Practica 4 AC

Victor Martinez Abreu (1054142/12-0773)

1. Calcular la recta que ajuste los siguientes datos por el
mtodo de mnimos cuadrados y calcular el coeficiente de
correlacin
xk
yk

-2
1

xi
1

X (media)
0

-1
2

0
3

1
3

yi

xi^2

xiyi

-2

2
-1
Y (media)
M
3
4
5

r2 :

2,6

1
3

2,6
0

2,6
2,6 1
2,6
2,6 2

1
3
1
1
4
1

2,6
1
2,6
2,6
4
2,6

13

10

R^2

2
4

y
St
Sr
-2
0,6
2,5
0,16
-2

1,6
sy

0,7692307
0
2,6
7
3
8
7

6
0,3

0,16

6
0,52
0,12
0,1
0,16

3,6

6
0,1

0,36

4,6

6
1,9

0,36

6
5,2

1,2

4.5
4
3.5
3
2.5
2
1.5
1
0.5
0

Yk
Mejora

2. Determine la parbola de la forma ( Ax +Bx +C

ajusta los siguientes datos:
x
-3
-1
y
15
5
x=[-3;-1;1;3]
x=
-3
-1
1
3
>> y=[15;5;1;5]
y=
15
5
1
5
>> plot(x,y)
X=[ones(size(x)),x,x.^2]
X=
1

-3

-1

X'*X
ans =

1
1

3
5

) que mejor

20

20

20
0

164

>> b=inv(X'*X)*(X'*y)
b=
2.1250
-1.7000
0.8750
Y=

0.8750 x

-1.7000+0.8750

X^2

Y(nueva
)

-3
-1
1
3

9
1
1
9

y2=[25.1;4.7;1.3;14.9]
y2 =
25.1000
4.7000
1.3000
14.9000

25,1
4,7
1,3
14,9

3. Ajuste los siguientes datos:

x
4
4.2
4.5
4.7
5.1
y
102 113 130 142 167
.56
.18
.11
.05
.53
a) A un polinomio de grado 3
x=[4;4.2;4.5;4.7;
5.1;5.5;5.9;6.3;6.
8;7.1]
x=
4.0000
4.2000
4.5000
4.7000
5.1000
5.5000
5.9000
6.3000
6.8000
7.1000
>>y=[102.56;113
.18;130.11;142.0
5;167.53;195.14;
224.87;256.73;2
99.5;326.72]
y=
102.5600
113.1800
130.1100
142.0500
167.5300
195.1400
224.8700
256.7300
299.5000
326.7200

5.5
195
.14

5.9
224
.87

6.3
256
.73

6.8
299
.5

7.1
326
.72

X=[ones(size(x))
,x,x.^2,x.^3]
X=
1.0000
4.0000 16.0000
64.0000
1.0000
4.2000 17.6400
74.0880
1.0000
4.5000 20.2500
91.1250
1.0000
4.7000 22.0900
103.8230
1.0000
5.1000 26.0100
132.6510
1.0000
5.5000 30.2500
166.3750
1.0000
5.9000 34.8100
205.3790
1.0000
6.3000 39.6900
250.0470
1.0000
6.8000 46.2400
314.4320
1.0000
7.1000 50.4100
357.9110

>> X'*X
ans =
1.0e+005 *
0.0001
0.0005 0.0030
0.0176
0.0005
0.0030 0.0176
0.1052

0.0030
0.0176 0.1052
0.6461
0.0176
0.1052 0.6461
4.0562
>>
b=inv((X'*X))*(X'
*y)
b=
3.4291
-2.3792
6.8456
-0.0137
Y=-0.0137 x
+6.8456 x

2.3792x+3.4291
x

x^2
4
4,2

16
17,64

4,5

20,25

4,7

22,09

5,1

26,01

5,5

30,25

5,9

34,81

6,3

39,69

6,8

46,24

7,1

50,41

plot(x,y)

>>
y2=[102.5651;113.1778384;130.0976875;142.0437889;167.53191
73;195.1435625;224.8734637;256.7163601;299.4833656;326.720
0953]
y2 =
102.5651
113.1778
130.0977
142.0438
167.5319
195.1436
224.8735
256.7164
299.4834
326.7201

b) A funcin
lny = ln( ae

bx

y=aebx
)

lny = lna + ln e

bx

lny = lna + bxlne

lny =lna + bx
>> x=[4;4.2;4.5;4.7;5.1;5.5;5.9;6.3;6.8;7.1]
x=
4.0000
4.2000
4.5000
4.7000
5.1000
5.5000
5.9000

6.3000
6.8000
7.1000

>>
y=[102.56;113.18;130.11;142.05;167.53;195.14;224.87;256.73;299.5;32
6.72]
y=
102.5600
113.1800
130.1100
142.0500
167.5300
195.1400
224.8700
256.7300
299.5000
326.7200
>> cftool

y(nueva)

102,56

110,8895

113,18

29
119,0608

4,5

130,11

22
132,4604

4,7

142,05

98
142,2213

167,53

25
163,9537

5,5

195,14

66
189,0070

5,9

224,87

8
217,8887

256,73

2
251,1836

6,8

299,5

82
300,0456

7,1

326,72

03
333,8141

4,2

5,1

6,3

74

c) A una funcin y=

ax b

>> x=[4;4.2;4.5;4.7;5.1;5.5;5.9;6.3;6.8;7.1]
x=
4.0000
4.2000
4.5000
4.7000
5.1000
5.5000
5.9000

6.3000
6.8000
7.1000
>>
y=[102.56;113.18;130.11;142.05;167.53;195.14;224.87;256.73;299.5;32
6.72]
y=
102.5600
113.1800
130.1100
142.0500
167.5300
195.1400
224.8700
256.7300
299.5000
326.7200
>> cftool
x
4

y
Y(nueva)
102,56
102,5375

4,2

113,18

38
113,1524

4,5

130,11

81
130,0648

142,05

16
142,0003

167,53

25
167,4587

195,14

9
195,0365

4,7
5,1
5,5

63

5,9
6,3
6,8
7,1

224,87

224,7366

256,73

88
256,5620

299,5

01
299,3362

326,72

12
326,5986
39

4. Linealizar el siguiente modelo y ajustar

segn los datos:
x
0.1 0.2 0.4 0.6 0.9 1.3 1.
5
y
0.7 1.2 1.4 1.2 0.8 0.5 0.
5
5
5
5
5
5
5
bx
y=axe
>> x=[0.1;0.2;0.4;0.6;0.9;1.3;1.5;1.7;1.8]
x=
0.1000

los coeficientes a y b
1.7

1.8

0.2
8

0.18

0.2000
0.4000
0.6000
0.9000
1.3000
1.5000
1.7000
1.8000
>> y=[0.75;1.25;1.45;1.25;0.85;0.55;0.5;0.28;0.18]
y=
0.7500
1.2500
1.4500
1.2500
0.8500
0.5500
0.5000
0.2800
0.1800
>> cftool

y
0,1

y(nueva)
0,75
0,753005

0,2

47
1,176994

1,25

78

0,4
0,6
0,9
1,3
1,5
1,7
1,8

1,45

1,437796

1,25

27
1,317290

0,85

11
0,943217

0,55

65
0,508274

0,5

6
0,358211

0,28

18
0,247964

0,18

56
0,205191
61

5. Linealizar el siguiente modelo y ajustar los coeficientes Kmax y

Cs segn los datos

c
0,5
0,8
1,5
2,5
4

k=

k
1,1
2,4
5,3
7,6
8,9

Kmax C2
2
Cs+ C

Calcular r

y determinar k para c=2

c=[0.5;0.8;1.5;2.5;4]
c=
0.5000
0.8000
1.5000
2.5000
4.0000
>> k=[1.1;2.4;5.3;7.6;8.9]
k=
1.1000
2.4000
5.3000
7.6000
8.9000
>> cftool

k
0,5
0,8
1,5
2,5
4

K(nueva)
1,1

1,106701

2,4

94
2,417456

5,3

73
5,292877

7,6

23
7,589501

8,9

69
8,915528
92

Para c=2 k es igual a 6.67

C
2

K
6,673313
39