Para y=CeAx

Supongamos que queremos ajustar una curva exponencial de la forma

y=C e Ax

(1)

A un conjuntos de puntos (x1, y1), (x2, y2), , (xN, yN) dado de antemano:
Para afronrae esre problema, empezamos tomando logaritmos en (1)
(2)

ln ( y )= Ax+ ln (C)

Y, a continuacin, hacemos un cambio de variable (y uno de constante)

(3)

X =x

Y =ln ( y )

B=ln ( C )

Lo que se obtiene es una relacin lineal entre las nuevas variables X e Y :

Y = AX +B

(4)

Los datos originales (x1, y1) se han transformado, con el cambio de

variables, en (Xk, YK) = (xk, ln(yk)); a este proceso lo llamamos mtodo de
linealizacin de los datos. El problema ahora es calcular la recta de
regresin (4) para los puntos {(Xk, YK)}, para lo que planteamos las
correspondientes ecuaciones normales de Gauss
(5)
N

( ) ( )
X 2k
k=1

k=1

k=1

( ) ( )
X 2k A +
k=1

A+

Xk
k=1

B= X k Y K
k=1

X k B= X k Y K

Una vez calculados A y B, hallamos el parmetro C de la relacin (1):

(6)

C=e

Ejemplo 5.4:
Vamos a usar el mtodo de linealizacin de los datos para hallar un ajuste
exponencial EEcc 1 a los cinco datos (0,1,5), (1,2,5), (2,3,5), (3,5,0) y (4,7,5)
Aplicando el cambio de variables (4) a los datos originales obtenemos
Datos, grafica, tabla
Los puntos transformados aparentan estar alineados, como se muestra en la
Figura 5.4. Vamos a ahora a comprobar que la recta de regresin Y = Ax +B
para los puntos calculados en (7) es:
Ecuacion 8

Las operaciones necesarias para el calculo de los coeficientes de las

ecuaciones normales de Gauss (5) se muestra en la Tabla 5.4
Las ecuaciones normales son, entonces,
Ecuacion 9
Cuya solucin es, como ya se ha dicho, A=0,3912023 y B=0,457367.
Finalmente obtenems el valor de C que es C =e 0,457367 = 1,579910.
Sustituyendo los valores de A y C en la relacin (1) obtenemos el ajuste
exponencial como indica la figura 5.5
Ecuacion 10
Grafica 5,5
El mtodo no lineal de los mnimos cuadrados para y = Ce Ax
Supongamos, como antes que queremos ajustar una curva exponencial de
la forma
Igual que ecuacuin 1
A un conjunto de puntos (x1, y1), (x2, y2), , (xN, yN) dado de antemano.
El mtodo no lienal de los minimos cuadrados consiste en hallar el minimo
de la funcion
Ecuacin 12
Para ello, hallamos las derivadas parciales de E(A,C) respecto de A y C
Ecuacion 13
y
Ecuacion 14
Al igualar a cero estas derivadas parciales (13) y (14) obtenemos, despus
de simplificar, las correspondientes ecuaciones normales.
Ecuacion 15