Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10 Salvador Acha Et Al Ajuste Datos Exp PDF
10 Salvador Acha Et Al Ajuste Datos Exp PDF
x x
INTRODUCCIN i
Es frecuente el problema de tener un conjunto de
x
mediciones y desear ajustar los datos observados a x
funciones que describan la relacin entre la variable
dependiente y la variable independiente. El
problema original parece estar asociado al nombre
de Gauss quien trat de ajustar curvas a datos
experimentales obtenidos en observaciones
astronmicas. En nuestros das el planteamiento
Fig. 1. Diagrama de dispersin, observaciones en el
permite establecer un modelo matemtico basado en plano x-y.
optimizacin, para dar solucin al problema de
calcular los coeficientes que satisfacen el criterio de Como se muestra en la figura 1, para cada
mnimos cuadrados. El presente artculo muestra de observacin se tiene un valor terico expresado por
forma sencilla la solucin matricial del problema, la ecuacin de la funcin. As, se puede hablar de
ilustrando la forma de llegar a una expresin un error o "desajuste" a la diferencia entre el valor
cerrada de la solucin. Con ejemplos sencillos se observado y el valor terico. Al sumar los errores
tiene una comprobacin al aplicar en forma directa al cuadrado, se tiene SS.
la solucin presentada. En el apartado 1 se
desarrollan las ecuaciones para el clculo de los
coeficientes, despus en el apartado 2 se discuten
dos ejemplos, en uno se muestran las *
Programa Doctoral en Ingeniera Elctrica
transformaciones para lograr un modelo como el FIME-UANL.
... (y 3 a x 3 a o ) + (y 4 a x 4 a o ) (3)
2 2
1 1
Las formas anteriores (5.a) y (5.b) se pueden
escribir en una sola expresin matricial:
El gradiente de SS: [(y a x a ) (y a x a ) (y a x a ) (y a x a )]
1 1 1 o 2 1 2 o 3 1 3 o 4 1 4 o
SS x1 1
1
a 0 x2 = [0 0]
SS = 1 = (4) x3 1
SS 0
a o x4 1
(6)
y al transponer (6):
y las componentes del gradiente (4) se obtienen
como: y1 a1 x1 ao
SS
= 2 (y1 a1 x1 ao ) x1 2 (y 2 a1 x 2 ao ) x 2
x1 x2 x3 x4 y 2 a1 x 2 ao 0
1 1 1 =
1 y3 a1 x3 ao 0
a1
(7)
... 2( y 3 a1 x 3 a 0 ) 2 (y 4 a1 x 4 a o ) x 4
y 4 a1 x 4 ao
SS
= 2 (y1 a1 x1 ao ) (1) 2 (y 2 a1 x 2 ao ) (1)
ao
Se puede arreglar (7) y obtener una forma
...2 (y 3 a1 x3 ao ) (1) 2 (y 4 a1 x 4 ao )(1) condensada de la solucin para a1 y ao.
y1 x1 1 1.0
1.8
x 1 x 2 x 3 x 4 y 2 x 2 1 a1 0
1 1 1 1 y = x=
3 x3 1 a o 0 2.0
y 4 x 4
1
3.0
(8) 1.0
Llamando A a la matriz que tiene la informacin de 3. 0
la medicin en variable independiente x, como At a y=
1.8
la matriz que presenta en forma de renglones las
columnas de A y al vector de informacin de 2.9
medicin en la variable dependiente y, se tiene: 1.0 1
1.8 1
A t (y A a) = 0 (9) A=
2.0 1
At y AtA a = 0 (10) 3.0 1
con solucin: 1.0 1.8 2.0 3.0
At =
(
a = At A ) 1
At y (11) 1 1 1 1
1.0 1
La dimensin de A depende de n nmero de 1.8
1 .0 1 .8 2 .0 3.0 1 17.24 7.80
observaciones y del nmero de coeficientes a At A = =
determinar. 1 1 1 1 2.0 1 7.80 4.00
EJEMPLOS 3.0 1
[ ]
1.0 1.0
a1 t 1 t
1.8 3.0 a = A A A y
2.0 1.8 o
1
3.0 2.9 a1 17.24 7.80 18.7
a = 7.80 4.00 8.7
o
Los arreglos de informacin, para n = 4:
La matriz A transpuesta
0.00000 0.69315 1.09861 1.38629 1.60944 1.79176 1.94591 2.07944 2.19722 2.30259
1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000
Dato Aty
1 158.68420
2 95.56481
Coeficientes solucin a(i)
1 2.96514
2 5.07782
CONCLUSIONES REFERENCIAS
En el trabajo se han presentado las ideas 1. Stephen A. DeLurgio, Forecasting Principles and
fundamentales para el ajuste de datos Applications, McGraw-Hill International
experimentales a polinomios o formas no lineales, Editions, 1998.
que forman un sistema lineal en los coeficientes. Se 2. Masterton, Slowinski, Elementary Mathematical
desarroll de manera detallada el procedimiento Preparation for General Chemistry, Saunders
para obtener las frmulas matriciales generales las Golden Series, 1974.
cuales permiten resolver este importante problema
en la prctica de la ingeniera y de la ciencia. Al 3. V. P. Spiridonov, A. A. Lopatkin, Tratamiento
tener un mayor nmero de mediciones, se aumenta Matemtico de Datos Fsico-Qumicos, Editorial
la REDUNDANCIA y se puede aplicar pruebas de MIR, Mosc, 1973.
hiptesis sobre los coeficientes y deteccin de datos
errneos. Tambin se puede asignar un mayor peso
o "credibilidad" que refleje la calidad de la
medicin; con este procedimiento se obtiene el
resultado que se conoce como mnimos cuadrados
ponderados.