Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión
MATLAB tiene funciones internas de ajuste de curvas que le permiten modelar los datos
empíricamente. Es importante recordar que estos modelos son buenos sólo en la región
donde se recopilaron los datos. Si no se entiende por qué un parámetro como y cambia
como lo hace con x, no puede predecir si la ecuación de ajuste de datos todavía funcionará
afuera del rango donde se recopilaron los datos.
Considera los datos de calor especifico vs el peso de ácido nítrico que se encuentra en el
Perry R.H. & D. W. Green (1999) la cual es replicada a continuación
Calor especifico del ácido nítrico
No de Concentración en % en
Ya se Calor especifico (cal/g°C) sabe
dato peso
que 1 0 1
2 10 0.9
3 20 0.81
4 30 0.73
5 40 0.675
6 50 0.65
7 60 0.64
8 70 0.615
9 80 0.575
10 90 0.515
mediante interpolación podría encontrar cualquier valor de calor especifico que requiera a
una determinada concentración como el de 46% y ya se determino que por medio de
interpolación el calor especifico a 46% es de 0.66 cal/g°C
Al observar la gráfica, puede ver que muchos de los puntos parecen caer fuera de la línea,
dado que se busca ajustar al mínimo error total, es decir que la distancia de unos puntos
que quedan afuera de un lado sea aproximadamente igual a la distancia de los puntos del
otro lado con la pendiente de esta línea podríamos estimar una ecuación y Para comparar
la calidad del ajuste de esta línea con otros posibles estimados se debe encontrar la
diferencia entre el valor y real y el valor calculado del estimado, de tal forma que amano
tendríamos que trazar líneas a ojo de buen cubero y estimar el error de cada línea trazada.
Para implementarlo a traves de Matlab se puede emplear la función polyfit
Regresión polinomial
Desde luego, las líneas rectas no son las únicas ecuaciones que se podrían analizar con la
técnica de regresión. Por ejemplo, un enfoque común es ajustar los datos con un
polinomio de orden superior de la forma
n n−1 n−2
y=a0 x +a 1 x + a2 x +… a n−1 x +an
La regresión polinomial se usa para obtener el mejor ajuste al minimizar la suma de los
cuadrados en las desviaciones de los valores calculados de los datos. La función polyfit le
permite hacer esto fácilmente en MATLAB. Se puede ajustar los datos de muestra a
ecuaciones de segundo y tercer orden con los comandos tomando como ejemplo el calor
especifico del ácido nítrico determinar el mejor ajuste.
Aquí observamos que el mejor ajuste lo proporciona el polinomio de 1er orden, si
continuamos probando con orden superiores
Observamos que el polinomio de primer orden sigue dando el mejor ajuste así que la
ecuación que se recomienda usar para el modelo de simulación es el que esta
representado para el primer orden, por lo tanto
calor especifico=−0.0048 ( Concentración )+ 0.9267
Figu
ra 2 ajuste de polinomios en forma gráfica.
Ahora vamos a ver un ejemplo para ajustar a los diferentes polinomios y como se pueden
poner en una sola figura los tres resultados para ser comparados
Continuamos con el código
La figura resultante es
Ajuste de
curvas
Aparece la siguiente ventana donde se pueden hacer ajustes de modelo desde 2 variables
a multivariables
Nombre del ajuste
Tipo de método a
utilizar
Para hacer los ajustes debes haber introducido los vectores de los datos en la ventana de
trabajo.
Nota: para encontrar el mejor ajuste vasta con jugar con los distintos modelos y métodos
hasta encontrar la ecuación que de el mejor ajuste, la cual se puede verificar en tres
puntos. La línea que cruce la mayoría de los puntos, el modelo que proporcione una
menor desviación estándar (SSe) o en el que la r de un ajuste perfecto a 1.
Ejercicios
1. Din (1962) reporta el calor latente de vaporización del propano líquido.
Presión de vapor
T (K) Δh (cal/mol)
(atm)
341.71 2443 25
351.23 2069 30
359.61 1615 35
367.18 912 40
370 0 42.1
Encuentra un modelo que prediga el calor latente de vaporización en
función de la presión de vapor y la temperatura utilizando las herramientas
de ajuste iterativo y en Excel para modelos de polinomios (consulta
procedimiento en el manual del profesor Soto). Mostrando la comparación
entre tes modelos que podrían emplearse. Concluye cual de los tres
modelos que se muestran es el que más recomendarías y haz hincapié a
que condiciones se limita el modelo.
Con base en estudios sobre la cinética de evasión de compuestos de cobre a
partir de resinas con intercambio iónico, se obtuvieron los siguientes datos. La
normalidad del líquido disolvente fue el factor más importante en la determinación
de la difusión. Estos datos se obtuvieron en valores convenientes de normalidad.
N 0.052 0.102 0.203 0.496 0.986 1.973 2.44 5.0
1 8 6 9 3 9 3 6
D x106 1.65 2.10 2.27 2.76 3.12 3.06 2.92 2.0
2
(cm /s) 7