Tarea #1

Introducción a la Computación Cientifica

Fernando Valentin Abad Lopez
16 de octubre de 2017

Ejercicio 5.8 (Clive Moler)

Se tienen 25 observaciones, yk, tomados a valores igualmente espaciados de t.

t = 1:25
y = [ 5.0291 6.5099 5.3666 4.1272 4.2948 6.1261 12.5140 10.0502 9.1614 7.5677 7.2920 10.0357
11.0708 13.4045 12.8415 11.9666 11.0765 11.7774 14.5701 17.0440 17.0398 15.9069 15.4850
15.5112 17.6572]

a) Ajustar los datos con una recta, y(t) = β1 + β2 t, y trazar los residuos, y(tk ) − yk . Debe
observar que uno de los puntos de datos tiene un residuo mucho mayor que los otros. Esto es
probablemente un outlier.

A continución se presentan los datos a manera de tabla de valores.

Figura 1: Tabla de Datos

Los datos anteriores deben ser ajustados a una linea recta por medio del modelo:

y(t) = β1 + β2 t (1)

1
Por tanto:

y1 = β1 + β2 t1
y2 = β1 + β2 t2
y3 = β1 + β2 t3
..
.
y25 = β1 + β2 t25

Matricialmente lo anterior se puede ver como:

   
1 t1 y1
1 t2     y2 
β1
   
1 t3  =  y3 
 
β
 
 .. ..  2  . 
. .  | {z }  .. 
β
1 t25 y25
| {z } | {z }
A y

Donde A ∈ M 25x2 , β ∈ R2 y y ∈ R25 . Entonces lo que se quiere es resolver el sistema anterior

para enconcontrar los valores de β1 y β2 para que la curva se ajuste al modelo (1).

Usando las reflexiones de Householder es posible transformar el problema Aβ = y en Rβ = z

donde R es la matriz triangular superior de la factorización QR y z resulta de aplicar las rota-
ciones de Householder al vector y, es decir:

R = Hn Hn−1 ...H2 H1 A
z = Hn Hn−1 ...H2 H1 y

donde Hk son las reflexiones de Householder. Trabajando en Matlab y haciendo uso de la rutina
”Qrp.m”, se obtiene que:

 
−5 −65
0 36,0555
 
R= 0 0
 

 .. .. 
 . . 
0 0

Con R ∈ M 25×2 . Resolviendo Rβ = z, se obtiene que:

 
4,0127
β=
0,5326

2
Por tanto el ajuste por minimos cuadrados de los datos bajo el modelo de linea recta queda:

y(t) = 4,0127 + 0,5326t

Figura 2: Grafico de la recta ajustada y datos dados (y(t) vs t)

Figura 3: Residuales vs t

De la figura 3, se puede observar que el dato correspondiente a t(7), y(7) es un outlier.

b) Deseche el outlier, y ajuste los datos de nuevo por una lı́nea recta. Trazar nuevamente
los residuos. ¿Ves algún patrón en los residuos?

Realizando el mismo procedimiento que el en literal anterior, pero sin tener en cuenta el outlier
(t(7), y(7)), se obtiene lo siguiente:

 
−4,8990 −64,9115

 0 35,5317
R=
 0 0 

 .. .. 
 . . 
0 0

Con R ∈ M 24×2 . Resolviendo Rβ = z, se obtiene que:

3
  
3,5008
β=
0,5563

Por tanto el ajuste por minimos cuadrados de los datos bajo el modelo de linea recta queda:

y(t) = 3,5008 + 0,5563t

Figura 4: Grafico Recta ajustada y datos dados sin el outlier

Figura 5: Residual vs t sin el outlier

Claramente se observa un patron ciclico de sube y baja, lo que da a entender que los residuales
no independientes entre si.

c) Ajustar los datos, excluyendo el outlier, mediante un modelo de la forma:

y(t) = β1 + β2 t + β3 sin(t)

4
En este caso, el sistema matricial a resolver se puede escribir como:

   
1 t1 sin(t1 ) y1
1 t2 sin(t2 ) 
  y2 
. .. ..  .. 
 
.  
. . .  β1  . 

1 t6 sin(t6 )  β2  =  y6 
   
1 t8 sin(t8 )  β3  y8 
   
. .. ..  | {z }  . 
 .. . .  β  .. 
1 t25 sin(t25 ) y25
| {z } | {z }
A y

Al igual que en los literales anteriores, utilizando las reflexiones de Householder, se obtiene el
sistema equivalente Rβ = z, donde:

 
−4,8990 −64,9115 0,1460

 0 35,5317 −0,5517

 0 0 3,4342 
R= (2)
 
 0 0 0 

 .. .. .. 
 . . . 
0 0 0

Con R ∈ M 24×3 . Resolviendo Rβ = z, se obtiene que:

 
3,1536
β = 0,5869
1,9733

Por tanto el modelo del ajuste de la curva de datos queda:

y(t) = 3,1536 + 0,5869t + 1,9733sin(t)

d) Evalúe el tercer ajuste en una rejilla más fina sobre el intervalo [0; 26]. Trace la curva
ajustada, usando el estilo de lı́nea ’-’, junto con los datos, usando el estilo de lı́nea ’o’. Incluya
el outlier, usando un marcador diferente, ’*’.

5
 Figura 6: Grafico de ajuste de la curva para los datos bajo el modelo propuesto en c

Figura 7: Residuales vs t para el modelo propuesto en c

En la figura 7, se observa que los residulaes no siguen ningún patron, por lo que estos son
independientes entre si.

Nota: Para complementar el trabajo, se anexa el algoritmo ”Qrp.mçon el que se realizaron

las reflexiones de Householder. Ademas 3 rutinas donde se resuelven los puntos propuestos
en Matlab. En estas utinas, algunas variables se acomodan un poco en para efectos de mejor
visualización en Matlab.