Ajuste de Curvas
Ajuste de Curvas
Ajuste de Curvas
Nacional a distancia
CAPITULO SEIS
AJUSTE DE CURVAS
Y Y
Y = f(X) Y = f(X)
X X
Regresión Interpolación
Las técnicas que se han desarrollado para ajustar datos a curvas son: la
regresión, empleada cuando hay un grado significativo de error en los datos; con
frecuencia los datos experimentales son de esta clase. A diferencia de la
interpolación que se utiliza cuando el objetivo es determinar valores intermedios
entre datos que estén, relativamente libres de error.
53
U NAD Universidad abierta y
Nacional a distancia
6.1. OBJETIVOS
Objetivo General
Al completar la cuarta unidad, el estudiante habrá refinado en gran forma su
competencia para ajustar curvas con datos reportados. En general, manejará las
técnicas, habrá aprendido a avalar la confiabilidad de sus resultados y será capaz
de seleccionar el método (o métodos) para cualquier problema particular que
involucre un ajuste de curvas.
Objetivos Específicos
Comprender la diferencia fundamental entre regresión e interpolación.
Reconocer situaciones donde sean apropiadas las regresiones lineales,
polinomiales, múltiples y no lineales.
Entender la analogía entre el polinomio de Newton y la expansión de la serie
de Taylor y cómo se relaciona el error al truncamiento.
Reconocer las capacidades y riesgos asociados con la extrapolación.
6.2.1. Regresión.
Regresión lineal.
Ajuste de curvas no lineales con una función de potencia.
Ajuste de curvas con un polinomio de orden superior.
Ajuste de curvas con una combinación lineal de funciones conocidas.
El método más simple para ajustar a una curva los datos es ubicar los puntos y
después dibujar una línea que visualmente conforma a los datos. Aunque ésta es
una operación válida cuando se requiere una estimación rápida, los resultados son
dependientes del punto de vista subjetivo de la persona que dibuja la curva.
Su primera situación en el ajuste de curvas podría haber sido determinar valores
intermedios a partir de datos tabulados (por ejemplo, de tablas de interés para
ingeniería económica, o partir de tablas de vapor para termodinámica). En lo que
resta de su carrera, usted tendrá frecuentes oportunidades para estimar valores
intermedios de dichas tablas. Aunque muchas de las amplias propiedades usadas
54
U NAD Universidad abierta y
Nacional a distancia
en la ingeniería han sido tabuladas, hay muchas más que no están disponibles en
esta forma conveniente.
Una estrategia para ajustar a la ¿mejor? línea a través de los datos podría ser
minimizar la suma de los errores residuales para todos los datos disponibles,
n n
como en ei ( yi a0 a1 xi ) , donde n = número total de puntos.
i 1 i 1
Otro criterio lógico podría ser minimizar la suma de los valores absolutos de las
n n
discrepancias, como en ei yi a0 a1 xi .
i 1 i 1
Pero este no es el único criterio, una tercera estrategia para ajustar a la mejor
línea es el criterio minimax. En esta técnica, la línea se elige de manera que
minimice la máxima distancia que tenga un punto individual desde la línea.
Debería observarse que el principio minimax es no es adecuada para regresión,
ya que tiene una excesiva influencia en puntos fuera del conjunto; es decir, un solo
55
U NAD Universidad abierta y
Nacional a distancia
punto con un gran error, pero algunas ocasiones es muy adecuada para ajustar
una simple función a una complicada función (Carnahan, Luther y Wilkes, 1969).
Sr
2 yi a0 a1 xi (6.2)
a0
Sr
2 yi a0 a1 xi xi (6.3)
a1
0 yi a0 a1 xi (6.4)
2
0 yi xi a0 xi ax 1 i (6.5)
na0 xi a1 yi (6.6)
xi a0 xi2 a1 xi yi (6.7)
56
U NAD Universidad abierta y
Nacional a distancia
a0 y a1 x ,
donde y y x son las medias de y y x, respectivamente.
La regresión lineal proporciona una técnica poderosa que ajusta a la mejor línea
los datos. Sin embargo, está predicha sobre el hecho de que la relación entre las
variables dependientes e independientes es lineal. Éste no es siempre el caso, y
el primer paso en cualquier análisis de regresión debería ser gratificar e
inspeccionar en forma visual para asegurarnos si se puede usar un modelo lineal.
Para otros, se puede usar transformaciones para expresar los datos en una forma
que sea compatible con la regresión lineal.
Un ejemplo es el modelo exponencial y = a1ebx, donde a1 y b son constantes. Otros
casos se observan en la figura 8.
Para n+1 puntos, hay uno y sólo un polinomio de orden n que pasa a través de
todos los puntos. Por ejemplo, hay una sólo una línea recta (es decir, un
polinomio de primer orden) que conecta dos puntos (vea figura 9a). De manera
similar, únicamente una parábola conecta un conjunto de tres puntos (ver figura
9b). Interpolación polinomial consiste determinar el único polinomio de n-ésimo
orden que ajuste n+1 puntos.
57
U NAD Universidad abierta y
Nacional a distancia
a) b) c)
y y y
x
y a3
y=a2xb b x
y=a1eb
x x x
a) b) c)
Linearización
Linearización
Linearización
x Log x 1/x
Intercepto = Log 1/a3
d) e) Intercepto = Log a2 f)
58
U NAD Universidad abierta y
Nacional a distancia
Por tanto el polinomio de Taylor es muy útil para interpolar datos cuando de
intervalos pequeños se trate, ya que se requiere el conocimiento de valores de la
función f y sus derivadas en un punto muy cercano al punto de interés.
P(x)= f(xk)Ln,k(x)
donde Ln,k(x) = (x-xi)/(xk-xi) para cada i k
59
U NAD Universidad abierta y
Nacional a distancia
Existen también dos versiones de esta fórmula que son las fórmulas de diferencia
progresiva y regresiva de Newton. La primera se expresa como:
( ) ( 0 ) , donde (s k) es la notación de coeficiente binomial:
0
( 1)....( 1)
. (6.11)
!
El polinomio de Hermite H(x) logra coincidir no solo con f en todos los puntos
x0,x1,....xn sino también sus primeras derivadas.
Condiciones
60
U NAD Universidad abierta y
Nacional a distancia
2 1 ( ) ( ) , ( ) '( ) , ( )
0 0
, ( ) [1 2( ) ' , ( ) 2
, ( ) (6.13)
( ) (
, ) 2 , ( )
Este método requiere determinar y evaluar los polinomios de Lagrange y sus
derivadas, lo cual hace que le procedimiento sea tedioso, aún para valores
pequeños de n.
61
U NAD Universidad abierta y
Nacional a distancia
Método Formulación
n x x
2 2
i i
a0 y a1 x
x x1 x x2 x x0 x x2 x x0
f 2 ( x) f ( x0 ) f ( x1 ) f (x2 )
x0 x1 x0 x2 x1 x0 x1 x2 x 2 x1
62
U NAD Universidad abierta y
Nacional a distancia
x y Log x Log y
1 0.5 0 -0.301
2 1.7 0.301 0.226
3 3.4 0.477 0.534
4 5.7 0.602 0.753
5 8.4 0.699 0.922
63
U
NAD Universidad abierta y
Nacional a distancia
0
-20 0 2.5 5 7.5 10
Potencial, mV
-40
-60
-80
-100
-120
Concentración, ppm
Log C , mV
-0.301 -31.9
0.398 -73.1
0.699 -90.9
1.00 -108.7
0
-0.5 -20 0 0.5 1
Potencial, mV
-40
-60
-80
-100
-120
log C
64
U NAD Universidad abierta y
Nacional a distancia
65
U NAD Universidad abierta y
Nacional a distancia
a) Use la regresión por mínimos cuadrados para ajustar a una línea recta a
x 1 3 5 7 10 12 13 16 18 20
y 4 5 6 5 8 7 6 9 12 11
70
U NAD Universidad abierta y
Nacional a distancia
Precipitación, 88.9 101.6 104.1 139.7 132.1 94.0 116.8 121.9 99.1
cm
Flujo, m3/s 114.7 172.0 152.9 269.0 206.4 161 175.8 239.0 130
6.10.5. La viscosidad del agua ( agua) y el aire ( aire) en centipoise (cp) a 1 atm de
presión son enlistadas a continuación para distintas temperaturas:
T, ºC 0 20 40 60 80 100
agua, cp 1.787 1.0019 0.6530 0.4665 0.3548 0.2821
aire , cp 0.01716 0.01813 0.01908 0.01999 0.02087 0.02173
Determine agua (45ºC) y aire (30ºC).
AUTOEVALUACIÓN III
71
U NAD Universidad abierta y
Nacional a distancia
St
( ) Interpolación polinomial de Newton 1. S y
n 1
( ) Regresión lineal 2. Ajusta polinomios a datos
pero en forma de trozos.
yi
( ) Interpolación segmentaria 3. y
n
( ) Varianza 4. Cuando se desconoce el
orden apropiado de los
polinomios.
( ) Desviación estándar 5. Ajustar la mejor línea recta a
través de un conjunto de datos.
St
( ) Media aritmética 6. S y2
n 1
La radiación (R) solar del Valle del Cauca, en 1998 ha sido tabulada como:
Mes E F M A M J J A S O N D
R, 122 --- 188 230 267 270 252 --- 196 160 138 120
2
W/m
Suponiendo que cada mes es de 30 días, ajuste a un sinusoide estos datos. Use
la ecuación resultante para predecir la radiación que habrá durante la mitad de
agosto.
72
U NAD Universidad abierta y
Nacional a distancia
t, h 0.5 1 2 3 4 5 6 7 8 9
p(t) 7 5.2 3.8 3.2 2.5 2.1 1.8 1.5 1.2 1.1
T, C 0 4 8 12 16 20 24
-2
, (10 ) 1.792 1.5676 1.3874 1.2396 1.1168 1.0105 0.9186
2
cm /s 3
73