Resumen

El objetivo de esta práctica es analizar los métodos de ajuste, usando algunas

funciones. Utilizando cambios de escalas en algunos casos y realizando la
gráfica de estás. Los resultados obtenidos muestran una recta pendiente.
Introducción
Existen algunos métodos de ajuste apropiados para reducir dependencias
funcionales como los siguientes:
 Método gráfico de ajuste a “ojo”
 Sencillo y fácil de aplicar.
 Un tanto subjetivo, que si no se aplica adecuadamente
lleva a resultados poco satisfactorios.
 Los resultados se expresan de las siguientes formas:

Recta pendiente mayor Y M =mM x + nM

Recta pendiente menor Y m =mmx + nm
Resultado final del Y = (m ± ∆m)x + (n ±
ajuste ∆n)

 Método analítico de ajuste por cuadrados mínimos

 Precisó.
 Requiere de mucho cálculo (pero sin problema con el apoyo de
computadoras).
 El resultado del ajuste por cuadrados mínimos se reporta como:
Recta pendiente Y= ( m - ∆m )x + ( n +
mínima ∆n )
Recta pendiente Y= ( m + ∆m )x + ( n -
máxima ∆n )
Resultado final del Y= ( m ± ∆m)x + (n
ajuste ±∆n)

Los valores para m y n son:

La impresión (incertidumbre) en la pendiente (∆m) y la ordenada al origen
(∆n) se calculan en términos de la desviación estándar de la distribución de
valores de ∆y alrededor de la mejor línea:
 Cálculo de ∆m. Cálculo de ∆n:
Resulta también útil el llamado coeficiente de correlación r entre las
variables X y Y definida por:
El coeficiente de correlación; varía de 0 a 1; nos dicen que tan bien la recta
se ajusta a los puntos experimentales; entre más cerca de 1, mayor es la

bondad de ajuste.

Metodología
Las actividades se dividieron en tres partes, las cuales se explican a
continuación:
Parte1.para graficar una función
Se utiliza la función dada y los valores conocidos para x en la función, se
sustituye cada uno de los valores de x para para poder encontrar su ordenada
de cada valor, una vez conocidos dichos valores para X y Y se gráfica
haciendo uso del programa excel.
Parte 2. Encontrar la forma funcional
Aplicamos las fórmulas para conocer el valor de m y n, una vez conocidos
estos valores calculamos el valor ∆m y ∆n para expresar el resultado de la
forma y= (m± ∆m) + (n ± ∆n) y se gráfica.
Parte 3. Aplicando los cambios de escala sugeridos
En la segunda y tercera tabla se hizo un cambio de escala. Para la segunda
tabla se hizo un cambio de escala logarítmico en ambas variables en el caso
de x se cálculo el logaritmo de las variables en R y para el caso de y se cálculo
el logaritmo de cada variable en P y se agregaron una columna para X y otra
para Y en la tabla, para la tercera tabla se usó un cambio de escalas semi-
logarítmico; en esta los valores de T se quedan tal cual solo que ahora será
la variable X y para los valores de F se calcula el logaritmo de cada uno de
los valores dados y SA cambia a la variable Y, después para ambas tablas se
calcularon los valores para m y n y en seguida para ∆m y ∆n y poder expresar
el resultado final del ajuste de la forma y=( m± ∆m) + (n ± ∆n) y se grafican.
Resultados
Parte 1. graficar una función
A continuación, se muestra la gráfica obtenida de la función y=x/(1+x)
A)

Fig.1 Función Y=X/(1+X)

B) Haciendo un cambio de variable donde x= x/(1+x) y y=Y

Puntos X Y
1 0 0
2 1 1
3 2 2
4 3 3
5 4 4
6 5 5
Fig.2 Función Y=X

Parte 2. Encontrar la forma funcional

A continuación, se muestra la tabla con los datos obtenidos para encontrar la
forma funcional y sus debidos cálculos, así como su gráfica.
Punto X Y XY X 2 Y2 ( n + mx – y ) 2
1 -2 5 -10 4 25 0
2 -1 3 -3 1 9 0
3 0 1 0 0 1 0
4 1 -1 -1 1 1 0
5 2 -3 -6 4 9 0
Suma Sx Sy Sxy Sxx Syy Sx 2
0 5 -20 10 45 0
Cálculo de m: -2. Cálculo de n: 1.
Cálculo de ∆m: 0. Cálculo de ∆n: 0.

Fig.3 Función Y=-2x +1.

Parte 3. Aplicando cambio de escala sugerido
A)
En la siguiente tabla se observa que se hizo un cambio de escala logarítmico
para las variables R y P y el resultado de este cambio es la Fig.4

Gráfica 2
0.5
0.4
0.3
0.2
0.1
Y

0
-0.1 0 0.5 1 1.5 2 2.5
-0.2
-0.3
-0.4
X

Fig.4 Aplicando el cambio de escala

B)
Para la siguiente tabla se observa que se realizó un cambio de escala semi-
logarítmico donde log(f)=Y y se realizaron los cálculos pertinentes para
encontrar la forma funcional, así también se puede apreciar dos figuras la 5
y 6 que muestran el cambio que sufre la curva antes y después de realizar el
ajuste por cuadrados mínimos.
Punto T F T=X Log(F)=Y XY X2 Y2 ( n+mx-y)
2

1 0.01 0.161 0.01 -0.7931 -7.9317E- 1E-04 0.6291 5.

03 2807E-07
2 0.005 0.995 0.005 -2.1769E-- -1.0884E- 2.5E-05 4.73E- 9.6594E-
03 05 06 08
3 0.0033 1.829 0.0033 0.2622 8.6530E- 1.08E- 0.0687 2.7164E-
04 05 05
4 0.0025 2.5 0.0022 0.3979 9.9485E- 6.25E- 0.1583 1.4354E-
04 06 05
5 0.002 2.981 0.002 0.4743 9.4872E- 4E-06 0.2250 1.0146E-
04 06
Suma Sx Sy Sxy Sxx Syy Sx 2
0.01 0.3391 -5.1337E- 1.46E- 1.0812 4.3158E-
03 04 05

Cálculo de m: -158.4069 Cálculo de n: 0.7901

Cálculo de ∆m: 0.5840. Cálculo de ∆n: 0.003
Y= (-158.40±0.5840) x + (0.79±0.003)
Fig.5 Antes de aplicar algún cambio de escala

Fig.6 Muestra el resultado del ajuste por cuadrados mínimos, es decir, la

función
Y= (-158.40±0.58) x + (0.79±0.003).

Discusión de resultados
Parte 1.
De la fig.1 observamos que al graficar los valores para X y Y nos arroja como
resultado una curva, después en la figura 2 con un cambio de escala para la
variable x= x/(1+x) (este cambio se observa en la tabla agregando una nueva
columna) se observa un comportamiento lineal, es decir, una línea recta;
expresada de la siguiente forma Y =X.
Parte 2.
En la fig.3 se observa la gráfica de la función lineal obtenida a partir de los
datos proporcionados, cabe mencionar que para los valores de ∆m y ∆n
dieron como resultado 0, por ello no fueron considerados en el resultado final
del ajuste quedando de la siguiente manera: y=-2x + 1.
Parte 3.
De la fig.4 y fig.6 se observa como al hacer algunos cambios de escala en
dos variables o simplemente en una (se muestra con claridad en las tablas)
se obtiene una función lineal donde antes era una curva (observar la fig.5)
ahora es una recta fig.6, utilizando el método de ajuste por cuadrados
mínimos
.
Conclusión
El método de ajuste por cuadrados mínimos es el mejor método apropiado
para reducir dependencias funcionales ya que es más preciso y requiere de
mucho menos cálculo y no muestra ningún problema para el apoyo de
computadoras que realicen su graficación. Este método es muy importante;
pues de tener a una curva de puede obtener una línea recta o simplemente
con algunos datos y hacer un cambio de escala puedes obtener una forma
funcional para graficar.