el error medio cuadrtico E2(f). El error medio cuadrtico es mnimo si la siguiente expresin es mnima:
N ( E2 ( f ) ) =
2

k=1

f ( xk ) y k

(2)

Recta de Regresin de Mnimos Cuadrados

Si sustituimos en la ecuacin anterior la ecuacin de la recta, entonces:
E ( A, B ) =

( 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)

Recta de Regresin de Mnimos Cuadrados

Desarrollando el clculo, tenemos:
E ( A, B ) = A E ( A, B ) = B

k= 1 N

2 2( Axk + B yk )( xk ) = 2 Axk + Bxk yk xk k= 1

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

Recta de Regresin de Mnimos Cuadrados

Despejando:
A x + B ( xk ) =
k= 1 2 k N

( )
N k= 1

k=1

( x y ), (y )
k=1 k k=1 N k k

A ( xk ) + N B =

(5)

A este sistema de ecuaciones se le conoce como:

ECUACIONES NORMALES DE GAUSS

Recta de Regresin de Mnimos Cuadrados

Ejemplo: A partir de un ensayo experimental se obtuvieron los siguientes pares de puntos (-1, 10), (0,9), (1,7), (2, 5), (3, 4), (4, 3), (5, 0), (6, -1). Obtener la ecuacin de la recta aproximada. Primero se calculan los coeficientes de las ecuaciones normales de Gauss:
xk -1 0 1 2 3 4 5 6 20 yk 10 9 7 5 4 3 0 -1 37 (xk)2 1 0 1 4 9 16 25 36 92 xk yk -10 0 7 10 12 12 0 -6 25

Aplicamos la ecuacin (5) 92 A + 20 B = 25 20 A + 8 B = 37 A 1.607 B 8.643

y=-1.607 x + 8.643

Ajuste Potencial y=AxM

Algunos casos experimentales se modelan mediante una funcin del tipo y=AxM, donde M es una constante conocida. Usando la tcnica de los mnimos cuadrados:
E ( A) =

( Ax
N k= 1

M k

yk

En este caso particular basta con calcular la derivada de E(A) e igualar a cero:

Ajuste Potencial y=AxM

El desarrollo de las ecuaciones es el siguiente:
E ( A) =
N

( 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

Por lo tanto se obtiene : A=

( y x ) (x )
N k=1 k M k k=1

(6)

Ajuste Potencial y=AxM

Ejemplo: A fin de medir la aceleracin de la gravedad, se recogieron unos datos experimentales del tiempo que tarda en llegar un objeto al suelo. La relacin funcional es d=0.5gt2. donde d es la distancia de cada media en metros y t el tiempo medio en segundos. Con estos datos calcule el valor aproximado de la aceleracin de la gravedad g.
Tiempo tk (s) 0.47 0.71 0.77 0.96 1.1 Distancia dk (m) 1.1 2.4 3 4.5 6

Ajuste Potencial y=AxM

Aplicamos la ecuacin (6)

A=

( y x ) (x )
N k=1 k M k N k=1 2M k

Tiempo tk (s) 0.47 0.71 0.77 0.96 1.1

Distancia dk (m) 1.1 2.4 3 4.5 6

dk tk2 0.2430 1.2098 1.7787 4.1472 7.2600 14.6387

tk 4 0.0488 0.2541 0.3515 0.8493 1.4641 2.9679

A=

( d t ) (t )
N k=1 2 k k N k=1 4 k

14.6387 A= = 4.9323 2.9679 d = 4.9323 t 2 Despejando la gravedad : g = 4.9323 * 2

2 g = 9.8647 m/s2

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)

Luego que se obtienen A y B, se calcula el parmetro C:

C = eB

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

30 A + 10 B = 16.3097 10 A + 5B = 6.1988 A 0.3912 B 0.4574 C = e 0.4574 = 1.5799

y

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