P. 1
AJUSTE DE CURVAS MEDIANTE MÍNIMOS CUADRADOS

AJUSTE DE CURVAS MEDIANTE MÍNIMOS CUADRADOS

|Views: 7.286|Likes:
Publicado porandresunexpo276

More info:

Published by: andresunexpo276 on Apr 05, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

08/13/2013

pdf

text

original

UNIVERSIDAD NACIONAL EXPERIMENTAL “ANTRONIO JOSÉ DE SUCRE” VICE-RECTORADO “LUÍS CABALLERO MEJÍAS” NÚCLEO CHARALLAVE

DEPARTAMENTO DE MECÁNICA ASIGNATURA: MECÁNICA RACIONAL/SECCIÓN:01 PROFESOR: ANDRÉS HERRERA

CHARALLAVE, FEBRERO 2006

MÉTODO DE LOS MÍNIMOS CUADRADOS

AJUSTES DE RECTAS POR MINIMOS CUADRADOS
Toda función Lineal o Curvilínea métodos numéricos. se puede ajustar a un polinomio por

Presentaremos a continuación el caso más simple: el ajuste de una función lineal (esto es, el ajuste de una recta o de un polinomio de grado uno). La técnica que presentaremos se conoce como “El Método de los Mínimos Cuadrados” y se fundamenta en el hecho de que el mejor ajuste se obtiene cuando la suma de los cuadrados de las desviaciones de la variable dependiente alcanza su valor mínimo. Para encontrar el valor mínimo de las desviaciones de la variable dependiente se varían parámetros; en el caso de una recta los parámetros libres a variar son precisamente la pendiente de la recta y el valor de la ordenada en el origen (esto es, se harán variar m y b, las cuales hemos considerado hasta ahora como constantes, de modo de encontrar los valores que correspondan a la recta que mejor se ajuste a los datos experimentales).

.Σ xI Σ yI ] / NΣ xI 2 – (Σ xI )2 b = ( Σ yI – m Σ xI ) / N b = [ Σ yI Σ xI 2 .. yi (teorico) y datos los S = Σ ( yi ( experimentales) ..2. .….Σ xI Σ xI yI ] / NΣ xI 2 . N Note que hemos introducido índices pues estamos trabajando con un conjunto de N puntos discretos. i = 1. estamos aplicando la condición de extremos a la función: dS /dm = Σ ( -2yi xi +2m xi 2 + 2b xi )=0 dS /dm = Σ ( -2yi +2m xi+ 2b )=0 Se puede demostrar por la vía de sacar la segunda derivada que éstas son (en este caso) condiciones de mínimo necesarias y suficientes..yi ( teórico) )2 S = Σ [ yi (experimentales) –( m xi + b )] 2 con i = 1. De estas dos relaciones se puede despejar m y b: m = [ N Σ ( xI yI ) .N Igualando a cero las derivadas de S con respecto a las variación de m y b.(Σ xI )2 . El problema consiste en determinar los valores de m y b por la vía de minimizar las diferencias entre los los yi (experimentales) La suma de los cuadrados de las desviaciones entre experimentales y los correspondientes a la recta ajustada es.2...Consideremos la ecuación que describe a la recta buscada. yi (teorico) = m xi + b.

Los programas comerciales que se utilizan en los computadores personales suelen dar estos errores y también suelen incluir otros criterios más sofisticados para revelar la calidad del ajuste de los puntos a la recta. enfatizamos que al hacer el ajuste de una recta en un gráfico semilogarítmico o logarítmico se han de reemplazar las variables por sus logaritmos en el par de ecuaciones precedentes. En rigor.Por lo tanto hemos encontrado las expresiones (en función de los datos experimentales) de los parámetros que dan el mejor ajuste. xI y/o yI Note que el error en la determinación de la pendiente y la ordenada en el origen por el método de los mínimos cuadrados. Finalmente. AJUSTES DE CURVAS POR MINIMOS CUADRADOS Supongamos ahora que tenemos un conjunto de puntos que mostramos en la siguiente gráfica De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un polinomio de segundo grado de la forma: (1) . la recta que se debe trazar en el gráfico es aquella que se obtiene mediante el método de los mínimos cuadrados: una vez determinada la pendiente y la ordenada en el origen basta utilizar la ecuación de la recta y obtener los valores de la ordenada que corresponden a dos valores cualesquiera de la variable independiente. podría en principio calcularse vía propagación de errores.

minimizar dicho error.Esta ecuación (1) puede usarse para representar el conjunto de valores obtenidos experimentalmente para la cual debemos determinar los valores de a1. etc. parece que esta distancia se puede usar para representar el error. (como se puede observar la distancia d1 es positiva y la distancia d2 es negativa) de . Establecer el criterio para determinar la ecuación que represente a los valores (obtenidos experimentalmente).Y Donde: Obtenida por la ecuación YObservada = Valor obtenido experimentalmente. 3. como se muestra en la gráfica donde: d = Distancia = YObservada . a3. Para determinar estos valores utilizamos el siguiente procedimiento: 1. a2. Escribir la ecuación que expresa el error o desviación entre el valor observado y los valores dados por la ecuación. EVALUACIÓN DEL ERROR Si consideramos las parejas de datos. YObtenida por la ecuación = Valor de la función evaluada en cualquier valor X Observando la gráfica. pero habrá distancias positivas y negativas. Habiendo obtenido la ecuación del error. 2.

esto elimina la dificultad del signo. derivando parcialmente con respecto a a1 . sin embargo al derivar la función del valor absoluto se generan ciertos problemas. La solución podría ser definir el error como el cuadrado de la distancia. a2 y a3 e igualando a cero: (5) . se tiene la ecuación: (4) Para minimizar la función anterior. (2) en donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el valor observado y por lo tanto es el valor que se debe minimizar (3) Siendo el caso de que la curva supuesta es una ecuación de segundo grado. Esta dificultad podría ser resuelta usando el valor absoluto de las distancias. Por esta razón el método se llama: Método de Mínimos Cuadrados.modo que el error promedio para los puntos como los mostrados será pequeño aunque los errores individuales sean grandes.

a 2 y a 3.(Obsérvese que las variables son a 1. mientras que Yi. X i son constantes) Las ecuaciones se pueden expresar de acuerdo como sigue: (6) Lo anterior lo podemos expresar en forma matricial: (7) La fórmula general para un polinomio de grado n en donde hay m parejas de datos es: .

0265 1.10 0.30 0.(8) Como se puede observar el problema consiste en lo siguiente: 1. El ajuste de curvas es un procedimiento de tanteo y error.5211 X 0. 2. EJEMPLO: X 0.20 0.7586 0. Resolver el sistema de ecuaciones resultantes.3045 0.60 0.0000 0. Recordando que: n es el grado del polinomio.4108 0.1752 . El máximo exponente de X en los términos de la sumatoria de 2n 1. Obtener la matriz de coeficientes.00 Y 0.6367 0.2013 0. 2.90 1. hay n+1 valores de la matriz de coeficientes y n+1 ecuaciones.70 0.00 0. Si puede ser que los datos no representen un polinomio de 2º grado sino que representen uno de 3º y 4º grados.50 Y 0.80 0. entonces se intenta con un polinomio de grado superior. si una curva no representa los datos.8881 1.1002 0.40 0.

SOLUCIÓN POLINOMIO DE SEGUNDO GRADO Primero determinamos los coeficientes de la matriz y los elementos constantes. el sistema de ecuaciones a resolver es el siguiente: .De la tabla de datos. graficar para determinar la curva más aproximada. usando Mínimos Cuadrados. 3er y 4o grado. determine los polinomios de 2o. Los elementos de la matriz son: M =11 Los términos constantes son: De acuerdo con esto.

265963 y el polinomio de segundo grado es: POLINOMIO DE TERCER GRADO Para el caso del polinomio de 3er grado se requiere: M =11 y el sistema de ecuaciones a resolver es: .Resolviendo por Gauss se obtienen los siguientes resultados. a1 = 0.895462 a3 = 0.006727 a2 = 0.

se obtienen los siguientes resultados a1 = .019075 a4 = 0.0.038237 Quedando el polinomio como se muestra: .028713 a4 = 0.000112 a2 = 0.a1 = .0.0.004150 a3 = .190032 cuya solución es: y el polinomio queda: POLINOMIO DE CUARTO GRADO Repitiendo el procedimiento anterior.113563 a5 = 0.000112 a2 = 1.994595 a3 = 0.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->