Universidad de La Salle

Ing. Harrynson Ramírez Murillo

TAREA 2 BIG DATA. FUNDAMENTOS EN MATLAB Y PYTHON

1. Defina un vector de, al menos 25 muestras uniformemente distribuidas en el intervalo [0, 2𝜋].
A partir de dicho vector de abscisas, cree un vector de ordenadas, de tal forma que sea una
función trigonométrica seno o coseno, de periodo igual a 2𝜋, con una amplitud mayor o igual a
10. Así mismo, aplicar un ruido aleatorio a la señal obtenida equivalente al 20% de la amplitud
de función. De esta manera se podrán obtener las correspondientes observaciones. Grafique
ambas funciones, es decir, tanto la función trigonométrica seleccionada como las observaciones
2. Normalice o estandarice las observaciones obtenidas, indicando el porqué de ello. Grafique los
nuevos datos obtenidos.
3. Efectúe un ajuste polinómico, comprendido entre los grados 0 y 10, teniendo en cuenta las
siguientes consideraciones:
a. Realice una breve descripción teórica del método de regresión polinómica utilizado.
b. Obtenga un gráfico cuyo eje x corresponda al grado del polinomio [0, 10] y en el eje y
se encuentre el Error Cuadrático Medio (RMSE). Así mismo, para cada uno de los puntos
de dicho gráfico colocar el número de iteraciones obtenidas. Manejar una tolerancia de
1𝑥10−3 para el método empleado.
c. A partir del mínimo RMSE obtenido en el apartado anterior, determine los coeficientes
y el grado del polinomio óptimo.
d. Grafique sobre las observaciones normalizadas o estandarizadas del punto 2 el
polinomio óptimo.
4. Determine los coeficientes del polinomio que se ajuste a las observaciones reales del punto 1.
Grafique estas observaciones en conjunto al polinomio real óptimo obtenido.
5. Adjunte el correspondiente script de Matlab (archivo .m) y/o de Python (archivo .py) realizado.
6. Elabore, al menos tres conclusiones acerca de los resultados obtenidos.