Académique Documents
Professionnel Documents
Culture Documents
Matemticas II
Luis Alberto Cadogan A. Prof. Titular Ingeniero
Captulo 8: Ajuste de curvas Mnimos cuadrados
1.
AJUSTE DE CURVAS.
En la Geometra Analtica se trabaja con ecuaciones de curvas que satisfacen
condiciones geomtricas prescritas que fijan el lugar geomtrico de los puntos de la
curva. El proceso inverso consiste en utilizar los conocimientos de la Geometra
Analtica para encontrar una curva aproximada que permita representar la relacin que
existe entre dos variables cuyos valores han sido obtenidos en forma experimental a
travs de mediciones. En algunas situaciones puede ser de gran ayuda poder encontrar
una ecuacin, ecuacin emprica, que permita calcular valores correspondientes de las
variables, diferentes de los obtenidos a travs de las mediciones, el proceso seguido para
obtener la ecuacin emprica se llama ajuste de curva.
2.
Para verificar si la curva es un buen ajuste para los puntos debe verificarse el total de los
Residuos, si cada uno de estos es pequeo se considera que la curva escogida es un buen
ajuste.
Algunos residuos tendrn valores negativos (Ri < 0) y otros tendrn valores positivos (Ri
> 0), la suma de todos ellos podra estar muy cerca de cero para el caso de un mal ajuste
de los puntos medidos. Para evitar las cantidades negativas se recurre a los cuadrados de
los residuos, si la suma de los cuadrados de los residuos es pequea quiere decir que la
curva pasa muy prxima a los n puntos obtenidos en las mediciones. La mejor curva de
ajuste para n puntos es aquella para la cual la suma de los cuadrados de los residuos es
un mnimo.
Cap. 8- 1
2.1.
(1)
R1 = Y1 (mX1 b)
(2)
X i X 1 X 2 ........ X N
i 1
n
X Y
i 1
(X )
i 1
( X 1 ) 2 ( X 2 ) 2 ........ ( X n ) 2
R (Yi aX i b) 2
i 1
Cap. 8- 2
i 1
i 1
i 1
i 1
i 1
R (Yi ) 2 2m X i Yi 2b Yi m 2 ( X i ) 2 2mb X i nb 2
Todos los valores que aparecen a la derecha son fijos salvo m y b, los que deben ser
determinados para que R sea mnimo.
Si consideramos que b es una constante no especificada, en la ecuacin dada queda R y
m como variables, en donde R es un trmino lineal y m aparece con potencia cuadrtica,
si asociamos m con el eje de abcisa y R con el de ordenada, queda una ecuacin de una
parbola del tipo:
(X h)2 = 4a(Y k) eje paralelo al eje de ordenada, vrtice en V(h; k) y como R es la
suma de expresiones cuadradas nunca ser negativo por lo que la parbola se abre hacia
arriba (sentido positivo del eje de ordenada).
(X h)2 = 4a(Y k) esta ecuacin puede escribirse:
X2 + DX + EY + F = 0
m2 + Dm + ER + F = 0
m 2 p 2md R c 0
/p
(m - h)2 = 4a[R k]
Cap. 8- 3
m 2 X 2 b X XY 0
m X nb Y 0
n XY X Y
n X 2 X
X Y X XY
n X X
2
Ejemplo 1: Supongamos que los valores que han resultado de un experimento son los
siguientes:
Tabla 1 Valores de X e Y obtenidos experimentalmente
Xi
Yi
1
2
1,5 2,5
3
4
5
4,0 3,6 5,9
6
6,1
Cap. 8- 4
Y =23,6
(X)2 = 441
XY = 99
X2 = 91
Y2 = 109,48
Con los datos del ejemplo y aplicando las anteriores ecuaciones, resulta m = 0,94 y
b = 0,65 que es la recta que mejor se ajusta a los datos segn el mtodo de los mnimos
cuadrados.
Ejemplo 2: Sobre el punto medio de una viga sostenida en sus extremos se han
colocado varios pesos y medido la deflexin para cada uno de ellos. X representa el
peso en kilos e Y la deflexin en cmt.
Cap. 8- 5
X (kg) 100
Y (cmt)0,45
120
0,55
b = 0,0048 m = 0,0041
2.2.
140
0,60
160
0,70
180
0,80
200
0,85
Y = 0,0041X + 0,0048.
Bondad de un ajuste.
Queda por dilucidar, despus de obtenida la ecuacin de la recta que mejor se ajusta a
un conjunto de datos, si el ajuste de los datos a una recta es realmente bueno o
mediocre. Puede ayudar la inspeccin del grfico de los puntos, aunque es deseable
disponer de un criterio objetivo al respecto. Un mtodo para determinar si dos variables
estn relacionadas es mediante el llamado coeficiente de correlacin lineal, que puede
calcularse con la siguiente expresin:
n X
n XY X Y
2
n Y
Cap. 8- 6
2002
2003
2004
12
13
15
r = 0,992
MODELOS EXPONENCIALES
Si una determinada relacin de crecimiento o decaimiento est dada por la ecuacin:
Y = a e bX.
Ninguna recta puede ajustarse adecuadamente a un modelo exponencial, pero si
tomamos el logaritmo natural de la ecuacin, tendremos:
LnY = Lna + bX
Z = LnY;
Cap. 8- 7
1
70
2
80
3
111
4
127
Tomamos Ln
T (hs)
LnN
1
4,25
2
4,38
3
4,71
4
4,84
r = 0,98
N = 55,7 e 0,2T.
Cap. 8- 8