AJUSTE DE CURVAS

Clculo Numrico
Ing. Frednides Guilln Guerra
Maracay - Venezuela

Ajuste de Curvas
Consiste en determinar los parmetros de un
modelo y=f(x) que se ajuste mejor a los datos
(x1,y1), ... , (xN,yN) que estn sujetos a errores
aleatorios producidos por incertidumbres en las
mediciones, y por un deficiente control de las
condiciones en el que se realiza un experimento.

Ajuste de Curvas
Cuando se consideran datos que estn sujetos a errores
aleatorios, se emplea:

EL MTODO DE LOS
MNIMOS CUADRADOS

Ajuste de Curvas
A partir del mtodo de los mnimos cuadrados se
obtienen las Ecuaciones de Regresin y tienen varias
aplicaciones:
Descripcin y construccin de modelos
Prediccin y estimacin
Estimacin de parmetros
Control

Recta de Regresin de Mnimos Cuadrados

Para comprender mejor este tema, se considera el siguiente ejemplo:
A partir de un ensayo experimental se obtuvieron los siguientes
pares de puntos, obtener la ecuacin de la recta aproximada:
12

yk

10

-1 10

xk
0

y=Ax+B

4
2

-2

-1

-4

-2

-1

Recta de Regresin de Mnimos Cuadrados

La recta de regresin consiste en el anlisis de

regresin simple del mtodo de los mnimos
cuadrados:
Lo que se desea es encontrar una ecuacin simple
que aproxime lo mejor posible los puntos de
estudio
La recta o cualquier otra funcin elegida para
aproximar los datos es llamada modelo

Recta de Regresin de Mnimos Cuadrados

La recta de regresin o recta ptima en mnimos cuadrados
consiste en obtener los coeficientes de la ecuacin de la
recta:

y = f(x) = Ax + B
Que minimiza el error cuadrtico medio E2(f)
1
E2 ( f ) =
N

k=1

f ( xk ) y k

1/ 2

(1)

Recta de Regresin de Mnimos Cuadrados

El error medio cuadrtico est dado por la siguiente
ecuacin:
1/ 2
N
1
2
E 2 ( f ) = f ( xk ) y k
(1)
N k=1

El error medio cuadrtico se suele usar cuando se considera

la naturaleza aleatoria de los errores. Este se suele utilizar
porque no es tan complejo de minimizar
computacionalmente.

Recta de Regresin de Mnimos Cuadrados

Sea un conjunto de N puntos (xk , yk) donde k=1 hasta N,
cuyas abscisas {xk} son todas distintas, la recta de regresin
o recta ptima en mnimos cuadrados, es la recta de
ecuacin y = f (x) = Ax+B que minimiza el error medio
cuadrtico E2(f).
El error medio cuadrtico es mnimo si la siguiente
expresin es mnima:
N ( E2 ( f ) ) =
2

k=1

f ( xk ) y k

(2)

Recta de Regresin de Mnimos Cuadrados

Si sustituimos en la ecuacin anterior la ecuacin de la
recta, entonces:
E ( A, B ) =

( Axk +
k= 1

B yk )

(3)

El valor mnimo de la funcin E(A,B) se calcula igualando a

cero sus derivadas parciales:
E ( A, B )
= 0
A
E ( A, B )
= 0
B

(4)

Recta de Regresin de Mnimos Cuadrados

Desarrollando el clculo, tenemos:
E ( A, B )
=
A
E ( A, B )
=
B

k= 1

k= 1

2( Ax
k= 1

2( Axk + B yk )( xk ) = 2 Axk2 + Bxk yk xk

+ B yk ) = 2 ( Axk + B yk )
k= 1

Luego:

( Ax
N

k= 1

2
k

( Ax
k= 1

+ Bxk yk xk = A xk2 + B ( xk )
k=1

( )

k= 1

+ B yk ) = A ( xk ) + N B
k=1

( x y ) = 0,
k=1

(y ) = 0
k=1

Recta de Regresin de Mnimos Cuadrados

Despejando:
N

( )

A x + B ( xk ) =
k= 1

2
k

k=1

A ( xk ) + N B =
k= 1

( x y ),
k=1
N

(y )
k=1

(5)

A este sistema de ecuaciones se le conoce como:

ECUACIONES NORMALES DE GAUSS

Recta de Regresin de Mnimos Cuadrados

Ejemplo: A partir de un ensayo experimental se obtuvieron los
siguientes pares de puntos (-1, 10), (0,9), (1,7), (2, 5), (3, 4), (4, 3),
(5, 0), (6, -1). Obtener la ecuacin de la recta aproximada. Primero
se calculan los coeficientes de las ecuaciones normales de Gauss:
xk

yk

(xk)2

xk yk

-1

10

-10

10

12

16

12

25

-1

36

-6

20

37

92

25

Aplicamos la ecuacin (5)

92 A + 20 B = 25
20 A + 8 B = 37
A 1.607 B 8.643

y=-1.607 x + 8.643

Ajuste Potencial y=AxM

Algunos casos experimentales se modelan mediante una
funcin del tipo y=AxM, donde M es una constante conocida.
Usando la tcnica de los mnimos cuadrados:
E ( A) =

( Ax
N

k= 1

M
k

yk

En este caso particular basta con calcular la derivada de

E(A) e igualar a cero:

Ajuste Potencial y=AxM

El desarrollo de las ecuaciones es el siguiente:

( Ax
N

E ( A) =

k=1

M
k

yk ;

)( ) = 2 ( Ax

E ' ( A) = 2 Ax yk x
k=1

M
k

M
k

k=1

2M
k

k= 1

M
k

Por lo tanto se obtiene :

A=

( y x ) (x )
N

k=1

M
k

k=1

2M
k

yk xkM = 0

) (y x ) = 0

A xk2 M
k=1

E ( A)
= 0
A

(6)

Ajuste Potencial y=AxM

Ejemplo: A fin de medir la aceleracin de la gravedad, se recogieron
unos datos experimentales del tiempo que tarda en llegar un objeto
al suelo. La relacin funcional es d=0.5gt2. donde d es la distancia
de cada media en metros y t el tiempo medio en segundos. Con
estos datos calcule el valor aproximado de la aceleracin de la
gravedad g.
Tiempo
tk (s)

Distancia
dk (m)

0.47

1.1

0.71

2.4

0.77

0.96

4.5

1.1

Ajuste Potencial y=AxM

Aplicamos la ecuacin (6)

A=

( y x ) (x )
N

k=1

Tiempo
tk (s)

Distancia
dk (m)

dk tk2

tk 4

0.47

1.1

0.2430

0.0488

0.71

2.4

1.2098

0.2541

0.77

1.7787

0.3515

0.96

4.5

4.1472

0.8493

1.1

7.2600

1.4641

14.6387

2.9679

M
k

k=1

A=

2M
k

( d t ) (t )
N

k=1

2
k k

k=1

4
k

14.6387
A=
= 4.9323
2.9679
d = 4.9323 t 2
Despejando la gravedad :
g = 4.9323 * 2

g = 9.8647 m/s22

Ajuste de Curvas
Supngase que se quiere ajustar un conjunto de datos a una
curva exponencial de la forma:
y = Ce Ax
Aplicamos logaritmo en ambos miembros de la ecuacin
ln( y ) = ln ( Ce Ax )

( )

ln( y ) = ln( C ) + ln e Ax
ln( y ) = Ax + ln( C )
Y = AX + B
De esta manera queda linealizada la ecuacin y se pueden
hacer los siguientes cambios de variable:

Y=ln(y),

X=x,

y B=ln(C)

Ajuste de Curvas
Mediante el cambio de variable los datos quedan de la
siguiente forma: (Xk , Yk) = (xk , ln(yk)); a este proceso se le
conoce como mtodo de linealizacin de datos. Luego se
aplican las ecuaciones normales de Gauss.
N

( ) + B ( X ) = ( X Y ),

A X
k= 1

2
k

k=1

A ( X k ) + N B =
k=1

k k

k=1
N

(Y )
k=1

(7)

Luego que se obtienen A y B, se calcula el parmetro C:

C = eB

Ajuste de Curvas
Ejemplo: Utilice el mtodo de linealizacin de datos para
hallar el ajuste exponencial y=CeAx a los cinco datos: (0,
1.5), (1 , 2.5), (2 , 3.5), (3 , 5.0) y (4 , 7.5). Aplicando los
cambios de variable:
xk

yk

Xk

Yk=ln(yk)

Xk2

Xk Y k

0.0

1.5

0.0

0.4054

0.0

1.0

2.5

1.0

0.9162

1.0

0.9162

2.0

3.5

2.0

1.2527

4.0

2.5055

3.0

5.0

3.0

1.6094

9.0

4.8283

4.0

7.5

4.0

2.0149

16.0

8.0596

10

6.1988

30.0

16.3097

Ajuste de Curvas
Aplicando la ecuacin (7) para el clculo de los coeficientes
de las ecuaciones normales de Gauss, se tiene:
12

30 A + 10 B = 16.3097
10 A + 5B = 6.1988
A 0.3912 B 0.4574
C = e 0.4574 = 1.5799

10

y=1.5799 e0.3912 x

-1

Ajuste de Curvas
Cambios de variables para linealizar datos:
Funcin, y=f(x)

Linealizacin, Y=Ax+B

Cambios

y = A/x + B

y = A/x + B

X = 1/x , Y = y

y = 1 / (A x + B)

1/y = Ax + B

X = x , Y = 1/y

y = A ln(x) + B

y = A ln(x) + B

X = ln(x) , Y =y

y = C eAx

ln(y) = A x + B

X = x , Y = ln(y),
B=ln(C) , C=eB

y = C xA

ln(y) = A ln(x) + B

X = ln(x) , Y = ln(y),
B=ln(C) , C=eB