Documentos de Académico
Documentos de Profesional
Documentos de Cultura
onoma de Tlaxcala
Facultad de Ciencias B
asicas Ingeniea y Tecnologa
M
etodo Aproximaci
on polin
omica
Analisis numerico
Licenciatura en Matematicas Aplicadas
Equipo:
Eduardo Rold
an S
anchez
Gabriel V
azquez Jim
enez
M
onica Nava guzm
an
Diciembre de 2014
1
Indice
1 Introducci
on
2 Aproximaci
on polin
omica
3 Programa en Matlab
4 Algoritmo
5 Ejemplos
6 Problemas
7 Bibliografia
11
Introducci
on
Los par
ametros del modelo de regresi
on polinomial se estiman o aproximan por el metodo de mnimos cuadrados,
el cual es una tecnica de an
alisis numerico encuadrada dentro de la optimizacion matematica, en la que, dados
un conjunto de pares ordenados, se intenta encontrar la funcion que mejor se aproxime a los datos (un mejor
ajuste , de acuerdo con el criterio de mnimo error cuadratico.
En su forma m
as simple, intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la funcion y los correspondientes en los datos. Desde un punto de vista
estadstico, un requisito implcito para que funcione el metodo de mnimos cuadrados es que los errores de cada
Aproximaci
on polin
omica
Sup
ongase el conjunto de puntos (xk , yk ), siendo k = 1, 2, ..., n. Sea fj (x), con j = 1, 2, ..., m una base de m
funciones linealmente independientes. Queremos encontrar una funcion f combinacion lineal de las funciones
base tal que f (xk ) yk , esto es:
m
X
f (x) =
j fj (X)
j=i
Se trata de hallar los m coeficientes bj que hagan que la funcion aproximante f (x) sea la mejor aproximac
on a
los puntos (xk , yk ). El criterio de mejor aproximacion puede variar, pero en general se basa en aquel que de un
menor error en la aproximaci
on. El error en un punto (xk , yk ) se podra definir como:
ek = yk f (xk )
En el modelo de regresi
on polinomial la funcion f esta definida de la forma:
f (X) = 0 + 1 X + 2 X 2 + ... + m X m
donde los coe
cientes j son calculados por el metodo de mnimos cuadrados, para lo cual se minimiza el error cuadr
atico
expuesto anteriormente, haciendo uso del calculo multivariable (se tratara de un problema de optimizaci
an en
j ), o alternativamente hacer uso del
algebra lineal. As pues, se tendra la siguiente expresion en desarrollo de
matrices.
1
X1
X12
..
.
... 1
... Xn
... Xn2
..
.
X1m
...
Xnm
1
1
..
.
X1
X2
..
.
Xn
Xn2
...
1
2
..
.
..
.
Xnm
m
Programa en Matlab
clc;
z=eval(get(handles.xx,String));
zz=eval(get(handles.yy,String));
m=eval(get(handles.gg,String));
x=z;
y=zz;
if length(z) > m
X=[];
for i=0:m
X =[X, x. i ];
4
1
X1
X12
..
.
... 1
... Xn
... Xn2
.. m
.X
1
...
Xnm
1
2
..
.
n
end
beta = inv(X 0 X) (X 0 y);
P ol = sprintf (0 %.4f x% d0 , beta(m + 1), m);
f ori = 2 : m
if beta(m+2-i)0,
P ol = [P ol, sprintf (0 %.4f x% d0 , beta(m + 2 i), m i + 1)];
else
P ol = [P ol, sprintf (0 +%.4f x% d0 , beta(m + 2 i), m i + 1)];
end
end
if beta(1)0,
P ol = [P ol, sprintf (0 %.4f 0 , beta(1))];
else
P ol = [P ol, sprintf (0 +%.4f 0 , beta(1))];
end
set(handles.pol,0 String 0 , P ol)
P ol
else
set(handles.pol,0 String 0 ,0 Comentario0 )
end
Algoritmo
1. Datos de entrada: x : Vector de coordenadas xi , vector de coordenadas yi ; ambos de dimensi
on n y el
grado del polinomio que se quiere aproximar m.
2. Formar la matriz X
3. Formar el vector
4. = (X T X)1 (X T )
5. Imprimir o el modelo y = 0 + 1 x + ... + bm xm
Ejemplos
El n
umero de habitantes (en miles) de una determinada ciudad ha evolucionado
A
nos
1987
1988
Poblaci
on
53
71
1989
91
0.00
1.00
0.25
1.28
0.50
1.64
0.75
2.11
1.00
2.71
y
1.354
4.336
1.227
Ahora bien, la gr
afica de la funci
on cuadratica esta dada por la siguiente expresion
Y = 1.005 + 0.864x1 + 0.844x2
Problemas
1. Un comite sobre el seguimiento de las pruebas de selectividad en la Universidad de Murcia tiene los
siguientes datos sobre el n
umero de alumnos matriculados en las pruebas. Se sabe que el polinomio de
estimaci
on es de segundo grado y se requiere estimar el n
umero de alumnos matriculados en 1992.
A
no
No de alumnos
matriculados
1984
1988
3000
3800
1989
4100
Soluci
on: En el a
no 1992 habr
a aproximadamente 5239 alumnos matriculados.
2. Los beneficios, en miles de euros, de una empresa se registran en la siguiente tabla
A
no
1975
1980
1982
1985
Beneficios
20
60
77
140
1990
255
1.0
5
2.0
15.3
3.0
29.3
4.0
46.4
5.0
66.3
donde v se mide en centmetros por segundo y el rozamiento f en 106 dinas. Dibuje los puntos de la tabla
y realice la aproximaci
on mnimo cuadratica
4. En 1601 el astr
onomo alem
an J.Kepler formulo su tercera ley del movimiento planetario: T = c d3/2
donde d es la distancia de un planeta al sol medida en millones de kilometros, T es el periodo orbital en
das y c es una constante. Los datos observados para los cuatro planetas Mercurio, Venus, Tierra y Marte
son:
di
58
108
155
Ti
88
225
365
228
687
Ajuste el valor de c para estos datos en el sentido de los mnimos cuadrados, como un polinomio de tercer
grado.
5. La velocidad de cierta reacci
on qumica expresada por el logaritmo neperiano de la constante de equilibrio Y ,
vara con la presi
on, expresada en atmosferas X, de acuerdo con la siguiente tabla de datos experimentales:
X
0.5
1.0
1.5
2.0
2.5
-7
-2
1.0
10
3.0
12
6. La intensidad de corriente que se aprecia en un amperemetro vara con la fuerza electromotriz aplicada, E,
de acuerdo con la tabla de datos experimentales adjunta :
E
10
1.5
20
25
-7
-2
1.0
10
30
12
50
15
75
12
90
10.5
100
10
120
9
150
8
A partir de tales datos, se ha decidido expresar la aceleracion en funcion de la potencia mediante el ajuste
de una funci
on potencial. Halle dicha funcion potencial de grado tres.
8. En una muestra de familias se han analizado las variables ahorro anual (Y ) y renta anual (X), medidas
ambas en miles de euros. Los datos obtenidos han sido los siguientes:
Ahorro (Y )
1.9
1.8
2.0
2.1
1.9
2.0
2.2
2.3
2.7
Renta (X)
20.5
20.8
21.2
21.7
22.1
22.3
22.2
22.6
23.1
Obtener el modelo lineal que explica el ahorro de las familias en funcion de su renta.
9. En un nuevo proceso artesanal de fabricacion de cierto artculo que esta implantado, se ha considerado que
era interesante ir anotando peri
odicamente el tiempo medio (medido en minutos) que se utiliza para realizar
una pieza (variable Y ) y el n
umero de das desde que empezo dicho proceso de fabricacion (variable X). Con
ello, se pretende analizar c
omo los operarios van adaptandose al nuevo proceso, mejorando paulatinamente
su ritmo de producci
on conforme van adquiriendo mas experiencia en el. A partir de las cifras recogidas,
que aparecen en la tabla adjunta, se decide ajustar una curva de regresion de tercer orden que explique el
tiempo de fabricaci
on en funci
on del n
umero de das que se lleva trabajando con ese metodo.
X
10
20
30
40
50
60
35
28
23
20
18
15
70
13
Que tiempo se predecira para la fabricacion del artculo cuando se lleven 100 das?
10. De un sector productivo formado por 7 empresas se recogen en los siguientes datos, cual sera la productividad para 1000 empleados:
Empresa
15
20
30
50
80
302
305
G
Produccion
100
150
Empleados
(x100)
3.0
23.5
10
Bibliografia
An
alisis Numerico / Richard L. Burden, J. Douglas Faires.
Metodos Numericos para ingenieros / Steven C. Chapra, Raymond P. Canale.
Metodos Numericos aplicados a la Ingeniera / Antonio Nieves, Federico C. Domnguez.
11