Mtodos Numricos 1.

a)

Equipo 1: Cruz Gonzlez, Fernndez Pez y Flores Santos

No ser adecuado un modelo de lnea recta ya que tiene una tendencia exponencial adems de que si se realiza rectilneo el modelo tendr un margen de error muy significativo. b) x=[24.9 35 44.9 55.1 65.2 75.2 85.2 95.2] y=[1.133 .9772 .8532 .7550 .6723 .6021 .5420 .5074] plot(x,y,'*r') grid on, hold on

Mtodos Numricos

Equipo 1: Cruz Gonzlez, Fernndez Pez y Flores Santos a1=c(2); x1=20:0.1:100; y1=a0+a1.*x1; plot(x1,y1,'linewidth',2) hold off

n=length(x); A=[n sum(x); sum(x) sum(x^2)] A=[n sum(x); sum(x) sum(x.^2)] B=[sum(y); sum(x.*y)] c=A\B a0=c(1);

c) Que la recta no se ajusto adecuadamente a los puntos dado, y como anteriormente se menciono el error en el ajuste ser significativo y por lo tanto podra afectar resultados posteriores con el uso del modelo. d)

Que el modelo exponencial no se acerca si quiera a la curva que se obtiene mediante los datos asique se concluye que la recta es la mejor opcin para poder predecir el modelo de los datos anteriormente expresados. x=[24.9 35 44.9 55.1 65.2 75.2 85.2 95.2]; y=[1.133 .9772 .8532 .7550 .6723 .6021 .5420 .5074]; plot(x,y,'*r') grid on, hold on n=length(x); A=[n sum(x); sum(x) sum(x.^2)]; B=[sum(y); sum(x.*y)]; c=A\B; a0=c(1); a1=c(2); x1=20:0.1:100; a=exp(a0) b=a1; y1=a.*(x1.^b); plot(x1,y1,'linewidth',2)

Mtodos Numricos 2. a)

Equipo 1: Cruz Gonzlez, Fernndez Pez y Flores Santos

No ya que este modelo tiene una tendencia exponencial por lo que un modelo rectilneo tendra un margen de error muy grande. x=[273 283 293 303 313 323 333 343 353 363 373]; y=[4.6 9.2 17.5 31.8 55.3 92.5 149.4 233.7 355.1 525.8 760]; plot(x,y,'*r') b)

Mtodos Numricos

Equipo 1: Cruz Gonzlez, Fernndez Pez y Flores Santos a0=c(1); a1=c(2); x1=270:0.1:280; y1=a0+a1.*x1; plot(x1,y1,'linewidth',2)

grid on, hold on n=length(x); A=[n sum(x); sum(x) sum(x.^2)]; B=[sum(y); sum(x.*y)]; c=A\B;

c) Que el modelo rectilneo no se ajusta a la tendencia de los datos obtenidos y por lo tanto generara un error muy alto. d)Usando la siguiente ecuacin:

ln( y) =
Donde:

1 x a

Ln(y)=Y; 1/x=X; 1/= a1

x=[273 283 293 303 313 323 333 343 353 363 373]; y=[4.6 9.2 17.5 31.8 55.3 92.5 149.4 233.7 355.1 525.8 760]; plot(x,y,'*r') grid on, hold on n=length(x); A=[n sum(x); sum(x)sum(x.^2)]; B=[sum(y); sum(x.*y)]; c=A\B; a0=c(1); a1=c(2); x1=270:0.1:380; y1=1./(a1.*x1)+a0; plot(x1,y1,'linewidth',2)

Mtodos Numricos

Equipo 1: Cruz Gonzlez, Fernndez Pez y Flores Santos

A continuacin se presentan datos de y= concentracin de licor verde y x= velocidad de la mquina de papel (ft/min) en una fbrica de papel Kraft. Los datos se tomaron de una grfica de un artculo en la revista Tappi journal marzo de 1986.
y x 16.0 1700 15.8 1720 15.6 1730 15.5 1740 14.8 1750 14.0 1760 13.5 1770 13.0 1780 12.0 11.0 1790 1795

Ajustar el modelo y= b0+b1x+b2x^2+e a los datos a) Trazar un diagrama de dispersin; Parece que ser adecuando un polinomio cuadrtico? b) Ajustar el Modelo Polinomial Cuadrtico. Graficar en el mismo papel el modelo ajustado, junto con el diagrama de dispersin. c) Cules son las conclusiones acerca de la adecuacin del modelo?

Grfica 1. Diagrama de dispersin.