AJUSTE DE CURVAS

JCCP
 AJUSTE DE CURVAS
1. AJUSTE DE CURVAS
1.1. INTRODUCCION
Los datos que se obtienen mediante mediciones fluctúan, esto se debe a errores
aleatorios del sistema de medición aplicado al comportamiento intrínsecamente
estocástico del sistema en observación. Cualquiera que sea la razón es frecuente que
surja la necesidad de ajustar una función a los datos de una medicion.

Las siguientes son aplicaciones de ajuste de curvas: llenar puntos de datos faltantes;
interpolación (estimación de puntos de datos desconocidos que caen dentro de dos
puntos de datos conocidos); extrapolación (estimación de puntos de datos
desconocidos más allá de los datos conocidos); derivación e integración de datos
digitales.
La diferencia principal entre las funciones de ajuste de curvas es el tipo de ecuación que
se usa para describir la curva. El tipo de ajuste de curva que es mejor depende de los
datos de entrada. Si los datos son no lineales, hay varias opciones como exponencial,
cuadrático y polinomial.

JCCP
 AJUSTE DE CURVAS

Si obtenemos datax y datay de una medicion:

⎛3 ⎞ ⎛ 3160 ⎞
⎜ ⎟ ⎜ ⎟
⎜5 ⎟ ⎜ 3210
⎟
⎜7 ⎟ ⎜ 3220 ⎟
⎜9 ⎟ ⎜ 3300 ⎟
⎜ ⎟ ⎜ ⎟
⎜ 11 ⎟ ⎜ 3370 ⎟ i := 0 .. 10
⎜ ⎟
datax := 13
⎜
datay := 3255
⎟
⎜ ⎟ ⎜ ⎟ g( x , i) := xi g( y , i) := yi
⎜ 15 ⎟ ⎜ 3400 ⎟
⎜ 17 ⎟ ⎜ 3370 ⎟
⎜ ⎟ ⎜ ⎟ xi := g( datax, i) yi := g( datay, i)
⎜ 19 ⎟ ⎜ 3310 ⎟
⎜ 21 ⎟ ⎜ 3255 ⎟
⎜ ⎟ ⎜ ⎟
⎝ 23 ⎠ ⎝ 3150 ⎠
JCCP
 AJUSTE DE CURVAS
Asignamos datax y datay a xi y yi respectivamente
xi = yi =
3 3.16·10 3
5 3.21·10 3
7 3.22·10 3
9 3.3·10 3
11 3.37·10 3
13 3.255·10 3
15 3.4·10 3
17 3.37·10 3
19 3.31·10 3
21 3.255·10 3
23 3.15·10 3

3600

3400

yi 3200

3000

2800
0 5 10 15 20 25
JCCP
xi
 AJUSTE DE CURVAS
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un po
de segundo grado de la forma:

2
Y := a1 + a2⋅X + a3⋅X
Para este caso:
2
Y(X) := 2991.34 + 52.5151X
⋅ − 1.92⋅X

3600

3400

yi
3200
Y ( X)

3000

2800
0 5 10 15 20 25
xi , X
JCCP
 AJUSTE DE CURVAS
Esta ecuaci ó n (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores d e a1, a2, a3 , etc.
Para determinar estos valores utilizamos el siguiente procedimiento:

1. Establecer el criterio para determinar la ecuaci ó n que represente a los valores

(obtenidos experimentalmente).
2. Escribir la ecuaci ó n que expresa el error o desviaci ó n entre el valor observado y los
valores dados por la ecuaci ó n.
3. Habiendo obtenido la ecuaci ó n del error, minimizar dicho error.

EVALUACIÓN DEL ERROR

JCCP
Si consideramos las parejas de datos como se m estra en la gr á fica donde
 AJUSTE DE CURVAS
Si consideramos las parejas de datos, como se muestra en la gr
áfica donde:

d = distancia = Yobservada - Y obtenida por la ecuación

Y observada = Valor obtenido experimentalmente.
Y obtenida por la ecuación = valor de la función evaluada en cualquier valorX

Observando la gráfica, parece que esta distancia se puede usar para representar el error,
pero habrá distancias positivas y negativas, (como se puede observar la distanciad1 es
positiva y la distancia d2 es negativa) de modo que el error promedio para los puntos como
los mostrados será pequeño aunque los errores individuales sean grandes.
Esta dificultad podría ser resuelta usando el valor absoluto de las distancias, sin embargo al
derivar la función del valor absoluto se generan ciertos problemas.
La solución podría ser definir el error como el cuadrado de la distancia, esto elimina la
dificultad del signo. Por esta razón el método se llama: Método de Mínimos Cuadrados.
S = d12+d22+d32+...+dn2
en donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el valor
observado y por lo tanto es el valor que se debe minimizar
S = SUMAi=1...n (Yi observada - Yi calculada)2

JCCP
 AJUSTE DE CURVAS
METODO DE LOS CUADRADOS INFERIORES

Supongase un conjunto de observaciones:

x1 , x2 , x3 , .... xn

la suma de los cuadrados respecto a alguna media es:

n

∑Ω ( xi − xm) 2
1
S=1
i= 1

Si se desea minimizar S con respecto a la media xm aplicamos la derivada parcial

n ⎛ n ⎞
∑ −2( xi − xm) ∑
−2⎜ 1 ⋅ 1 xi + n⋅xm⎟
d
S 0
dxm ⎜ ⎟
i= 1 ⎝ i= 1 ⎠

∑
1
tambien: xm := ⋅ xi
n
i= 1 JCCP
 AJUSTE DE CURVAS
donde n es el numero de observaciones. Se encuentra que la media que minimiza la
suma de los cuadrados delas desviacioneses la media aritmetica.

El metodo de los cuadrados inferiores proporciona una forma confiable de obtener un

una relacion funcional. Se busca ecuaciones de diversas formas

1. Recta y a + b ⋅x
2
2. Polinomio y a + b ⋅x + c ⋅x
b
3. Potencia y a ⋅x
x
4. Exponencial y a ⋅b
a
5. Equilatero y
x

JCCP
 AJUSTE DE CURVAS
PARA OBTENER EL AJUSTE DE CUADRADOS INFERIORES DE ACUERDO CON LA
FUNCION LINEAL:
La función lineal se expresa como:

y a + b ⋅x

Donde a y b son constantes por determinar, el cuadrado de las desviaciones está dado por:
n

∑ ⎡⎣yi − ( bxi + a)⎤⎦

2
S
i= 1

Se obtiene el mínimo de S igualando a cero las derivadas respecto a y b. Al realizar estas

operaciones se tiene:

na + b ⋅ ∑ xi ∑ yi
n n

∑ ∑ ( ) ∑ ( xi⋅yi)
2
a⋅ xi + b ⋅ xi
n n n JCCP
 AJUSTE DE CURVAS

La solucion de las ecuaciones silmultaneas:

⎢∑
n⋅⎡ ( xi⋅yi)⎤ + ⎛ ∑ xi⎞ ⋅⎛ ∑ yi⎞
⎥ ⎜ ⎟⎜ ⎟
b :=
⎣ n ⎦ ⎝ n ⎠⎝ n ⎠

∑ i − ⎛⎜ ∑ xi⎟⎞
2
n⋅( x ) 2

n ⎝ n ⎠

JCCP
 AJUSTE DE CURVAS

PARA OBTENER EL AJUSTE DE CUADRADOS INFERIORES DE LA FUNCIO

CUADRATICA:
La función del polinomio de segundo orden se expresa como:

c⋅( xi) + b⋅xi + a

2
y

Entonces el cuadrado de las desviaciones esta dado por:

n 2
∑ ⎡yi − ⎡c⋅( xi) + b⋅xi + a⎤⎤
2
S ⎣ ⎣ ⎦⎦
i=1

JCCP
 AJUSTE DE CURVAS
Se minimiza igualando a cero las siguientes derivadas:

∑ ⎡ 2 ⎡ y i − ⎡ c ⋅ ( x i) 2 + b ⋅ x i + a ⎤ ⎤ ⎡ − ( x i) 2 ⎤ ⎤
d
S 0 ⎣ ⎣ ⎣ ⎦⎦⎣ ⎦⎦
dc
n

∑ ⎡ 2 ⎡ y i − ⎡ c ⋅ ( x i) 2 + b ⋅ x i + a ⎤ ⎤ ( − x i) ⎤
d
S 0 ⎣ ⎣ ⎣ ⎦⎦ ⎦
db
n

∑ ⎡ 2 ⎡ y i − ⎡ c ⋅ ( x i) 2 + b ⋅ x i + a ⎤ ⎤ ( − 1 ) ⎤
d
S 0 ⎣ ⎣ ⎣ ⎦⎦ ⎦
da
n

Luego se desarrollan y reunen terminos:

c⎡
⎢ ∑ ( x i) 4 ⎥⎤ + b⎡
⎢ ∑ ( x i) 3 ⎥⎤ + a⎡
⎢ ∑ ( x i) 2 ⎥⎤ ∑ ⎡ ( x i) 2 ⋅ y i⎤
⎣ ⎦
⎣ n ⎦ ⎣ n ⎦ ⎣ n ⎦ n

c⎡
⎢ ∑ ( x i) 3 ⎥⎤ + b⎡
⎢ ∑ ( x i) 2 ⎥⎤ + a⎛
⎜ ∑ ⎟ ∑
xi ⎞ ( x i ⋅ y i)
⎣ n ⎦ ⎣ n ⎦ ⎝ n ⎠ n

c⎡
⎢ ∑ ( x i) 2 ⎥⎤ + b⎛ ∑
x i ⎞ + an
⎜JCCP ⎟ ∑ yi
⎣ n ⎦ ⎝ n ⎠ n
 AJUSTE DE CURVAS
PARA OBTENER EL AJUSTE DE CURVAS MEDIANTE UNA COMBINAC
LINEAL DE FUNCIONES CONOCIDAS.
Se puede utilizar un combinación lineal de cualquiera de las funciones cono
emplear un solo titpo de funciones. La curva ajustada a los puntos dados s
este caso como:

g(x) a1f1(x) + a2f2(x) + a3f3(x) + .. + aNfN(x)

N
g(x) ∑ ⎡⎣anfn(x)⎤⎦
n=1

Donde 1,f f2, ...son funciones prescritas,

1, a2, a
...son coeficientes indeterminados
y N es e
numero total de funciones prescritas.

JCCP
 AJUSTE DE CURVAS
La desviacion de la curva con respecto de cada punto dado se define como:
N
vi yi − ∑ ⎡⎣ a n fn( xi) ⎤⎦
n=1

siendo
i 1 , 2 , .... , L

Donde L es el numero total de puntos dados. El total de los cuadrados de las

desviaciones es:

L
S
∑ ( vi) 2
i= 1

2
L ⎡ N ⎤
S ∑ ⎢ yi −
⎢ ∑
⎡⎣ a n fn( xi) ⎤⎦ ⎥
⎥
i= 1 ⎣ n=1 JCCP ⎦
 AJUSTE DE CURVAS
Al derivar a cero las derivadas parciales de S con respecto a los coeficientes
indeterminados, obtenemos

d
S 0 n 1 , 2 , .... , N
dan

o tambien
N ⎡⎡ L ⎤ ⎤ L

∑ ∑ ⎢⎢
⎢⎢
⎡⎣fm( xi) fn( xi)⎤⎦⎥ am⎥
⎥ ⎥ ∑ ⎡⎣yi fn( xi)⎤⎦
m=1 ⎣⎣i = 1 ⎦ ⎦ i= 1

para n = 1 a N
Donde se dividio entre 2 la ecuacion. Esta ultima ecuacion tiene N ecuaciones
con N incógnitas. Estas ecuaciones pueden resolverse mediante la eliminació
de Gauss.
JCCP
 AJUSTE DE CURVAS
DESVIACIÓN ESTANDAR
La desviación estándar de y esta dada:

1
2
⎡ n ⎤
⎢
∑ ( yi − ym) ⎥
2
⎢ ⎥
i= 1
σ y := ⎢ ⎥
⎣ n− 1 ⎦
Donde ym es la media de yi

∑ yi
i= 1
ym :=
n JCCP
 AJUSTE DE CURVAS
COEFICIENTE DE CORRELACION
Si se desea conoser que tan bueno es el ajuste, el parametro que da esta
informacion es el coeficiente de correlacion r definido como:

1
2
⎡ ( σ ) 2⎤
r := ⎢1 −
x, y ⎥
⎢
⎣ ( σ y) 2 ⎥⎦
Donde σx,y se define como:

1
2
⎡ n ⎤
⎢
∑ ( yi − yic) ⎥
2
⎢ ⎥
i= 1
σ x , y := ⎢ ⎥
⎣ n− 2 ⎦
Donde yic son los valores que se computan mediante las ecuaciones de correlación. Y
σy es la desviación estándar de y. JCCP
 AJUSTE DE CURVAS

APLICACIONES DEL METODO DE LOS CUADRADOS INFERIORES

1.-AJUSTE DE CURVAS MEDIANTE UNA COMBINACION LINEAL DE FUNCIONES

CONOCIDAS.
Sea la data de las muestras:

⎛ 0.1 ⎞ ⎛ 0.61 ⎞ i := 0 .. 5
⎜ ⎟ ⎜ ⎟
⎜ 0.4 ⎟ ⎜ 0.92 ⎟
⎜ 0.5 ⎟ ⎜ 0.99 ⎟
a := ⎜ ⎟ b := ⎜ ⎟ g( x , i) := xi g( y , i) := yi
⎜ ⎟
0.7 ⎜ 1.52 ⎟
⎜ 0.7 ⎟ ⎜ 1.47 ⎟
xi := g( a , i) yi := g( b , i)
⎜ ⎟ ⎜ ⎟
⎝ 0.9 ⎠ ⎝ 2.03 ⎠

xi = yi =
0.1 0.61
0.4 0.92
0.5 0.99
0.7 1.52
0.7 1.47
0.9 2.03

n := 0 .. 3 JCCP
L := 5 numero de muestras menos 1
 AJUSTE DE CURVAS
2.5

yi 1.5

0.5
0 0.2 0.4 0.6 0.8
xi

Utilizaremos un combinación lineal de cuatro funciones conocidas, en vez de emplear un

solo titpo de funciones. La curva ajustada a los puntos dados se puede escrivir en este
caso como:
g ( x) a 1 f1 ( x) + a 2 f2 ( x) + a 3 f3 ( x) + .. + a N fN ( x)

N
g ( x) ∑ ⎡⎣ a n fn ( x) ⎤⎦
n= 1 JCCP
 AJUSTE DE CURVAS
Eligiendo las siguientes funciones conocidas:

⎛ 1 ⎞
⎜ x ⎟
fn := ⎜ ⎟
⎜ sinx
( )⎟
⎜ x ⎟
⎝ e ⎠

Para encontrar los parametros resolvemos las siguientes ecuaciones

N ⎡⎡ L ⎤ ⎤ L

∑ ∑ ⎢⎢
⎢⎢
⎡⎣fm( xi) fn( xi)⎤⎦⎥ am⎥
⎥ ⎥ ∑ ⎡⎣yifn( xi)⎤⎦
m = 1 ⎣⎣i = 1 ⎦ ⎦ i= 1

P a = Q
*

Esta ultima ecuacion tiene 4 ecuaciones con 4 incógnitas.

JCCP
 AJUSTE DE CURVAS
Resolviendo la ecuacion:

⎡ 5 ⎤ ⎡ 5 ⎤
∑( )
5 5 5
⎢
∑ ∑ ( xn⋅1) ∑ ( sin( xn) ⋅1) ⎥ ⎢
∑ ( yn⋅1) ⎥
xn
(1⋅1) e ⋅1
⎢ ⎥ ⎢ ⎥
⎢ n=0 n=0 n=0 n=0 ⎥ ⎢ n = 0 ⎥
⎢ 5 5 5 5 ⎥ ⎢ 5 ⎥
⎛ e ⋅x ⎞ ⎥
⎢
∑ ( 1⋅xn) ∑ ( xn⋅xn) ∑ ( sin( xn) ⋅xn) ∑ ⎢
∑ ( yn⋅xn) ⎥
xn
⎢ ⎝ n⎠
⎥ ⎢ ⎥
P :=
⎢ n=0 n=0 n=0 n=0 ⎥ Q :=
⎢ n = 0 ⎥
⎢ 5 5 5 5 ⎥ ⎢ 5 ⎥
⎛ e n⋅sin( x ) ⎞ ⎥
⎢
∑ ( 1⋅sin( xn) ) ∑ ( xn⋅sin( xn) ) ∑ ( sin( xn) ⋅sin( xn) ) ∑ ⎢
∑ ( yn⋅sin( xn) ) ⎥
x
⎢ ⎝ n⎠
⎥ ⎢ ⎥
⎢n = 0 n=0 n=0 n=0 ⎥ ⎢n = 0 ⎥
⎢ 5 ⎥ ⎢ 5 ⎥
∑( ) ∑( )
5 5 5
⎛ x ⋅exn⎞ ⎛ sin( x ) ⋅exn⎞ ⎛ y ⋅e n⎞ ⎥
⎢
∑ ∑ ∑
xn xn xn ⎥ ⎢ x
1⋅e ⎝n ⎠ ⎝ n ⎠ e ⋅e ⎝n ⎠ ⎥
⎢ ⎥ ⎢
⎣ n=0 n=0 n=0 n=0 ⎦ ⎣ n=0 ⎦

JCCP
 AJUSTE DE CURVAS
⎛ 7.54 ⎞
P ⋅a := Q ⎜ ⎟
Q =
⎜ 4.844 ⎟
−1
⎜ 4.41 ⎟
a := P ⋅Q ⎜ ⎟
⎝ 14.693 ⎠
De las funciones y los parametros an conocidos:

⎛ − 5.588 ⎞ ⎛ 1 ⎞
⎜ ⎟
⎜ − 21.245 ⎟ ⎜ x ⎟
a =
⎜ 14.646 ⎟ fn :=
⎜ ⎟
⎜ ⎟ ⎜ sin( x) ⎟
⎝ 6.21 ⎠ ⎜ x ⎟
⎝ e ⎠
Entonces
x
g ( x) := − 5.588 ⋅1 − 21.245 ⋅x + 14.646 ⋅sin( x) + 6.21 ⋅e
*
JCCP
 AJUSTE DE CURVAS
x
g ( x) := − 5.588 ⋅ 1 − 21.245 ⋅ x + 14.646 ⋅ sin ( x) + 6.21 ⋅ e
*

2.5

g ( x)
1.5
yi

0.5
0 0.2 0.4 0.6 0.8
x , x i JCCP
 AJUSTE DE CURVAS
i
x := 0 , 0.01 .. 1
x
g( x) := −5.588 ⋅1 − 21.245 ⋅x + 14.646 ⋅sin( x) + 6.21 ⋅e *
2.5

g ( x)
1.5
yi

0.5
0 0.2 0.4 0.6 0.8
x , xi
JCCP