INSTITUTO TECNOLGICO DE CAMPECHE

CARRETERAS
UNIDAD 2. Tareas

Ramrez Vergara Alberto
Carrera de Ingeniera Civil VV3




San Francisco de Campeche, 22 de octubre de 2012
Ajuste de Curvas
4.2. Aproximacin funcional
Con frecuencia, los ingenieros y cientficos necesitamos interpretar y correlacionar datos
experimentales que se encuentran en forma de datos discretos, stos pueden ser aproximados
mediante funciones analticas sencillas, las cuales se pueden evaluar, integrar o diferenciar
fcilmente.
Existen dos maneras de aproximar un grupo de datos con base al error asociado.
1. Cuando los datos muestran un grado significativo de error, por ejemplo, cuando
se utilizan datos experimentales, la estrategia es derivar una curva simple que represente
el comportamiento general de los datos, en la que cada punto pueda ser incorrecto, pero
la curva se disee de tal manera que siga un patrn sobre los puntos tomados como un
todo. En este proceso se puede utilizar la regresin con mnimos cuadrados o regresin.
2. Cuando se conoce que los datos son muy exactos, el proceso de ajustar un
grupo de datos a una curva que pase exactamente por cada uno de los puntos se puede
llevar a cabo por medio de polinomios, los cuales se conocen como polinomios de
interpolacin.
4.2.1. Regresin por mnimos cuadrados.

El mtodo de mnimos cuadrados consiste en encontrar una funcin analtica sencilla que
represente el comportamiento general de los datos, aunque la curva propuesta no pase por todos
y cada uno de los puntos en cuestin.
4.2.1.1. Regresin lineal.
Se inicia de la ecuacin de una lnea recta a la cual se le agrega el error producido entre el
comportamiento de los datos y el modelo propuesto, de esta forma se tiene:

Donde:

De esta forma:

Al aplicar el criterio de que el mejor ajuste se cumple cuando se pueden minimizar la suma
de los cuadrados de los residuos Sr, es decir el error entre el modelo y los datos experimentales, se
tiene:

Para determinar los valores de a
0
y a
1
que minimizan la ecuacin se deriva la ecuacin con
respecto a cada uno de los coeficientes.

]
Al igualar ambas derivadas a cero, se genera un mnimo para la suma de los cuadrados de
los residuos de Sr, de la siguiente forma:

De donde se obtienen:

Al resolver en forma simultnea las ecuaciones se obtienen los valores de:

4.2.1.1.1. Cuantificacin del error en la regresin lineal.

En donde, r es el coeficiente de correlacin y r
2
es el coeficiente de determinacin. Para un
ajuste perfecto, la suma de los cuadrados de los residuos Sr debe ser igual a cero y el coeficiente
de determinacin debe ser igual a uno.
4.2.1.1.2. Aplicaciones de la regresin lineal.
La regresin lineal proporciona tcnicas para ajustar datos discretos a una lnea recta, sin
embargo, la relacin entre la variable dependiente y la independiente no siempre es lineal.
Para proponer un modelo que represente el conjunto de datos discretos, lo primero que
se debe hacer es graficarlo en la forma x vs y, de esta manera es posible decidir si es correcto o no
aplicar el ajuste lineal.












INSTITUTO TECNOLGICO DE CAMPECHE
CARRETERAS
UNIDAD 2. Tareas

Ramrez Vergara Alberto
Carrera de Ingeniera Civil VV3




San Francisco de Campeche, 22 de octubre de 2012