II Congreso

CIENCIA Y TECNOLOGA











TCNICAS OPTIMIZADAS DE AJUSTE DE CURVAS
INDEPENDIENTES Y CURVAS INTEGRADAS


Ing. Marcelo Romo Proao, M.Sc.




Centro de Investigaciones Cientficas
Escuela Politcnica del Ejrcito
mromo@espe.edu.ec



RESUMEN


Se analizan los principios de minimizacin de los cuadrados de las desviaciones y de
minimizacin de las desviaciones absolutas como los mtodos matemticos bsicos para el
ajuste de curvas.

Se estudian las caractersticas generales y caractersticas especficas de diferentes
funciones bsicas que pueden ser utilizadas en el modelamiento de datos.

Se analizan los ajustes mejorados en funcin de traslaciones de ejes y cambios de
escalas de las variables de las funciones.

Se define una metodologa matemtico-grfica que utiliza elementos de programacin
no lineal como fundamento matemtico, y la hoja electrnica como herramienta computacional
matemtico-grfica, para lograr las funciones que mejor se ajusten a los datos utilizados.

Se formula una metodologa para lograr el ajuste simultneo de varios conjuntos de
datos afines mediante una nica funcin integradora, que parte del ajuste controlado mediante
curvas independientes.

Se presentan ejemplos explicativos del proceso de ajuste de un conj unto de datos y de
varios conjuntos de datos afines.

Palabras claves: mnimos cuadrados, ajuste de curvas, correlacin, curvas independientes,
curvas integradas, conjuntos convexos, programacin no lineal, asntotas.





2
1. INTRODUCCIN


Muchos problemas de investigacin, estadsticos, experimentales y de ingeniera
requieren de curvas que describan matemticamente las relaciones entre las variables de esos
problemas (curvas aproximadas). El proceso de obtencin de las curvas que mejor describan
esos datos se conoce como ajuste de curvas.


Figura 1 Datos originales y curva de ajuste de los datos.

Entre los datos originales y las curvas aproximadas existe una diferencia de ordenadas
que se conoce como desviacin.

y y d =

Donde:

d : desviacin
y : ordenada del dato original
y: ordenada de la curva de ajuste


Figura 1 Desviaciones.

La minimizacin del sumatorio de las desviaciones cuadradas es el enfoque que
generalmente se ha utilizado para encontrar las curvas o las funciones que mejor se ajustan a
determinados datos.

Ing. Marcelo Romo, M.Sc.



3

=
=
n
1 i
2
) y y ( S
0
x
S
=

Tambin se puede minimizar el sumatorio de las desviaciones absolutas, pero su
manejo matemtico se vuelve ms complejo, aunque numricamente tiene un grado de
complejidad similar.

=
=
n
1 i
y y S
0
x
S
=

Si las funciones analizadas requieren 2 o ms variables dependientes (no solamente x,
sino x
1
, x
2
, x
3
, ) para su descripcin, el resultado grfico son superficies curvas, en lugar de
curvas tradicionales, en espacios de 3 o ms dimensiones.


Figura 4 Representacin grfica de una funcin de 2 variables, como superficie curva simple.

Indudablemente las superficies curvas de ajuste pueden adquirir geometras mucho
ms complejas, dependiendo de las relaciones entre las variables.


Figura 5 Representacin grfica de una funcin de 2 variables.

Matemticamente la minimizacin de desviaciones cuadradas (minimizacin de la
suma de cuadrados de las desviaciones de todas las observaciones) es manejable, y puede
4
proporcionar soluciones exactas especialmente si las funciones de descripcin del problema
son lineales o polinmicas (regresiones lineales y regresiones polinmicas). Para
comportamientos ms complejos se requiere de mtodos exclusivamente numricos, que
conducen a soluciones aproximadas.

..) , x , x , x ( f y
3 2 1
=

=
=
n
1 i
y y S
0
x
S
1
=

0
x
S
2
=

0
x
S
3
=

..

En el caso de la minimizacin de desviaciones absolutas (minimizacin de la suma de
los valores absolutos de las desviaciones) no es factible obtener soluciones exactas, pero con
la incorporacin de mtodos computacionales se vuelve factible su uso, siempre que los
criterios de convergencia puedan ser incorporados adecuadamente en la programacin.


2. CARACTERSTICAS DE LAS FUNCIONES MATEMTICAS BSICAS
PARA EL AJUSTE DE CURVAS


A continuacin se presentan algunas de las funciones matemticas bsicas de uso
ms frecuente en el ajuste de curvas, describindose sus caractersticas individuales y
comparativas ms relevantes, empleadas en el ajuste:

Funcin lineal
Forma General:
B x A y +
Caracterstica General:
Tiene pendiente constante
Caractersticas Especfi cas:
Si el trmino independiente B es nulo, la recta pasa por el origen.

Figura 6 Funciones lineales que pasan por el origen.

Ing. Marcelo Romo, M.Sc.



5


Figura 7 Funciones lineales que no cruzan el origen.

Funcin parablica
Forma General:
C x B x A y
2
+ +
Caractersticas Generales:
Tiene 2 ramales que a partir del vrtice se abren en una nica direccin.
La direccin de apertura depende del signo de A; tiene un valor mximo o mnimo.
Caractersticas Especficas:
Si el trmino independiente C es nulo, la curva pasa por el origen.
Si B y C son nulos, la curva tiene slo valores positivos o slo negativos de
ordenada.


Figura 8 Funciones parablicas que pasan por el origen.

6

Figura 9 Funciones parablicas que no pasan por el origen.

Funcin polinmica
Forma General:
1 n n
2 n
3
1 n
2
n
1
A x A ... x A x A x A y
+

+ + + + +
Caractersticas Generales:
Puede tener hasta n-1 ramales crecientes y decrecientes de manera alternada.
Puede tener hasta n-2 valor mximos o mnimos alternado.
El signo que adquiere la funcin cuando y crece hacia el infinito est gobernado
por el signo del coeficiente de la variable con mayor exponente.
Caractersticas Especficas:
Si el trmino independiente A
n+1
es nulo, la curva pasa por el origen.


Figura 10 Funciones polinmicas que pasan por el origen.

Ing. Marcelo Romo, M.Sc.



7


Figura 11 Funciones polinmicas que no pasan por el origen.

Funcin exponencial
Forma General:
Bx
e A y
Caractersticas Generales:
La direccin de crecimiento de la funcin cuando x contina creciendo depende
del signo del coeficiente a.
Caractersticas Especficas:
Para valores positivos de x, con coeficiente positivo del exponente, la funcin
crece en magnitud muy rpidamente;
Para valores positivos de x; con coeficiente negativo del exponente, la funcin
decrece con tendencia a un valor nulo.


Figura 12 Funciones exponenciales crecientes con coeficiente B positivo.

8


Figura 13 Funciones exponenciales decrecientes con coeficiente B negativo.

Funcin logartmica
Forma General:
) x B log( A y
Caractersticas Generales:
El crecimiento de la variable independiente provoca un crecimiento amortiguado de
la funcin logartmica.
Caractersticas Especficas:
El producto B.x no puede tomar valores negativos.


Figura 14 Funciones exponenciales.

Las funciones trigonomtricas Seno y Coseno se suele utilizar para modelar
periodicidad, mientras que las funciones Tangente, Cotangente, Secante y Cosecante pueden
ser ms tiles para modelar tendencias asintticas de la variable independiente. Por su parte la
Ing. Marcelo Romo, M.Sc.



9

funcin potencial se emplea cuando se necesita que una curva que crezca o decrezca ms
rpidamente que la funcin exponencial.


3. TRASLACIN DE EJES Y CAMBIO DE ESCALA DE LAS VARIABLES
DE LAS CURVAS


Los datos que se intenta ajustar mediante una curva podran ser representados de
mejor manera por esta ltima si se trasladan horizontal y verticalmente los ejes de referencia
de dicha curva. As mismo, si la escala horizontal y vertical se modifican, podra obtenerse un
mejor ajuste.

a) Traslacin de Ejes de las Curvas

Se reemplaza x por x+h (en este caso h es un parmetro arbitrario de traslacin)
en la expresin matemtica de la curva, para lograr una traslacin de coordenadas en x en
una magnitud -h, y se reemplaza y por y+k (k es otro parmetro arbitrario de traslacin)
para lograr una traslacin de coordenadas en y en una magnitud -k.


Figura 15 Traslacin horizontal y vertical de la funcin y = x
2
+ 2x 1 a y = (x 4)
2
+ 2(x 4)
1 , y a (y 8) = x
2
+ 2x 1.

b) Cambio de Escala de una Variable en una Curva

Se reemplaza x por k
1
.x (en este caso k
1
es un parmetro arbitrario de cambio de
escala de la variable) en la expresin matemtica de la curva, para lograr un cambio de escala
en la representacin de las coordenadas en x, reducindose todas las coordenadas en esa
direccin en la magnitud k
1
; y se reemplaza y por k
2
.y para lograr un cambio de escala en
la representacin de las coordenadas y, reducindose todas las coordenadas en esa
direccin en la magnitud k
2
.

10

Figura 16 Cambio de escala horizontal en la funcin y = 5 e
0.5x
a y = 5 e
x
(k
1
= 2 o se
reducen a la mitad las coordenadas x), y a y = 5 e
0.25x
(k
1
= 0.5 o se duplica la magnitud de
las coordenadas x).


Figura 17 Cambio de escala vertical en la funcin y = 5 log(2x) a (0.5y) = 5 log(2x), y a (2y)
= 5 log(2x).


4. FUNCIONES ASINTTICAS CON MXIMOS Y MNIMOS VALORES

Muchos modelos matemticos requieren valores de convergencia asintticos mximos
y mnimos. Para lograr ese efecto con una curva de ajuste se puede recurrir a funciones como
la exponencial de exponente negativo o a fracciones algbricas que pueden producir efectos
similares. El escogimiento de la funcin ms apropiada depender de los puntos intermedios
que describen el problema.

Ing. Marcelo Romo, M.Sc.



11

En la figura 18 se presentan las siguientes funciones que alcanzan el valor asinttico
de 4 cuando la variable independiente x tiende al infinito positivo:

4 e 3 y
x
+ =


4 e 2 y
x 25 . 0
+ =


3 x
2 x 4
y
+
+
=
) 2 x ( 25 . 0
5 x 2 x
y
2
2
+
+
=


Figura 18 Funciones asintticas.

Se nota claramente que existen diversos artificios matemticos que permiten lograr
funciones asintticas, pero igualmente se observa que la geometra de tales curvas difiere
considerablemente en las zonas alejadas de la asntota. En el caso de las fracciones de
polinomios, el cociente de los coeficientes de las variables de mayor exponente define la
asntota (1/0.25), mientras que en el caso de las funciones exponenciales de potencias
negativas, es el trmino independiente el que define la asntota (4).

En muchas ocasiones, adems de la asntota cuando x tiende a infinito, se pueden
especificar otras condiciones, a partir de las condiciones propias del problema analizado. .

Las siguientes funciones son asintticas en 2, y simultneamente la variable
dependiente y tiene un valor de 6 cuando x vale 0.

2 e 4 y
x 1 . 0
+ =


2 e 4 y
x 25 . 0
+ =


1 x
6 x 2
y
+
+
=

12

Figura 19 Funciones asintticas con ordenada al origen comn.

La ordenada al origen de las 2 funciones exponenciales ampliadas (funciones
exponenciales aadidas una constante) propuestas se obtiene sumando el coeficiente de la
expresin exponencial y el trmino independiente (4+2). En el caso de la funcin fraccionaria
polinmica, es el cociente de los trminos independientes el que define la magnitud de la
ordenada al origen (6/1).

A pesar de que las 3 curvas propuestas cumplen con los 2 requerimientos (asntota en
2 y ordenada al origen 6), los recorridos de las curvas son muy diferentes, por lo que en un
ajuste de curvas se deben probar todas las alternativas posibles para escoger la funcin ms
representativa.


5. FUNCIONES MATEMTICAS COMBINADAS PARA EL AJUSTE DE
CURVAS


Muchas veces la utilizacin de una sola funcin para encontrar una curva de ajuste es
insuficiente. En ciertas ocasiones puede resultar conveniente combinar distintos tipos de
funciones para lograr el mejor resultado. La combinacin puede ser una suma de funciones, un
producto de funciones, la divisin de funciones, la suma de una constante, etc. En el numeral
anterior ya se hizo uso de algunos de esos artificios.

A continuacin se presentan dos curvas que parten del origen de coordenadas con
pendiente +1, y luego de un recorrido casi lineal decrecen su magnitud hasta cortar al eje de
las x en la posicin +4.

) 1 e ( x 485 . 1 y
x 485 . 0
=
2
x 25 . 0 x y =

Ing. Marcelo Romo, M.Sc.



13


Figura 20 Funciones combinadas con la misma pendiente en el origen y el mismo punto de
cruce en el eje x.

Nuevamente se encuentran 2 curvas que satisfacen las condiciones impuestas pero
tienen un recorrido diferente, por lo que dependiendo de los datos adicionales de la muestra
cuyo ajuste se est realizando, se preferir una de las 2 curvas. La curva polinmica pura
seguramente ajustar mejor los datos de un tiro parablico corto al aire libre, mientras que la
curva que contiene la funcin exponencial ajustar mejor los datos de un ensayo de
compresin de un hormign de mediana resistencia (si el tiro parablico es largo, o se realiza
debajo del agua, la curva exponencial ser ms til en el modelamiento).

La tarea ms importante en un ajuste de curvas es el escogimiento de los tipos de
funciones que mejor se pueden ajustar a la descripcin de los datos que deben ser ajustados.


6. MTODO MATEMTICO Y GRFICO PARA AJUSTE MEDIANTE
CURVAS, BASADO EN MINIMIZACIN DE DESVIACIONES


Las hojas electrnicas constituyen la herramienta ideal para encontrar curvas o
superficies curvas n-dimensionales que describan las relaciones entre una variable
dependiente y una o varias variables independientes o variables paramtricas. La capacidad de
realizacin de clculos numricos y las diferentes opciones grficas disponibles facilitan tanto
el escogimiento de los mejores tipos de funciones de ajuste, como la minimizacin de
desviaciones y la presentacin grfica del proceso de ajuste.

Se recomienda el siguiente proceso para ajustar, en una curva, un conjunto de datos
que corresponden a observaciones, experimentacin o clculos (para aclarar el procedimiento
se lo acompaa con un pequeo ejemplo explicativo).

Se colocan los datos que se quiere ajustar, organizados por columnas, dentro de una tabla
de hoja electrnica y se aprovechan sus capacidades grficas para visualizar los datos.
14

Figura 21 Datos de un ensayo a la rotura de un hormign de 220 Kg/cm
2
de resistencia, y
grfico de los datos.

Se escogen las funciones genricas que mejor se podran ajustar a los datos propuestos,
para lo que tambin se puede utilizar la hoja electrnica.

2
x B x A y + Funcin escogida para el ajuste

Se buscan valores iniciales para los parmetros de las funciones genricas que se
aproximen a los datos, empleando un grfico auxiliar que monitoree esas funciones, y se
crea una columna con los valores evaluados de la funcin de ajuste escogida. Los valores
de esos parmetros se colocan en las primeras filas de la tabla de modo que sea fcil su
modificacin e identificacin.


Figura 22 Curva de ajuste (lnea punteada) con valores iniciales (A y B), que se aproxima al
grfico generado con los datos originales.

Ing. Marcelo Romo, M.Sc.



15

Se crea una columna auxiliar que calcule las desviaciones (diferencias de ordenadas entre
los datos reales y la curva propuesta) y una columna con los cuadrados de esas
desviaciones, y se realiza l a sumatoria de esos cuadrados. El valor de la sumatoria debe
estar visible en la zona de los valores de los parmetros.


Figura 23 Clculo de las desviaciones (columna D), los cuadrados de las desviaciones
(columna E), y la suma de los cuadrados de las desviaciones (celda B5).

Se introducen pequeos cambios en cada uno de los parmetros (se los aumenta o se los
disminuye ligeramente) para detectar cul de los parmetros provoca una mayor
disminucin de la sumatoria de los cuadrados de las desviaciones.


Figura 24 Cambio en el parmetro A de 180000 a 185000, que produce disminucin en la
sumatoria de 17126.0 a 11442.3.

Se trabaja con el parmetro que provoca mayor disminucin hasta minimizar la sumatoria
(se puede trabajar inicialmente con pocas cifras significativas de minimizacin, pero
progresivamente se puede aumentar el nmero de cifras significativas).
16
Se escoge otro parmetro para minimizar la sumatoria de los cuadrados de las
desviaciones, y se contina con el procedimiento hasta que se logre el mnimo para todos
los parmetros con una aproximacin adecuada.


Figura 25 Mnimo de los cuadrados de las desviaciones (A = 220000, B = -52100000 y =
1906.8).

El grfico simultneo de los datos y el ajuste permitir detectar si el mnimo encontrado es
realmente el mnimo absoluto de la suma de desviaciones cuadradas, o un mnimo local de
un conjunto convexo. En caso de no ser el mnimo absoluto ser necesario un ajuste
refinado que combine el cambio de 2 parmetros simultneamente (uno de los parmetros
podr producir un incremento de la sumatoria pero el otro lograr una disminucin ms
importante de la sumatoria).
Una vez encontrado el mnimo de mnimos, los valores de los parmetros obtenidos son los
que describen la curva de ajuste.

2
x 52100000 x 220000 y Curva de ajuste de los datos


7. MTODO MATEMTICO Y GRFICO PARA AJUSTE INTEGRADO
DE CURVAS ANLOGAS


Algunos problemas de ingeniera y de experimentacin generan conjuntos de datos
anlogos, diferenciados solamente por un parmetro de control (un experimento que genera un
nmero importante de datos puede realizarse a temperaturas ambiente de 10C, 15C, 20C,
25C y 30C). Para cada conjunto de datos (correspondiente a cada temperatura en el ejemplo
mencionado) se puede generar una curva independiente, pero puede resultar conveniente
integrar todas esas curvas en una nica expresin matemtica, de modo que se puedan
generar curvas para valores del parmetro que hayan sido utilizados o que no hayan sido
cubiertos en la experimentacin o en el anlisis.

Para realizar este anlisis integrado de curvas de ajuste se puede utilizar el siguiente
procedimiento:

Se colocan los datos que se quiere ajustar, organizados por columnas, dentro de tablas
independientes de hoja electrnica (una tabla por cada valor del parmetro diferenciador).
Ing. Marcelo Romo, M.Sc.



17

Se escogen una nica funcin genrica (con diferentes parmetros especficos) para ajustar
cada grupo de datos propuestos. Se selecciona aquella funcin que ayude a ajustar la
mayor parte de los grupos de datos, evitando las funciones que slo ajustan un nmero
limitado de grupos de datos.

+

C ) 1 e ( A
B


Se ajusta independientemente cada grupo de datos de acuerdo al procedimiento del
numeral anterior.

Las siguientes funciones fueron obtenidas al ajustar curvas esfuerzo-deformacin
normalizadas de hormigones de 210, 240, 280, 350, 420 y 490 Kg/cm
2
.

[ ] + +

210 10000 72500 85 . 0 ) 1 e ( 15 . 62
650
210

[ ] + +

240 10000 72500 85 . 0 ) 1 e ( 3 . 37
9 . 812
240

[ ] + +

280 10000 72500 85 . 0 ) 1 e ( 5 . 19
1030
280

[ ] + +

350 10000 72500 85 . 0 ) 1 e ( 4 . 6
1410
350

[ ] + +

420 10000 72500 85 . 0 ) 1 e ( 027 . 2
1790
420

[ ] + +

490 10000 72500 85 . 0 ) 1 e ( 6025 . 0
2170
490


La representacin grfica de las curvas es:


Figura 26 Curvas esfuerzo-deformacin diferenciadas por el parmetro de resistencia
caracterstica del hormign (fc).

En el ejemplo se despreci una curva de ajuste parablica que era ms eficiente para
modelar el comportamiento de hormigones de 210 y 240 Kg/cm
2
, y se escogi una curva
exponencial combinada con una funcin lineal, que perda un poco de precisin en los
hormigones antes mencionados, pero tena un ajuste mucho ms eficiente en hormigones
de 280, 350, 420 y 350 Kg/cm
2
.

Se generan curvas de ajuste de cada parmetro especfico, en funcin del parmetro
diferenciador.

18
En el problema analizado los parmetros especficos son A, B y C, y el parmetro
diferenciador es fc. Las funciones de ajuste obtenidas fueron:

1
]
1

70
c ' f 5 . 0
295 . 3
10 A
70
c ' f 380
490 B +
[ ] c ' f 10000 72500 85 . 0 C +

La funcin general con los parmetros especficos ajustados en funcin del parmetro
diferenciador es la curva de ajuste mltiple.

En el ejemplo propuesto, la funcin integradora sera:

[ ] + +

'

1
]
1

+
1
]
1

c ' f 10000 72500 85 . 0 1 e 10

70
c ' f 380
490
70
c ' f 5 . 0
295 . 3



Figura 27 Curvas generadas a partir de la funcin integradora nica.


8. CONCLUSIONES Y RECOMENDACIONES

La obtencin de una funcin matemtica que modele los datos de una investigacin,
una experimentacin o un anlisis puede facilitar la aplicacin del conocimiento.

Para modelar adecuadamente, mediante curvas de ajuste, es necesario identificar las
caractersticas que tienen las diferentes funciones matemticas.

Algunos ajustes de curva pueden lograrse combinando adecuadamente varias
funciones elementales.

Ing. Marcelo Romo, M.Sc.



19

La seleccin de la funcin que va a utilizarse en el ajuste de curvas es el aspecto ms
importante del proceso, por lo que deben analizarse todas las posibilidades para escoger la
opcin ms adecuada.

Las hojas electrnicas, con su capacidad de clculo y de presentacin grfica son las
herramientas ms adecuadas para realizar ajustes de curvas de una manera tcnica.

Los mtodos propuestos para el ajuste de curvas individuales y de curvas integradas
presentan la ventaja de que se tiene total control sobre el escogimiento y modificacin de las
funciones que mejor se ajustan al proceso, pues proporcionan tanto datos numricos como
informacin grfica.


9. REFERENCIAS

1. Fox J., (2002), Nonlinear Regression and Nonlinear Least Squares,
http://socserv.mcmaster.ca/jfox/Books/Companion/appendix-nonlinear-regression.pdf.

2. Ricketts P., (1996), Nonlinear Regression Analysis on a Spreadsheet ,
http://engr.nmsu.edu/~etti/fall96/computer/sra/sra.html.

3. Romo M., (1981), Ajuste de Curvas, Escuela Politcnica del Ejrcito, 60 p.

4. Romo M., (2006), Informtica Bsica, Centro de Investigaciones Cientficas, Escuela
Politcnica del Ejrcito, 600 p.