Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap9 Interpolextrapolnumer Ajustedatos3
Cap9 Interpolextrapolnumer Ajustedatos3
La interpolacin y extrapolacin numrica es quizs una de las herramientas ms utilizadas en aplicaciones numricas a la Fsica. La situacin frecuente es de una funcin f de un conjunto de puntos x1,...,xn, donde falta una forma analtica. La funcin f puede representar algunos puntos de datos del experimento o el resultado de una computacin a gran escala de una magnitud fsica que no se puede con ertir en una forma analtica sencilla. ! continuacin, puede ser necesario e aluar la funcin f en alg"n punto x en el conjunto de datos x1,...,xn, pero donde x se diferencia de los alores ta#ulados. $n este caso se trata de una interpolacin. %i x est fuera nos quedamos con el pro#lema ms preocupante, de extrapolacin numrica. ! continuacin nos centraremos en dos mtodos de interpolacin y extrapolacin, es decir, la interpolacin polinmica y la extrapolacin y el enfoque de qu#ic spline interpolacin. Fisica Computacional - CC063 2
Introduccin
Introduccin
&omo ejemplo, considere una fuente radiacti a y un detector, el cual cuenta el n"mero de desintegraciones. &on el fin de determinar la ida media de esta fuente, se cuenta el n"mero de desintegraciones '(,'),'*,...,'+ en instantes t(,t),t*,...,t+. $n este caso t sera la aria#le independiente, que se espera elegir de tal manera que sea adecuado para su pro#lema. %in em#argo, lo que se mide es un conjunto discreto de pares de n"meros ,t+,'+- en el rango de ,t(,t+-. &on el fin de extraer informacin de un experimento, nos gustara ser capaces de encontrar una funcin analtica que nos dara ' para cualquier punto ar#itrario elegido t. ! eces encontrar una funcin analtica es imposi#le, o aun si la funcin fuese conocida, consume demasiado tiempo calcularla o slo nos interesa una peque.a regin local de la aria#le independiente.
Fisica Computacional - CC063
Introduccin
/ara ilustrar este punto, asumiremos que la fuente radiacti a es *0) !m, un emisor. %u ida media es de )1*203( a.os. $s e idente que no se puede determinar )1* mediante la medicin de la misma. &omo el decaimiento es muy lento pro#a#lemente mediremos la acti idad durante un perodo de tiempo largo, por ejemplo todos los lunes durante algunos meses. 4espus de cinco meses pararas y miraras los datos. 5na pregunta que queremos responder es6 7cul era la acti idad el 8ircoles de la tercera semana9 &omo este da est dentro del rango ,t(,t+- utilizaras tcnicas de interpolacin para determinar este alor. %i, por el contrario, desea conocer la acti idad de ocho meses desde la finalizacin de la medicin, extrapolarias a este punto desde la anterior serie de medidas.
Fisica Computacional - CC063
Interpolacin y Extrapolacin
La idea de la interpolacin es seleccionar una funcin g,x- tal que g,x i-2fi para c1pto i de datos y que esta funcin sea una #uena aproximacin para cualquier otro x que se encuentre entre los puntos de datos originales. /ero, 7qu podemos considerar como una #uena aproximacin a los datos originales, si no tenemos la funcin original9 4e#ido a que los puntos de datos puede ser interpolados por un n"mero infinito de funciones, se de#e tener alg"n criterio o gua para seleccionar una funcin razona#le. $n matemtica hay teoremas de anlisis de funciones, incluyendo interpolacin con anlisis de errores. &omo regla estos mtodos se #asan en :sua idad: de las funciones interpoladas. ;#s6 4e#ido a que se miden puntos discretos, hay que tener mucho cuidado con el espaciamiento de la aria#le independiente. %i estos puntos estn demasiado lejos, se perder la informacin en el medio y su prediccin a partir de la interpolacin sera inutil , er fig-.
a=y 1 ( x ) ) x )
y ( x) =
x x* x) x *
y ) ( x)) +
x x) x * x)
y* ( x*)
5sando la interpolacion da *).@A) +/a, mientras que la parametrizacion da *).BCB +/a. /ara mejorar el resultado se puede usar un polinomio de * do grado y una interpolacion cuadratica ,$j6 erificar-.
y ( x) =
( x x *) ( x x 3) ( x ) x * ) ( x ) x 3 )
y )( x )) +
( x x )) ( x x 3) ( x * x )) ( x * x 3)
y* ( x* ) +
( x x) ) ( x x * ) ( x 3 x) ) ( x 3 x * )
y3 ( x3)
5sando los puntos *.@, *.C y 3.* +/a, la presion para 3 o? es ahora *).DA) +/a. $l siguiente paso seria usar cuatro puntos y construir un polinomio de 3 er grado.
Fisica Computacional - CC063
P(x) =
k ( x ) f ( xk )
k= )
donde6
k ( x ) =
N j= ) k N j= ) k
( x x j)
( xk x j)
que es la formula de la interpolacion de Lagrange. $ste es un polinomio que tiene los alores y+,x+- para + 2 ), *, E , '
10
!lgoritmo de "eville
Fuena manera de encontrar el polinomio de interpolacin. $n este mtodo usamos interpolaciones lineales entre iteraciones sucesi as. $l grado del polinomio ser simplemente el n"mero de iteraciones que hemos hecho. %uponga que hay cinco mediciones de presin de apor / i,Gi- en cinco diferentes temperaturas Gi y te gustara encontrar la presin de apor para una temperatura G intermedio. La primera ersin es para determinar un polinomio lineal / ij lineal entre puntos ecinos para todos los alores que tenemos6
11
!lgoritmo de "eville
La siguiente iteracion sera nue amente interpolacion lineal pero ahora entre esos puntos intermedios6
'uestra interpolacion es ahora de grado *. /odemos continuar hasta un polinomio de grado 0 que nos da el punto final /)*30B
12
Lagrange#cc
13
Interpolacin Lineal
La idea es aproximar el alor de f en x, por un alinea recta pasando por los puntos x n y xnH) mas proximos a x6
g ( x ) = a( + a) x
= a( + a) x j = a ( + a ) x j+ )
j+ )
(f
j+ )
/ara mejor precision hay que tomar los puntos x j y xjH) mas cercanos a x. La interpolacion lineal tam#ien puede escri#irse
g (x) = f x x j+ ) + f x j x j+ ) x x j x j+ ) x j
j+ )
14
JL6 #ien para funciones Ksua esL donde las deri adas * da y mayores son pequenhas. /ara c1inter alo diferentes coeficientes a( y a). 4iferencia con ajuste de datos ,fitting-, que usa los mismo coeficientes en todo el inter alo <x ),xn=
Fisica Computacional - CC063
15
Interpolacin Polinomial
8etodo popular por su simplicidad6
g ( x ) = a ( + a ) x + a * x + . .. + a n x
* n
La condicion que el polinomio g,x- pase por los puntos de la muestra f j,xjf
j
( x j)
= g ( x j) = a( + a) x j + a* x j + . . . + an x j
genera sistema de nH) ecs lineales para determinar coeficientes aj. $l numero de puntos de datos, menos uno, usados en la interpolacion define el orden de la interpolacion. Jnterpolacion lineal ,o de dos puntos- es la interpolacion de ) er orden. 4el cap. de matrices se puede resol er un sist de ecs lineales, pero tam#ien hay otra forma, por interpolacion polinomial. &onsideremos interpolacion de tres puntos ,* do orden- p13ptos ,xj, fj- con j, jH), jH*6
f f f
j+ ) j
( x j ) = a ( + a ) x j + a * x *j
( x j+ ) ) = a ( + a ) x j+ ) + a * x *j+ ) ( x j+ * ) = a ( + a ) x j+ * + a * x *j+ *
j+ *
16
( x x j+ ) ) ( x x j+ * ) + f j ( x j x j+ ) ) ( x j x j+ * )
( x x j ) ( x x j+ * ) + f j+ ) ( x j+ ) x j ) ( x j+ ) x j+ * )
( x x j ) ( x x j+ ) ) j+ * ( x j+ * x j ) ( x j+ * x j+ ) )
&omparando con la interpolacion lineal, podemos escri#ir la interpolacion polinomial de grado n, a tra es de nH) puntos
g (x) = f
)
( x x * ) ( x x 3 ) . . . ( x x n+ ) ) ( x ) x * ) ( x ) x 3 ) . . . ( x ) x n+ ) )
( x x ) ) ( x x 3 ) . . . ( x x n+ ) ) * ( x * x ) ) ( x * x 3 ) . . . ( x * x n+ ) )
n+ )
+ .. . +
( x x) ) ( x x * ) . . . ( x x n ) ( x n+ ) x ) ) ( x n+ ) x * ) . . . ( x n+ ) x n )
que es la formula clasica de Lagrange para interpolacion polinomial. $n la figura se en aplicaciones de interpolacion polinomial de ) ro, 3er, Bto y Amo orden. $n el Amo orden se en oscilaciones. Iegla6 no usar interpolaciones de orden grande. Limite practico B to orden ,caso contrario usar otro metodoFisica Computacional - CC063
17
18
19
Interpolacin de 1pline
/ro#lema en interpolacion polinomial6 discontinuidad de las deri adas en los puntos x j. 8ejora6 interpolacion de spline 5sa informacion de todos los puntos de datos ,informacion no local- para garantizar total KsmoothnessL en la funcion interpolada a cierto orden de deri adas. $s como asegurar una tira de material elstico ,metal o regla de plstico- entre nudos ,o cla os-. La forma final es #astante sua e. 1plines cu2icos son el metodo mas popular. La funcion interpolada en inter alo <x j,xjH)= 6
g (x) = f
j
+ b j ( x x j ) + c j ( x x j ) + d
( x x j)
/ara c1inter alo se necesita un conjunto de 3 parametros6 # j, cj, dj. &omo hay nM) inter alos, se tiene 3nM3 ecs para deri ar los coeficientes para j 2 ),...,nM). $l hecho que g j,xj- 2 fj,xjimpone ,nM)- ecs. La idea central para interpolacin spline es la idea de que la funcin interpolada g,x- tiene )ra y *da deri adas continuas en c1u de los n M * puntos interiores x j6
g' g''
j 1
( x j) ( x j)
= g' j ( x j ) = g''
j
$stas condicines imponen *,nM*- ecs resultando en nM)H*,nM*- 2 3nMB ecs para los coeficientes. ;tras * condiciones6 exigir fNN 2 ( en los extremos.
Fisica Computacional - CC063
j 1
( x j)
20
21
1pline cu2ico
22
1pline cu2ico
23
Interpolacin de 1pline
5sar6 gnuplotO plot N%pline.datN P l , NJnput.datN P p
24
%e puede resol er el pro#lema usando tecnicas de interpolacion, pero eso ignora la posi#ilidad de ruido ,#ac+ground- experimental en los datos. ;tra forma de er el pro#lema es comenzar con lo que creemos es la KcorrectaL descripcion teorica de los datos, y luego ajustar los parametros presentes en la teoria para o#tener el mejor KfitL de los datos. $s el mejor fit KestadisticoL pero no necesariamente pasara por todos los puntos de los datos. Fisica Computacional - CC063 25
!juste de datos ,data fitting- puede ser glo#al o local. $n ajuste glo#al una sola f,x- es usada para representar el conjunto entero de datos. 5sar con cuidado porque la funcion puede oscilar sin sentido fisico en especial si c1dato contiene error ,incerteza- experimental o la funcion no es correcta para los datos. /ro#l. en fig6 polinomio grado @, series de polinomios grado 3, y cur a teorica de la seccion trans ersal. >allar $r, .
26
27
donde es el tiempo de ida medio de la partcula. $sta ecuacin se puede organizar en una ecuacin para la tasa de decaimiento promedio
28
$sta es la formula teorica que deseamos ajustar ,fitar- a los datos.el resultado de ese ajuste es el mejor alor para el .
29
donde /F,x- es la pro#a#ilidad de que el e ento independiente ,KcarasL- se producir x eces en los ' ensayos. !qu p es la pro#a#ilidad de que ocurra un e ento indi idual, por ejemplo, la pro#a#ilidad de :caras: en cualquier lanzamiento es p 2 )1*. La aria#le ' es el n"mero de ensayos o experimentos en los que ese e ento puede ocurrir, por ejemplo, el n"mero de eces que oltear la moneda. /or moneda oltear, la pro#a#ilidad de xito p y la pro#a#ilidad de fallo ,)Mpson am#os )1*, pero en general p puede ser cualquier n"mero entre ( y ).
30
31
32
33
34
donde la suma es so#re los '4 puntos experimentales ,xi,yi Y i-. La definicin es tal que los alores ms peque.os de * son mejores fits, con * 2 ( que ocurre si la cur a terica pas por el centro de cada punto de datos. 'tese tam#in que la ponderacin )1i* significa que las mediciones con errores mayores contri#uyen menos a *. !juste de mnimos cuadrados se refiere a ajustar a la teora hasta que se encuentra un mnimo en *, es decir, la #"squeda de una cur a que produce el alor mnimo para los cuadrados sumados de las des iaciones de los datos de la funcin f,x-. $n general, este es el mejor ajuste posi#le o la mejor manera de determinar los parmetros en una Fisica Computacional - CC063 35 teora.
Veneralmente, la funcin f,x\Zam[- tiene una dependencia suficientemente complicada en los alores am para esta ecuacion producir 8/ ecuaciones no lineales simultneas en los am alores. $n estos casos, las soluciones se hallan por prue#a y error a tra s del espacio de parmetros 8/Mdimensional. /ara estar seguro, cuando esa #"squeda se ha completado es necesario compro#ar que el mnimo * has encontrado es glo#al y no local. 5na forma de hacerlo es repetir la #"squeda de una red completa de alores iniciales, y si se hallan diferentes mnimos, escoger el que tiene el menor *.
36
Finalmente usas exp como un aproximado de i y aplicas definicion de * para o#tener un alor con significado fisico.
Fisica Computacional - CC063
37
38
$s una medida de las incertidum#res en los alores de los parmetros ajustados, deri ados de la incertidum#res yi en los alores medidos yi. 5na medida de la dependencia de los parmetros en cada otro iene dada por el coeficiente de correlacin6
!qu co ,a),a*- es la co arianza de a) y a*, y desaparece si a) y a* son independientes. $l coeficiente de correlacin ,a),a*- se encuentra en el rango M)^^). 5n positi o indica que los errores en a) y a* es pro#a#le que tengan el mismo signo, negati o indica signos opuestos.
Fisica Computacional - CC063
39
40
41