Documentos de Académico
Documentos de Profesional
Documentos de Cultura
División de Ingeniería
Departamento de Ingeniería Química y Metalurgia
Métodos numéricos
V Serie
“Linealización de funciones no lineales y regresión por mínimos
cuadrados en general”
pedro.loera@unison.mx
INSTRUCCIONES:
*En todos los ejercicios realice el diagrama de dispersión de los datos y realice las
funciones de regresión que calculó. Puede auxiliarse con recurso computacional.
𝒚∗ 𝑺𝒓 𝑺𝒕
0.60411502 3.4633E-05 0.418177778
0.977761278 0.003336365 0.113344444
1.524952335 0.286174001 0.071111111
1.300829437 0.048035736 0.069344444
1.300829437 0.028618679 0.045511111
1.831511624 0.039397635 0.598044444
7.539999131 0.40559705 1.315533333
𝑁 𝑁
SEL:
𝑁 𝑁 𝑁 𝑁
𝑁𝑎0 + (∑ 𝑥𝑘 ) 𝑎1 + (∑ sin𝑥𝑘 ) 𝑎3 + (∑ 𝑒 𝑥𝑘 ) 𝑎4 = (∑ 𝑦𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑁 𝑁 𝑁 𝑁 𝑁
(∑ 𝑥𝑘 ) 𝑎0 + (∑ 𝑥𝑘2 ) 𝑎1 + (∑ 𝑥𝑘 sin 𝑥𝑘 ) 𝑎3 + (∑ 𝑥𝑘 𝑒 𝑥𝑘 ) 𝑎4 = (∑ 𝑦𝑘 𝑥𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑁 𝑁 𝑁 𝑁 𝑁
(∑ 𝑒 𝑥𝑘 ) 𝑎0 + (∑ 𝑒 𝑥𝑘 𝑥𝑘 ) 𝑎1 + (∑ 𝑒 𝑥𝑘 sin 𝑥𝑘 ) 𝑎3 + (∑ 𝑒 2𝑥𝑘 ) 𝑎4 = (∑ 𝑦𝑘 𝑒 𝑥𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑎0 = 16.878348
𝑎1 = 83.467603
𝑎3 = −63.036723
𝑎4 = −16.583699
𝑟 = 0.8316767542
2.5
1.5
x,y
1 x,y*
0.5
0
0 0.2 0.4 0.6 0.8 1
𝒙 𝒙 𝒚 𝒚 𝐬𝐢𝐧(𝝅𝒙)
𝒙 𝒚 𝒙𝟐 𝒙∙𝒚 𝐬𝐢𝐧(𝝅𝒙) 𝐬𝐢𝐧(𝟐𝝅𝒙) 𝐬𝐢𝐧𝟐(𝝅𝒙) 𝐬𝐢𝐧𝟐(𝟐𝝅𝒙)
∙ 𝐬𝐢𝐧(𝝅𝒙) ∙ 𝐬𝐢𝐧(𝟐𝝅𝒙) ∙ 𝐬𝐢𝐧(𝝅𝒙) ∙ 𝐬𝐢𝐧(𝟐𝝅𝒙) ∙ 𝐬𝐢𝐧(𝟐𝝅𝒙)
0.1 0 0.01 0 0.309016994 0.587785252 0.030901699 0.058778525 0 0 0.181635632 0.095491503 0.345491503
0.2 2.122 0.04 0.4244 0.587785252 0.951056516 0.11755705 0.190211303 1.247280305 2.018141928 0.559016994 0.345491503 0.904508497
0.3 3.0244 0.09 0.90732 0.809016994 0.951056516 0.242705098 0.285316955 2.446790998 2.876375328 0.769420884 0.654508497 0.904508497
0.4 3.2568 0.16 1.30272 0.951056516 0.587785252 0.380422607 0.235114101 3.097400862 1.91429901 0.559016994 0.904508497 0.345491503
0.5 3.1399 0.25 1.56995 1 0 0.5 0 3.1399 0 0 1 0
0.6 2.8579 0.36 1.71474 0.951056516 -0.587785252 0.57063391 -0.352671151 2.718024418 -1.679831473 -0.559016994 0.904508497 0.345491503
0.7 2.514 0.49 1.7598 0.809016994 -0.951056516 0.566311896 -0.665739561 2.033868724 -2.390956082 -0.769420884 0.654508497 0.904508497
0.8 2.1639 0.64 1.73112 0.587785252 -0.951056516 0.470228202 -0.760845213 1.271908507 -2.057991196 -0.559016994 0.345491503 0.904508497
0.9 1.8358 0.81 1.65222 0.309016994 -0.587785252 0.278115295 -0.529006727 0.567293398 -1.079056166 -0.181635632 0.095491503 0.345491503
4.5 20.9147 2.85 11.06227 6.313751515 0 3.156875757 -1.538841769 16.52246721 -0.399018651 0 5 5
𝒚∗ 𝑺𝒓 𝑺𝒕
0.1687503988 0.0284766971 5.400304643
1.8513933070 0.0732279823 0.040745665
2.9500375850 0.0055297688 0.490762519
3.3944783165 0.0189553188 0.870385336
3.2914623050 0.0229711323 0.665928535
2.8711097504 0.0001744975 0.285203469
2.3946039645 0.0142554133 0.03615491
2.0588404125 0.0110375169 0.02558578
1.9340240108 0.0096479563 0.238198225
20.9147000506 0.1842762833 8.053269082
𝑁 𝑁
SEL:
𝑁 𝑁 𝑁 𝑁
𝑁 𝑁 𝑁 𝑁 𝑁
𝑁 𝑁 𝑁 𝑁 𝑁
𝑁 𝑁 𝑁 𝑁 𝑁
𝑎0 = −1.85760665
𝑎1 = 3.81440363
𝑎3 = 3.24186714
𝑎4 = 1.09414900
𝑆𝑡 − 𝑆𝑟 8.053269082 − 0.1842762833
𝑟2 = = = 0.9771178286
𝑆𝑡 8.053269082
𝑟 = 0.9884927054
3.5
2.5
2 x,y
x,y*
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1
x 0.24 0.65 0.95 1.24 1.73 2.01 2.23 2.52 2.77 2.99
y 0.23 -0.26 -1.1 -0.45 0.27 0.10 -0.29 0.24 0.56 1
𝒙 𝒚 𝒍𝒏 𝒙 𝐥𝐧 𝒙𝟐 𝒄𝒐𝒔𝟐 𝒙 𝒍𝒏 𝒙 ∗ 𝒄𝒐𝒔 𝒙
𝒄𝒐𝒔 𝒙
(𝒆𝒙 )𝟐 𝒍𝒏 𝒙 ∗ 𝒆𝒙 𝒚 ∗ 𝒍𝒏 𝒙 𝒚 ∗ 𝒄𝒐𝒔 𝒙 𝒚 ∗ 𝒆𝒙
∗ 𝒆𝒙
0.24 0.23 - 2.036661093 0.943497461 -1.386212311 1.234812575
1.616074402 -1.814220455 -0.328236762 0.223407734 0.292387305
1.427116356
0.65 -0.26 - 0.185573921 0.633749414 -0.3429393 1.524931019
3.669296668 -0.825182264 0.112003558 -0.206981788 -0.498040616
0.430782916
0.95 -1.1 - 0.002631002 0.338355217 -0.029836442 1.504063583
6.685894442 -0.132629567 0.056422624 -0.639851398 -2.844280625
0.051293294
1.24 -0.45 0.21511138 0.046272906 0.105492626 0.069867377 1.122370414 11.94126442 0.74334178 -0.096800121 -0.146158328 -1.555026059
1.73 0.27 0.548121409 0.300437078 0.025132395 -0.086894783 -0.894224149 31.81697651 3.091763165 0.14799278 -0.04280364 1.522976555
2.01 0.1 0.698134722 0.48739209 0.180811072 -0.296860045 -3.173543235 55.70110583 5.210400982 0.069813472 -0.042521885 0.746331735
2.23 -0.29 0.802001585 0.643206543 0.375141018 -0.491215999 -5.696052336 86.4875091 7.45850734 -0.23258046 0.177621394 -2.696961163
2.52 0.24 0.924258902 0.854254517 0.660891015 -0.751378157 -10.10385298 154.470015 11.4872411 0.221822136 -0.195108489 2.982863199
2.77 0.56 1.01884732 1.038049862 0.868158501 -0.94931123 -14.86946099 254.6779995 16.25941149 0.570554499 -0.521780132 8.936835045
2.99 1 1.095273387 1.199623793 0.977195161 -1.082712596 -19.65762992 395.4403682 21.78025882 1.095273387 -0.988531821 19.88568249
17.33 0.3 3.392556139 6.794102805 5.108423881 -5.347493486 -49.00858602 1002.506504 63.2588924 1.616265115 -2.382708353 26.77276787
𝒚∗ 𝑺𝒓 𝑺𝒕
0.299578891 0.004841222 0.04
-0.496782741 0.056066066 0.0841
-0.600818499 0.249182171 1.2769
-0.527401853 0.005991047 0.2304
-0.19728814 0.218358205 0.0576
0.038939546 0.003728379 0.0049
0.223462346 0.263643581 0.1024
0.445199134 0.042106685 0.0441
0.605067025 0.002031037 0.2809
0.717821857 0.079624504 0.9409
0.507777568 0.925572897 3.0622
𝑔(𝑥) = 𝑎0 ln 𝑥 + 𝑎2 cos 𝑥 + 𝑎3 𝑒 𝑥
𝑁 𝑁
SEL:
𝑁 𝑁 𝑁 𝑁
2
(∑(ln 𝑥𝑘 ) ) 𝑎0 + (∑ ln 𝑥𝑘 cos 𝑥𝑘 ) 𝑎2 + (∑ ln 𝑥𝑒 𝑥𝑘 )
𝑎3 = (∑ 𝑦𝑘 ln 𝑥𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑁 𝑁 𝑁 𝑁
(∑ ln 𝑥𝑘 𝑒 𝑥𝑘 ) 𝑎0 + (∑ cos 𝑥𝑘 𝑒 𝑥𝑘 ) 𝑎2 + (∑ exk 𝑒 𝑥𝑘 ) 𝑎3 = (∑ 𝑦𝑘 𝑒 𝑥𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑆𝑡 − 𝑆𝑟 3.0622 − 0.925572897
𝑟2 = = = 0.69774250626
𝑆𝑡 3.0622
𝑟 = 0.83530982651
1.5
0.5
x,y
0
0 0.5 1 1.5 2 2.5 3 3.5 x,y*
-0.5
-1
-1.5
Ajústelos a el modelo:
𝑦 = 𝑎0 𝑥𝑒 𝑎1 𝑥
Mediante linealización; y aplique el criterio de mínimos cuadrados para calcular los
valores de los coeficientes 𝑎0 𝑦 𝑎1. [3]
𝑦
Sugerencia: Primeramente despeje la ecuación de la siguiente forma: 𝑥 = 𝑎0 𝑒𝑎1 𝑥
Y luego linealízela.
𝒙 𝒚 𝒙𝟐 𝒚 𝒚 𝒚∗ 𝑺𝒓 𝑺𝒕
𝐥𝐧 𝒙 ∗ 𝐥𝐧
𝒙 𝒙
0.1 0.75 0.01 2.0149030205 0.2014903021 0.7544716495 1.99956E-05 0.000316049
0.2 1.25 0.04 1.8325814637 0.3665162927 1.1783070764 0.005139875 0.232538272
0.4 1.45 0.16 1.2878542883 0.5151417153 1.4370094089 0.000168755 0.46542716
0.6 1.25 0.36 0.7339691751 0.4403815050 1.3143832045 0.004145197 0.232538272
0.9 0.85 0.81 -0.0571584138 -0.0514425725 0.9387932434 0.00788424 0.006760494
1.3 0.55 1.69 -0.8602012652 -1.1182616448 0.5042118619 0.002096554 0.04742716
1.5 0.35 2.25 -1.4552872326 -2.1829308489 0.3547579163 2.26378E-05 0.174538272
1.7 0.28 2.89 -1.8035939269 -3.0661096757 0.2451663650 0.001213382 0.23792716
1.8 0.18 3.24 -2.3025850930 -4.1446531674 0.2027076023 0.000515635 0.345482716
8.5 6.91 11.45 -0.6095179839 -9.0398680941 6.9298083283 0.0212062722 1.7430
𝑦
ln = ln(𝑎0 ) + 𝑎1 𝑥
𝑥
𝑦 𝑦
𝑁 ∑ 𝑥𝑘 ln 𝑥𝑘 − ∑ 𝑥𝑘 ∑ ln 𝑥𝑘 9(−9.0398680941) − (8.5 ∗ −0.6095179839)
𝑘 𝑘
𝑎1 = 2 =
𝑁 ∑ 𝑥𝑘2 − (∑ 𝑥𝑘 ) 9(11.45) − (8.5)2
𝑎1 = −2.473308766
̅̅̅̅̅
𝑦
ln 𝑎0 = ln − 𝑎1 𝑥̅ = −0.0677242204 − (−2.473308766 ∗ 0.9444444) = 2.268178393
𝑥
𝑎0 = 9.661784799
𝑦 = 9.661784799𝑥𝑒 −2.473308766𝑥
𝑆𝑡 − 𝑆𝑟 1.7430 − 0.0212062722
𝑟2 = = = 0.987833464
𝑆𝑡 1.7430
𝑟 = 0.9938981155
2.5
2
1.5
1
0.5
0 x,y
0 0.5 1 1.5 2
-0.5 x, ln y/x
-1
-1.5
-2
-2.5
-3
𝜋𝑥 𝜋𝑥
𝑓(𝑥) = 𝑎 sin ( ) + 𝑏 cos ( )
2 2
𝒙 𝒚 𝝅𝒙 𝝅𝒙 𝝅𝒙 𝝅𝒙 𝝅𝒙 𝝅𝒙 𝒔𝒊𝒏
𝝅𝒙
∗ 𝐜𝐨𝐬
𝝅𝒙
𝒔𝒊𝒏 𝐜𝐨𝐬 𝒔𝒊𝒏𝟐 𝒄𝒐𝒔𝟐 𝒔𝒊𝒏 ∗𝒚 𝐜𝐨𝐬 ∗𝒚 𝟐 𝟐
𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
-0.5 -3.558 -0.707106781 0.707106781 0.5 0.5 2.515885927 -2.515885927 -0.5
-0.19 -2.874 -0.294040325 0.955793015 0.086459713 0.913540287 0.845071895 -2.746949125 -0.281041689
0.02 -1.995 0.031410759 0.99950656 0.000986636 0.999013364 -0.062664464 -1.994015588 0.03139526
0.2 -1.04 0.309016994 0.951056516 0.095491503 0.904508497 -0.321377674 -0.989098777 0.293892626
0.35 -0.068 0.522498565 0.852640164 0.27300475 0.72699525 -0.035529902 -0.057979531 0.445503262
𝒚∗ 𝑺𝒓 𝑺𝒕
-3.595373136 0.00139675131 4.3264
-2.852095619 0.00047980189 1.948816
-1.954319253 0.00165492316 0.267289
-1.012710354 0.00074472476 0.191844
-0.163192853 0.00906167927 1.9881
𝜋𝑥 𝜋𝑥
𝑦 = 𝑎 𝑠𝑒𝑛 ( ) + 𝑏 𝑐𝑜𝑠( )
2 2
𝜋𝑥 𝜋𝑥 𝜋𝑥 𝜋𝑥
∑ 𝑠𝑖𝑛2 ( ) ∗ 𝑎 + ∑ 𝑠𝑖𝑛 ( ) ∗ cos ( ) ∗ 𝑏 = ∑ 𝑠𝑖𝑛 ( ) ∗ 𝑦
2 2 2 2
𝜋𝑥 𝜋𝑥 𝜋𝑥 𝜋𝑥
∑ 𝑠𝑖𝑛 ( ) ∗ cos ( ) ∗ 𝑎 + ∑ co𝑠 2 ( ) ∗ 𝑏 = ∑ cos ( ) ∗ 𝑦
2 2 2 2
SEL:
𝑎 = 3.033994272
𝑏 = −2.050631179
𝜋𝑥 𝜋𝑥
𝑦 = 3.033994272 𝑠𝑒𝑛 ( ) − 2.050631179 𝑐𝑜𝑠( )
2 2
𝑆𝑡 − 𝑆𝑟 13.323474 − 0.01414118968
𝑟2 = = = 0.9989386259
𝑆𝑡 13.323474
𝑟 = 0.9994691721
1
0.5
0
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
-0.5
-1
x,y
-1.5
x,y*
-2
-2.5
-3
-3.5
-4
6. Para la función 𝑓(𝑥) = 𝑎𝑥𝑏 calcule los valores de a y b tal que [4]:
2.5 10.16 0.397940009 0.158356251 1.006893708 1.013834939 0.400683291 9.551552742 0.370208065 33.0625
7.5 22.05 0.574031268 0.370602499 2.236434915 2.082807757 0.830126219 21.645956 0.494026205 61.5484
𝑦 = 𝑎𝑥 𝑏
𝑁 ∑ log 𝑥𝑘 (log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘
𝑏= 2
𝑁 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 )
5(0.830126219) − (0.574031268)(2.236434915)
𝑏= = 1.881750181
5(0.370602499) − (0.574031268)2
log 𝑎 = ̅̅̅̅̅̅
log 𝑦 − 𝑏 ̅̅̅̅̅̅
log 𝑥 = 0.447286983 − (1.881750181(0.1148062536))=0.231250295
𝑎 = 100.231250295 = 1.703139787
𝑦 = 1.703139787𝑥 1.881750181
12
10
y = 1.7031x1.8818
R² = 0.9967
8
0
0 0.5 1 1.5 2 2.5 3
7. Aplicar regresión por mínimos cuadrados para ajustar los datos de los siguientes
problemas a un modelo exponencial, realice el diagrama de dispersión. Realice los
cálculos a mano y verifique en su calculadora u hoja de cálculo. Indique la bondad
del ajuste [3].
𝒙 𝒚 𝒙𝟐 𝒍𝒏 𝒚 𝒍𝒏𝟐 𝒚 (𝒍𝒏 𝒚) ∗ 𝒙 𝒚∗ 𝑺𝒓 𝑺𝒕
0.4 800 0.16 6.684611728 44.68403395 2.673844691 758.3622632 1733.701126 1321919.44
0.8 975 0.64 6.882437471 47.36794554 5.505949977 1052.182315 5957.109767 950132.7961
1.2 1500 1.44 7.313220387 53.48319243 8.775864465 1459.840076 1612.819464 202272.8633
1.6 1950 2.56 7.575584652 57.38948282 12.12093544 2025.440856 5691.322704 0.063728446
2 2900 4 7.972466016 63.56021438 15.94493203 2810.178133 8067.96786 902979.7091
𝑦 = 𝑎0 𝑒 𝑎1𝑥
𝑁 ∑ 𝑥𝑘 (ln 𝑦𝑘 ) − ∑ ln 𝑦𝑘 ∑ 𝑥𝑘
𝑎1 = 2
𝑁 ∑ ( 𝑥𝑘 )2 − (∑ 𝑥𝑘 )
6(63.85551159) − (8.3)(44.61700938)
𝑎1 = = 0.8186512259
6(14.09) − (8.3)2
ln 𝑎0 = ̅̅̅̅̅
ln 𝑦 − 𝑎1 𝑥̅ = 7.43616823 − (0.8186512259)(1.38333333)= 6.303700701
𝑎0 = 𝑒 6.303700701 = 546.5909415
𝑦 = 546.5909415 𝑒 0.8186512259 𝑥
6 ∑ 𝑥𝑘 ln 𝑦𝑘 − ∑ 𝑥𝑘 ∗ ∑ ln 𝑦𝑘
𝑟= = 0.9966326383
√(6 ∑ 𝑥𝑘2 − (∑ 𝑥𝑘 )2 ) ∗ (6 ∑(ln 𝑦𝑘 )2 − (∑ ln 𝑦𝑘 )2 )
4000
y = 546.59e0.8187x
3500 R² = 0.9933
3000
2500
2000
1500
1000
500
0
0 0.5 1 1.5 2 2.5
a) Calcule el valor de y, si x = 1
𝑦 = 546.5909415 𝑒 0.8186512259 𝑥
𝑦 = 546.5909415𝑒 0.8186512259 (1) = 1239.361897
𝑦 = 546.5909415 𝑒 0.8186512259 𝑥
2345 = 546.5909415𝑒 0.8186512259 𝑥
2345
(ln 546.5909415)
𝑥= = 1.778950466
0.8186512259
8. Se determinaron los siguientes valores de capacidad calorífica c a distintas
temperaturas T de cierto gas [3]:
Aplicar regresión por mínimos cuadrados para ajustar los datos de los siguientes
problemas a un modelo exponencial. Realice el diagrama de dispersión. Realice los
cálculos a mano y verifique en su calculadora u hoja de cálculo. Indique la bondad del
ajuste.
𝑻 𝒄 𝑻𝟐 𝒍𝒏 𝒄 𝒍𝒏𝟐 𝒄 (𝒍𝒏 𝒄) ∗ 𝑻 𝒄∗ 𝑺𝒓 𝑺𝒕
-50 1270 2500 7.146772179 51.07635258 -357.338609 1244.728803 638.6333978 30044.44444
-30 1280 900 7.154615357 51.18852091 -214.6384607 1289.741043 94.88791873 26677.77778
0 1350 0 7.207859871 51.95324393 0 1360.329738 106.7034871 8711.111111
60 1480 3600 7.299797367 53.2870416 437.987842 1513.308724 1109.471095 1344.444444
90 1580 8100 7.365180126 54.24587829 662.8662113 1596.13348 260.2891769 18677.77778
𝑐 = 𝑎0 𝑒 𝑎1𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑐𝑘 ) − ∑ ln 𝑐𝑘 ∑ 𝑇𝑘
𝑎1 = 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
6(1347.0991719) − (43.61260843 ∗ 180)
𝑎1 = = 0.001776188945
6(27200) − (180)2
̅̅̅̅̅𝑐 − 𝑎1 𝑇̅ = 7.268768072 − (0.001776188945(30))=7.215482404
ln 𝑎0 = ln
𝑎0 = 𝑒 7.215482404 = 1360.329738
𝑐 = 1360.329738𝑒 0.001776188945𝑇
6 ∑ 𝑇𝑘 ln 𝑐𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑐𝑘
𝑟= = 0.9866377417
√(6 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 )2 ) ∗ (6 ∑(ln 𝑐𝑘 )2 − (∑ ln 𝑐𝑘 )2 )
1800
1600
1400
Capacidad calorífica,c
1200
1000 y = 1360.3e0.0018x
R² = 0.9735
800
600
400
200
0
-60 -40 -20 0 20 40 60 80 100 120
Temperatura, T
a) Si la temperatura del gas es 30°, estime la capacidad calorífica del gas con este
modelo.
𝑐 = 1360.329738𝑒 0.001776188945𝑇
𝑐 = 1360.329738𝑒 0.001776188945(30) = 1434.781816
b) Si la temperatura del gas es 75°, estime la capacidad calorífica del gas con este
modelo.
𝑐 = 1360.329738𝑒 0.001776188945𝑇
𝑐 = 1360.329738𝑒 0.001776188945(75) = 1554.169463
Aplicar regresión por mínimos cuadrados para ajustar los datos de los siguientes
problemas a un modelo exponencial. Realice el diagrama de dispersión. Realice los
cálculos a mano y verifique en su calculadora u hoja de cálculo. Indique la bondad del
ajuste.
𝑻 𝒑 𝑻𝟐 𝒍𝒏 𝒑 𝒍𝒏𝟐 𝒑 (𝒍𝒏 𝒑) ∗ 𝑻 𝒑∗ 𝑺𝒓 𝑺𝒕
-40 6900 1600 8.839276691 78.13281241 -353.5710676 7094.586466 37863.89275 9000000
0 8100 0 8.999619341 80.99314828 0 8034.182888 4331.892232 3240000
40 9300 1600 9.137769679 83.49883471 365.5107872 9098.218055 40715.95333 360000
80 10500 6400 9.259130536 85.73149829 740.7304429 10303.17245 38741.08444 360000
120 11700 14400 9.367344121 87.74713588 1124.081294 11667.7092 1042.695765 3240000
𝑝 = 𝑎0 𝑒 𝑎1𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑝𝑘 ) − ∑ ln 𝑝𝑘 ∑ 𝑇𝑘
𝑎1 = 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
6(3391.148671) − (55.06812296 ∗ 360)
𝑎1 = = 0.003109331907
6(49600) − (360)2
̅̅̅̅̅
ln 𝑎0 = ln 𝑝 − 𝑎1 𝑇̅ = 9.178020493 − (0.003109331907(60))=8.991460579
𝑎0 = 𝑒 8.991460579 = 8034.182888
𝑝 = 8034.182888 𝑒 0.003109331907 𝑇
6 ∑ 𝑇𝑘 ln 𝑝𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑝𝑘
𝑟= = 0.9958489209
2 2
√(6 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (6 ∑(ln 𝑝𝑘 )2 − (∑ ln 𝑝𝑘 ) )
14000
12000
8000
y = 8034.2e0.0031x
6000 R² = 0.9917
4000
2000
0
-50 0 50 100 150 200
Temperatura, C°
d) Si la temperatura del gas es 30°, estime la presión del gas con este modelo.
𝑝 = 8034.182888 𝑒 0.003109331907 𝑇
𝑝 = 8034.182888 𝑒 0.003109331907 (30) = 8819.67708 𝑁/𝑚 2
e) Si la temperatura del gas es 75°, estime la presión del gas con este modelo.
𝑝 = 8034.182888 𝑒 0.003109331907 𝑇
𝑝 = 8034.182888 𝑒 0.003109331907 (75) = 10144.23124 𝑁/𝑚 2
Día 0 4 8 12 16 20
𝑻 𝑿 𝑻𝟐 𝒍𝒏 𝑿 𝒍𝒏𝟐 𝑿 (𝒍𝒏 𝑿) ∗ 𝑻 𝑿∗ 𝑺𝒓 𝑺𝒕
0 67 0 4.204692619 17.67944002 0 67.30603652 0.093658352 2598.559264
4 84 16 4.430816799 19.63213751 17.7232672 82.30425507 2.87555086 1154.373033
8 98 64 4.584967479 21.02192678 36.67973983 100.644619 6.994009738 399.0431967
12 125 144 4.828313737 23.31261354 57.93976485 123.0718792 3.71764987 49.33565451
16 149 256 5.003946306 25.03947863 80.0631409 150.4967438 2.240242113 962.4845059
𝑋 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑋𝑘 ) − ∑ ln 𝑋𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
6(296.8130293) − (60 ∗ 28.27309277)
𝜇= = 0.05029322
6(880) − (60)2
̅̅̅̅̅
ln 𝑐 = ln 𝑋 − 𝜇𝑇̅ = 4.712182128 − (0.05029322(10))=4.209249928
𝑐 = 𝑒 4.209249928 = 67.3060365
𝑋 = 67.3060365𝑒 0.05029322 𝑇
6 ∑ 𝑇𝑘 ln 𝑋𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑋𝑘
𝑟= = 0.9989323607
2 2
√(6 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (6 ∑(ln 𝑋𝑘 )2 − (∑ ln 𝑋𝑘 ) )
200
180
0
0 5 10 15 20 25
Tiempo, días
𝑋 = 67.3060365𝑒 0.05029322 𝑇
𝑋 = 67.3060365𝑒 0.05029322 (40) = 503.1954826 × 106 𝑏𝑎𝑐𝑡𝑒𝑟𝑖𝑎𝑠
11. Aplicar regresión por mínimos cuadrados para ajustar los datos de los siguientes
problemas a un modelo de potencias, realice el diagrama de dispersión. Realice los
cálculos a mano y verifique en su calculadora u hoja de cálculo. Indique la bondad
del ajuste [3].
12.5 5.2 1.096910013 1.203211577 0.716003344 0.512660789 0.785391237 5.402263567 4.300100056 0.040910551
17.5 4.6 1.243038049 1.54514359 0.662757832 0.439247944 0.823833202 4.504268946 7.14850197 0.009164435
99.5 72.8 9.111259888 9.138401804 8.329529413 7.183599738 7.137084465 72.73668261 76.67640091 0.33314516
𝑦 = 𝑎0 𝑥 𝑎1
𝑁 ∑ log 𝑥𝑘 (log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘
𝑎1 = 2
𝑁 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 )
10(7.137084465) − (9.111259888 ∗ 8.329529413)
𝑎1 = = −0.540289579
10(9.138401804) − (9.111259888)2
log 𝑎0 = ̅̅̅̅̅̅
log 𝑦 − 𝑎1 ̅̅̅̅̅̅
log 𝑥 = 0.8329529413 − (−0.540289579(0.9111259888))=1.325224818
𝑎0 = 101.325224818 = 21.145833972
𝑦 = 21.145833972𝑥 −0.540289579
14
12
y = 21.146x-0.54
10 R² = 0.9951
0
0 5 10 15 20 25
d) Calcule el valor de 𝑦, si 𝑥 = 9
𝑦 = 21.145833972𝑥 −0.540289579
𝑦 = 21.145833972 (9)−0.540289579 = 6.451452949
−0.540289579 10.5
√ = 𝑦
21.145833972
𝑦 = 3.653650255
12. Un objeto se suspende en un túnel de viento y se mide la fuerza para varios niveles
de velocidad del viento. Los resultados se muestran a continuación [3]:
𝑣, 𝑚⁄𝑠 10 20 30 40 50 60 70 80
Emplee regresión por mínimos cuadrados para ajustar estos datos a un modelo de
una ecuación de potencias. Estime:
360 5135 12.60552052 20.51562169 20.5153201 55.32243797 33.621906 5240.627086 345713.5969 1808296.875
𝐹 = 𝑎0 𝑣 𝑎1
𝑁 ∑ log 𝑣𝑘 (log 𝐹𝑘 ) − ∑ log 𝑣𝑘 ∑ log 𝐹𝑘
𝑎1 = 2
𝑁 ∑ ( log 𝑣𝑘 )2 − (∑ log 𝑣𝑘 )
8(33.621906) − (12.60552052 ∗ 20.5153201)
𝑎1 = = 1.984176256
8(20.51562169) − (12.60552052)2
log 𝑎0 = ̅̅̅̅̅̅
log 𝐹 − 𝑎1 ̅̅̅̅̅̅
log 𝑣 = 2.564415012 − (1.984176256(1.575690065))=-0.5620318018
𝑎0 = 10-0.5620317293 = 0.2741373424
𝐹 = 0.2741373424 𝑣 1.984176256
1800
1600
y = 0.2741x1.9842
1400
R² = 0.9481
1200
Fuerza, N
1000
800
600
400
200
0
0 10 20 30 40 50 60 70 80 90
Velocidad, m/s
𝐹 = 0.2741373424 𝑣 1.984176256
𝐹 = 0.2741373424 (47.5)1.984176256 = 581.8671604 𝑁
1.984176256 980
√ = 𝑣
0.2741373424
𝑣 = 61.77283017 𝑚⁄𝑠
13. Aplicar regresión por mínimos cuadrados para ajustar los datos de los siguientes
problemas a un modelo de potencias, realice el diagrama de dispersión. Realice los
cálculos a mano y verifique en su calculadora u hoja de cálculo. Indique la bondad
del ajuste [5].
y 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72
5.5 195.14 0.7403626895 0.5481369120 2.290346301 5.245686177 1.695686947 195.1237456 0.000264206 0.488601
5.9 224.87 0.7708520116 0.5942128239 2.351931520 5.531581874 1.812991143 224.8456932 0.000590822 842.798961
6.3 256.73 0.7993405495 0.6389453140 2.409476621 5.805577586 1.925992366 256.6955592 0.001186166 3707.713881
6.8 299.5 0.8325089127 0.6930710897 2.476396827 6.132541243 2.061622430 299.5044222 1.95562E-05 10745.60292
7.1 326.72 0.8512583487 0.7246407763 2.514175720 6.321079553 2.140213072 326.7898071 0.00487303 17129.83616
54.1 1958.39 7.2525123415 5.3289805 22.597919194 51.34836969 16.52869279 1958.398776 0.007023409 55974.88009
𝑦 = 𝑎0 𝑥 𝑎1
𝑁 ∑ log 𝑥𝑘 (log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘
𝑎1 = 2
𝑁 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 )
10(16.52869279) − (7.2525123415 ∗ 22.597919194)
𝑎1 = = 2.019541427
10(5.3289805) − (7.2525123415)2
log 𝑎0 = ̅̅̅̅̅̅
log 𝑦 − 𝑎1 ̅̅̅̅̅̅
log 𝑥 = 2.2597919194 − (2.019541427(0.72525123415))=0.7951170017
𝑎0 = 100.7951170017 = 6.239028962
𝑦 = 6.239028962 𝑥 2.019541427
350
300 y = 6.239x2.0195
R² = 1
250
200
150
100
50
0
0 1 2 3 4 5 6 7 8
𝑥 = 4.836391907
14. Usted lleva a cabo experimentos y determina los valores siguientes de capacidad
calorífica c a distintas temperaturas T para un gas:
𝑻 𝒄 𝒄𝟐 𝒍𝒏 𝑻 𝒍𝒏𝟐 𝑻 (𝒍𝒏 𝑻) ∗ 𝒄 𝒄∗ 𝑺𝒓 𝑺𝒕
223 1270 1612900 5.407171771 29.23750657 6867.10815 1226.864157 1860.700918 30044.4444
243 1280 1638400 5.493061443 30.17372402 7031.118647 1291.825284 139.8373322 26677.7778
273 1350 1822500 5.609471795 31.46617382 7572.786923 1379.870183 892.2278597 8711.11111
333 1480 2190400 5.80814249 33.73451918 8596.050885 1530.131231 2513.140334 1344.44444
363 1580 2496400 5.894402834 34.74398477 9313.156478 1595.372709 236.3201765 18677.7778
𝑐 = 𝑎0 + 𝑎1 ln 𝑇
𝑁 ∑ 𝑐𝑘 (ln 𝑇𝑘 ) − ∑ ln 𝑇𝑘 ∑ 𝑐𝑘
𝑎1 = 2
𝑁 ∑ ( ln 𝑇𝑘 )2 − (∑ ln 𝑇𝑘 )
6(49491.88057) − (34.16028532) ∗ (8660)
𝑎1 = = 756.3322201
6(194.7350286) − (34.16028532)2
𝑎0 = 𝑐̅ − 𝑎1 ̅̅̅̅̅
𝑙𝑛𝑇 = 1443.33333 − (756.3322201(5.693380887))= − 2862.754073
𝑐 = −2862.754073 + 756.3322201 ln 𝑇
𝑁 ∑ 𝑐𝑘 𝑙𝑛𝑇𝑘 − ∑ 𝑐𝑘 ∑ 𝑙𝑛𝑇𝑘
𝑟= = 0.967262474
√(𝑁 ∑ 𝑙𝑛2 𝑇𝑘 − (∑ 𝑙𝑛𝑇𝑘 )2 )(𝑁 ∑ 𝑐2𝑘 − (∑ 𝑐𝑘 )2 )
1800
1600
1400
Capacidad calorífica
1200
1000
800 T,c
y = 756.33ln(x) - 2862.8
600 T,c*
R² = 0.9356
400
200
0
0 50 100 150 200 250 300 350 400
Temperatura, K
DIA 0 4 8 12 16 20
CANTIDAD 106 67 84 98 125 149 185
𝑑𝑋
= 𝜇𝑋
𝑑𝑡
Donde X es el número de bacterias y 𝜇 es la tasa de crecimiento específico de las
bacterias durante el crecimiento exponencial. Si resuelve la ecuación diferencial
anterior verá que su solución es 𝑋 = 𝑐𝑒𝜇𝑡; que es la ecuación que deberá linealizar
para estimar los valores de los parámetros c y .
𝑻 𝑿 𝑻𝟐 𝒍𝒏 𝑿 𝒍𝒏𝟐 𝑿 (𝒍𝒏 𝑿) ∗ 𝑻 𝑿∗ 𝑺𝒓 𝑺𝒕
0 67 0 4.204692619 17.67944002 0 67.30603652 0.093658352 2598.559264
4 84 16 4.430816799 19.63213751 17.7232672 82.30425507 2.87555086 1154.373033
8 98 64 4.584967479 21.02192678 36.67973983 100.644619 6.994009738 399.0431967
12 125 144 4.828313737 23.31261354 57.93976485 123.0718792 3.71764987 49.33565451
16 149 256 5.003946306 25.03947863 80.0631409 150.4967438 2.240242113 962.4845059
𝑋 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑋𝑘 ) − ∑ ln 𝑋𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
6(296.8130293) − (60 ∗ 28.27309277)
𝜇= = 0.05029322
6(880) − (60)2
̅̅̅̅̅
ln 𝑐 = ln 𝑋 − 𝜇𝑇̅ = 4.712182128 − (0.05029322(10))=4.209249928
𝑐 = 𝑒 4.209249928 = 67.3060365
𝑋 = 67.3060365𝑒 0.05029322 𝑇
6 ∑ 𝑇𝑘 ln 𝑋𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑋𝑘
𝑟= = 0.9989323607
2 2
√(6 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (6 ∑(ln 𝑋𝑘 )2 − (∑ ln 𝑋𝑘 ) )
200
180
0
0 5 10 15 20 25
Tiempo, días
16. Idem. al ejercicio 15, pero con la siguiente información y cuestionamientos [3]:
t, h 0 1 2 3 4 5 6
Células (gr/l) 0.1 0.332 1.102 1.644 2.453 3.66 5.46
𝑻 𝑿 𝑻𝟐 𝒍𝒏 𝑿 𝒍𝒏𝟐 𝑿 (𝒍𝒏 𝑿) ∗ 𝑻 𝑿∗ 𝑺𝒓 𝑺𝒕
0 0.1 0 -2.3025850930 5.301898110 0 0.177055028 0.005937477 4.029195939
1 0.332 1 -1.1026203101 1.215771548 -1.102620310 0.331971196 8.29649E-10 3.151639367
2 1.102 4 0.0971267107 0.00943359794 0.194253421 0.622432903 0.2299846 1.010599367
3 1.644 9 0.4971322966 0.247140520 1.491396890 1.16703715 0.22749356 0.214633653
4 2.453 16 0.8973117653 0.805168404 3.589247061 2.188148639 0.070146244 0.119518367
𝑋 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑋𝑘 ) − ∑ ln 𝑋𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
7(20.844285538) − (1.0812773068 ∗ 21)
𝜇= = 0.6285876292
7(91) − (21)2
̅̅̅̅̅
ln 𝑐 = ln 𝑋 − 𝜇𝑇̅ = 0.1544681867 − (0.6285876292(3))=-1.731294701
𝑐 = 𝑒 7.215482404 = 0.1770550282
𝑋 = 0.1770550282𝑒 0.6285876292 𝑇
7 ∑ 𝑇𝑘 ln 𝑋𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑋𝑘
𝑟= = 0.9610996584
2 2
√(7 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (7 ∑(ln 𝑋𝑘 )2 − (∑ ln 𝑋𝑘 ) )
9
8 y = 0.1771e0.6286x
7 R² = 0.9237
6
Células (gr/l)
5
4
3
2
1
0
0 1 2 3 4 5 6 7
Tiempo, h
a) Estime tasa de crecimiento específico de las bacterias durante los primeros 150
minutos del crecimiento.
𝑋 = 0.1770550282𝑒 0.6285876292 𝑇
𝑋 = 0.1770550282 𝑒 0.6285876292 (2.5) = 0.852292392 𝑐é𝑙𝑢𝑙𝑎𝑠/ℎ
b) Estime tasa de crecimiento específico de las bacterias durante los primeros 400
minutos del crecimiento.
𝑋 = 0.1770550282𝑒 0.6285876292 𝑇
20
𝑋 = 0.1770550282𝑒 0.6285876292 ( 3 ) = 11.69649815 𝑐é𝑙𝑢𝑙𝑎𝑠/ℎ
tiempo (hr) 4 8 12 16 20 24
c (UFC/100 ml) 1600 1320 1000 890 650 560
Exponencial
𝑻 𝒄 𝑻𝟐 𝒍𝒏 𝒄 𝒍𝒏𝟐 𝒄 (𝒍𝒏 𝒄) ∗ 𝑻 𝒄∗ 𝑺𝒓 𝑺𝒕
4 1600 16 7.3777589082 54.431326508 29.51103563 1602.898383 8.400621305 356011.1111
8 1320 64 7.1853870156 51.629786564 57.483096125 1294.064573 672.6463607 100277.7778
12 1000 144 6.9077552790 47.717082994 82.893063348 1044.734425 2001.168765 11.11111111
16 890 256 6.7912214627 46.120688956 108.65954340 843.4432415 2167.531758 12844.44444
𝐶 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝐶𝑘 ) − ∑ ln 𝐶𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
6(559.95666858) − (41.067031812 ∗ 84)
𝜇= = −0.05350634567
6(1456) − (84)2
ln 𝑐 = ̅̅̅̅̅
ln 𝐶 − 𝜇𝑇̅ = 6.8445053020 − (−0.05350634567(14))=7.593594141
𝑐 = 𝑒 7.593594141 = 1985.436645
𝐶 = 1985.436645 𝑒 −0.05350634567 𝑇
6 ∑ 𝑇𝑘 ln 𝐶𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝐶𝑘
𝑟= = −0.9952298007
2 2
√(6 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (6 ∑(ln 𝐶𝑘 )2 − (∑ ln 𝐶𝑘 ) )
1800
1600
1400 y = 1985.4e-0.054x
Concentración, UFC/100 ml
R² = 0.9905
1200
1000
800
600
400
200
0
0 5 10 15 20 25 30
Tiempo, h
Logarítmico:
𝑻 𝒄 𝒄𝟐 𝒍𝒏 𝑻 𝒍𝒏𝟐 𝑻 (𝒍𝒏 𝑻) ∗ 𝒄 𝒄∗ 𝑺𝒓 𝑺𝒕
𝑐 = 𝑎0 + 𝑎1 ln 𝑇
𝑁 ∑ 𝑐𝑘 (ln 𝑇𝑘 ) − ∑ ln 𝑇𝑘 ∑ 𝑐𝑘
𝑎1 = 2
𝑁 ∑ ( ln 𝑇𝑘 )2 − (∑ ln 𝑇𝑘 )
6(13642.38055) − (14.89701738) ∗ (6020)
𝑎1 = = −594.0807324
6(39.18233647) − (14.89701738)2
̅̅̅̅̅ = 1003.33333 − (−594.0807324(2.48283623))=2478.338466
𝑎0 = 𝑐̅ − 𝑎1 𝑙𝑛𝑇
𝑐 = 2478.338466 − 594.0807324 ln 𝑇
𝑁 ∑ 𝑐𝑘 𝑙𝑛𝑇𝑘 − ∑ 𝑐𝑘 ∑ 𝑙𝑛𝑇𝑘
𝑟= = −0.9900344667
√(𝑁 ∑ 𝑙𝑛2 𝑇𝑘 − (∑ 𝑙𝑛𝑇𝑘 )2 )(𝑁 ∑ 𝑐2𝑘 − (∑ 𝑐𝑘 )2 )
1800
1600
y = -594.1ln(x) + 2478.3
1400 R² = 0.9802
Concentración, UFC/100 ml
1200
1000
800
600
400
200
0
0 5 10 15 20 25 30
Tiempo, h
𝐶 = 1985.436645 𝑒 −0.05350634567 𝑇
39 = 1985.436645 𝑒 −0.05350634567 𝑇
39
ln 1985.436645
=𝑇
−0.05350634567
𝑇 = 73.44983938 ℎ𝑜𝑟𝑎𝑠
𝐶 = 1985.436645 𝑒 −0.05350634567 𝑇
𝑈𝐹𝐶
𝐶 = 1985.436645 𝑒 −0.05350634567 (48) = 152.2143232 𝑚𝑙
100
t, h 0.5 1 2 3 4 5 6 7 9
p, 6.0 4.4 3.2 2.7 2.2 1.9 1.7 1.4 1.1
𝑁 𝑁
SEL:
𝑁 𝑁 𝑁 𝑁
−1.5𝑡𝑘 2
(∑(𝑒 ) ) 𝐴 + (∑ 𝑒−1.5𝑡𝑘 ∙ 𝑒−0.3𝑡𝑘 ) 𝐵 + (∑ 𝑒−1.5𝑡𝑘 ∙ 𝑒−0.05𝑡𝑘 ) 𝐶 = (∑ 𝑃𝑘 ∙ 𝑒−1.5𝑡𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑁 𝑁 𝑁 𝑁
−0.3𝑡𝑘 2
(∑ 𝑒−1.5𝑡𝑘 ∙ 𝑒−0.3𝑡𝑘 ) 𝐴 + (∑(𝑒 ) ) 𝐵 + (∑ 𝑒−0.3𝑡𝑘 ∙ 𝑒−0.05𝑡𝑘 ) 𝐶 = (∑ 𝑃𝑘 ∙ 𝑒−0.3𝑡𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝑁 𝑁 𝑁 𝑁
−0.05𝑡𝑘 2
(∑ 𝑒−1.5𝑡𝑘 ∙ 𝑒−0.05𝑡𝑘 ) 𝐴 + (∑ 𝑒−0.3𝑡𝑘 ∙ 𝑒−0.05𝑡𝑘 ) 𝐵 + (∑(𝑒 ) ) 𝐶 = (∑ 𝑃𝑘 ∙ 𝑒−0.05𝑡𝑘 )
𝑘=1 𝑘=1 𝑘=1 𝑘=1
𝐴 = 4.00463896
𝐵 = 2.92129747
𝐶 = 1.56468849
𝑆𝑡 − 𝑆𝑟 20.16 − 0.05834259046
𝑟2 = = = 0.9971060223
𝑆𝑡 20.16
𝑟 = 0.9985519627
7
Patógenos 4
3 x,y
x,y*
2
0
0 2 4 6 8 10
Tiempo, h
19. Los ingenieros ambientales que estudian los efectos de la lluvia ácida deben
determinar el valor del producto iónico del agua 𝐾𝑤 como función de la temperatura
[3]. Los científicos sugieren la siguiente ecuación como modelo matemático para
simular dicha relación:
𝑎
− log 𝐾𝑤 = + 𝑏 log 𝑇𝑎 + 𝑐 𝑇𝑎 + 𝑑
𝑇𝑎
Donde 𝑇𝑎 es la temperatura absoluta (K), y a, b, c y d son parámetros. Emplee los
datos siguientes y regresión para estimar los valores de estos parámetros.
𝐾𝑤 1.164 × 10−15 2.95 × 10−15 6.846 × 10−15 1.467 × 10−14 2.929 × 10−14
𝟏 𝟏 𝐥𝐨𝐠 𝑻𝒂 𝐥𝐨𝐠 𝑲𝒘
𝑻𝒂 𝑲𝒘 𝑻𝒂 𝟐 𝐥𝐨𝐠 𝑻𝒂 (𝐥𝐨𝐠 𝑻𝒂 )𝟐 𝐥𝐨𝐠 𝑲𝒘 𝑻𝒂 𝐥𝐨𝐠 𝑻𝒂
𝑻𝒂 𝑻𝟐𝒂 𝑻𝒂 𝑻𝒂
1.340286
273.15 1.164E-15 74610.9225 0.003660992 2.436401205 5.936050831 -14.93404702 0.008919646 -0.054673429 665.5029891
E-05
1.247288
283.15 2.95E-15 80173.9225 0.003531697 2.452016566 6.01238524 -14.53017798 0.00865978 -0.051316186 694.2884907
E-05
1.163644
293.15 6.846E-15 85936.9225 0.003411223 2.467089899 6.086532567 -14.16456311 0.008415794 -0.048318482 723.2274038
E-05
1.088140
303.15 1.467E-14 91899.9225 0.003298697 2.481657573 6.158624307 -13.83356989 0.008186236 -0.045632756 752.3144931
E-05
1.019753
313.15 2.929E-14 98062.9225 0.003193358 2.495752416 6.228780122 -13.53328063 0.00796983 -0.043216607 781.5448691
E-05
5.85911
1465.75 5.492E-14 430684.6125 0.017095967 12.33291766 30.42237307 -70.99563862 0.042151286 -0.24315746 3616.878246
E-05
𝑎
−log 𝐾𝑤 = ( + 𝑏 log 𝑇𝑎 + 𝑐 𝑇𝑎 + 𝑑)
𝑇𝑎
𝑎
log 𝐾𝑤 = − ( + 𝑏 log 𝑇𝑎 + 𝑐 𝑇𝑎 + 𝑑)
𝑇𝑎
𝑁 𝑁 2
𝑎
𝑆𝑟 = ∑[log 𝐾𝑤 − log 𝐾𝑤∗ ]2 = ∑ [log 𝐾𝑤 − (− ( + 𝑏 log 𝑇𝑎 + 𝑐 𝑇𝑎 + 𝑑))]
𝑇𝑎
𝑘=1 𝑘=1
𝑁
𝑎 2
𝑆𝑟 = ∑ [log 𝐾𝑤 + + 𝑏 log 𝑇𝑎 + 𝑐 𝑇𝑎 + 𝑑]
𝑇𝑎
𝑘=1
SEL:
1 log 𝑇𝑎 1 log 𝐾𝑤
∑ 2
∗𝑎+∑ ∗ 𝑏 + ∑𝑐 + ∑ ∗ 𝑑 = −∑
𝑇𝑎 𝑇𝑎 𝑇𝑎 𝑇𝑎
log 𝑇𝑎
∑ ∗ 𝑎 + ∑(log 𝑇𝑎 )2 ∗ 𝑏 + ∑ 𝑇𝑎 log 𝑇𝑎 ∗ 𝑐 + ∑ log 𝑇𝑎 ∗ 𝑑 = − ∑ log 𝐾𝑤 ∗ log 𝑇𝑎
𝑇𝑎
∑ 𝑎 + ∑ 𝑇𝑎 log 𝑇𝑎 ∗ 𝑏 + ∑ 𝑇𝑎 2 ∗ 𝑐 + ∑ 𝑇𝑎 ∗ 𝑑 = − ∑ 𝑇𝑎 ∗ log 𝐾𝑤
1
∑ ∗ 𝑎 + ∑ log 𝑇𝑎 ∗ 𝑏 + ∑ 𝑇𝑎 ∗ 𝑐 + ∑ 𝑑 = − ∑ log 𝐾𝑤
𝑇𝑎
𝑎 = 294.5766013
𝑏 = −64.11808749
𝑐 = 0.06357499542
𝑑 = 152.7075222
294.5766013
log 𝐾𝑤 = − + 64.11808749 log 𝑇𝑎 − 0.06357499542 𝑇𝑎 − 152.7075222
𝑇𝑎
𝑟 = 0.999998047
3.5E-14
3.0E-14
2.5E-14
log Kw 2.0E-14
1.5E-14
1.0E-14
5.0E-15
0.0E+00
270 275 280 285 290 295 300 305 310 315 320
Ta, K
El agua es un electrolito muy débil por lo que puede separarse en sus iones H + y OH-
Utilice el modelo aproximado para dar ejemplos de cálculos obtenidos en base a él.
294.5766013
log 𝐾𝑤 = − + 64.11808749 log 𝑇𝑎 − 0.06357499542 𝑇𝑎 − 152.7075222
𝑇𝑎
294.5766013
log 𝐾𝑤 = − + 64.11808749 log 334 − 0.06357499542 ∗ 334 − 152.7075222
334
log 𝐾𝑤 = −13.005739781
294.5766013
log 𝐾𝑤 = − + 64.11808749 log 𝑇𝑎 − 0.06357499542 𝑇𝑎 − 152.7075222
𝑇𝑎
294.5766013
log 𝐾𝑤 = − + 64.11808749 log 373.15 − 0.06357499542 ∗ 373.15 − 152.7075222
373.15
log 𝐾𝑤 = −12.315716074
𝐾𝑤 = 10−12.315716074 = 4.833747 × 10−13
𝐵𝑚á𝑥[𝐹]
[𝐵] =
𝐾 + [𝐹]
Con el uso de los datos siguientes, determine los parámetros que minimizan la suma
de los cuadrados de los residuos. Asimismo, calcule la bondad del ajuste.
𝑭 𝑩 𝟏 𝟏 𝟐 𝟏 𝟏 𝟐 𝟏 𝟏 𝑩∗ 𝑺𝒓 𝑺𝒕
( ) ( ) ∗
𝑭 𝑭 𝑩 𝑩 𝑭 𝑩
0.1 10.57 10 100 0.0946073794 0.00895055623231706 0.94607379376 10.5632715431 4.52721E-05 3161.330947
0.5 36.61 2 4 0.0273149413 0.00074610601674068 0.05462988255 36.8593721220 0.062186455 911.1773469
1 52.93 1 1 0.0188928774 0.00035694081589318 0.018892877385 53.5104039312 0.336868723 192.2580327
5 82.65 0.2 0.04 0.0120992136 0.00014639096855559 0.002419842710 83.7927641908 1.305909996 251.3583755
86.6 467.57 13.37 105.0529 0.1845924160 0.010535310635736 1.0238621759 464.655567689 27.3948977 6958.966371
𝐵𝑚á𝑥 𝐹
𝐵=
𝐾+𝐹
1 1 𝐾 1
= + ∗
𝐵 𝐵𝑚á𝑥 𝐵𝑚á𝑥 𝐹
1 1 1 1
𝐾 𝑁∑( )−∑ ∑
𝐹 𝑘 𝐵𝑘 𝐹 𝑘 𝐵𝑘
=
𝐵𝑚á𝑥 1 2 1 2
𝑁 ∑ ( ) − (∑ )
𝐹𝑘 𝐹𝑘
𝐾 = 0.008442187395 𝐵𝑚á𝑥
1 ̅
1 𝐾 ̅1
= − ∗ = 0.02637034514 − (0.008442187395 ∗ 1.91) = 0.01024576722
𝐵𝑚á𝑥 𝐵 𝐵𝑚á𝑥 𝐹
𝐵𝑚á𝑥 = 97.60128048
𝐾 = 0.8239682998
97.60128048 𝐹
𝐵=
0.8239682998 + 𝐹
1 1 1 1
7 ∑ 𝐹 (𝐵 ) − ∑ 𝐹 ∑ 𝐵
𝑘 𝑘 𝑘 𝑘
𝑟= = 0.9999661788
2 2 2 2
1 1 1 1
√(7 ∑ ( ) − (∑ ) ) ∗ (7 ∑ ( ) − (∑ ) )
𝐹𝑘 𝐹𝑘 𝐵𝑘 𝐵𝑘
120
100
80
[B] 𝑛𝑀
60
F,B
40 F,B*
20
0
0 10 20 30 40 50 60
[𝐹] 𝑛𝑀
21. A continuación, se presenta datos de la vasija de un reactor de crecimiento bacterial
(una vez que terminó la fase de retraso). Se permite que las bacterias crezcan tan
rápido como sea posible durante las primeras 2.5 horas, y después se les induce a
producir una proteína recombinante, la cual disminuye el crecimiento bacterial en
forma significativa. El crecimiento teórico de las bacterias se describe por medio de:
𝑑𝑋
= 𝜇𝑋
𝑑𝑡
Tiempo, h 0 1 2 3 4 5 6
4
Células (gr/l)
0
0 1 2 3 4 5 6 7
Tiempo, h
Primeras dos horas:
𝑻 𝑿 𝑻𝟐 𝒍𝒏 𝑿 𝒍𝒏𝟐 𝑿 (𝒍𝒏 𝑿) ∗ 𝑻 𝑿∗ 𝑺𝒓 𝑺𝒕
0 0.1 0 -2.3025850930 5.301898110 0 0.10000363 1.31733E-11 0.169195111
1 0.332 1 -1.1026203101 1.215771548 -1.102620310 0.331975902 5.80707E-10 0.032160444
2 1.102 4 0.0971267107 0.00943359794 0.194253421 1.102039997 1.59979E-09 0.348887111
3 1.534 5 -3.3080786923 6.52710325659 -0.908366889 1.534019529 2.19367E-09 0.550242667
𝑋 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑋𝑘 ) − ∑ ln 𝑋𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
3(−0.908366889) − (−3.3080786923 ∗ 3)
𝜇= = 1.199855902
3(5) − (3)2
̅̅̅̅̅
ln 𝑐 = ln 𝑋 − 𝜇𝑇̅ = −1.1026928974 − (1.199855902(1))=-2.302548799
𝑐 = 𝑒 -2.302548799 = 0.1000036295
𝑋 = 0.1000036295𝑒 1.199855902 𝑇
3 ∑ 𝑇𝑘 ln 𝑋𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑋𝑘
𝑟= = 0.5319600949
2 2
√(3 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (3 ∑(ln 𝑋𝑘 )2 − (∑ ln 𝑋𝑘 ) )
Siguientes 4 horas:
𝑻 𝑿 𝑻𝟐 𝒍𝒏 𝑿 𝒍𝒏𝟐 𝑿 (𝒍𝒏 𝑿) ∗ 𝑻 𝑿∗ 𝑺𝒓 𝑺𝒕
3 1.644 9 0.4971322966 0.247140520 1.491396890 1.644068349 4.67156E-09 2.756430063
4 2.453 16 0.8973117653 0.805168404 3.589247061 2.452931787 4.65308E-09 0.724626563
𝑋 = 𝑐𝑒 𝜇𝑇
𝑁 ∑ 𝑇𝑘 (ln 𝑋𝑘 ) − ∑ ln 𝑋𝑘 ∑ 𝑇𝑘
𝜇= 2
𝑁 ∑ ( 𝑇𝑘 ) 2 − (∑ 𝑇𝑘 )
4(21.752652427) − (4.3893559991 ∗ 18)
𝜇= = 0.40011008622
4(86) − (18)2
̅̅̅̅̅
ln 𝑐 = ln 𝑋 − 𝜇𝑇̅ = 1.0973389998 − (0.40011008622(4.5))=-0.7031563881
𝑐 = 𝑒 -2.302548799 = 0.4950203589
𝑋 = 0.4950203589 𝑒 0.40011008622 𝑇
4 ∑ 𝑇𝑘 ln 𝑋𝑘 − ∑ 𝑇𝑘 ∗ ∑ ln 𝑋𝑘
𝑟= = 0.999999992
2 2
√(4 ∑ 𝑇𝑘2 − (∑ 𝑇𝑘 ) ) ∗ (4 ∑(ln 𝑋𝑘 )2 − (∑ ln 𝑋𝑘 ) )
[1] Métodos numéricos aplicados con software. Shoichiro Nakamura. Pearson Education. 1992.
[2] Métodos numéricos y computación. W. Cheney, D. Kincaid. Cengage Learning. 6ta. Ed., 2011.
[3] Métodos numéricos para ingenieros. Steven C. Chapra y Raymond P. Canale. 7ma. Edición.
2015
[4] Numerical Methods in Engineering with MATLAB. Jaan Kiusalaas. Cambridge Ed.
[5] Análisis Numérico. Burden & Faires. 7 Ed. Thomson Learning.
Pedro I Loera B
Depto. de Matemáticas
Universidad de Sonora