UNIVERSIDAD DE SONORA

División de Ingeniería
Departamento de Ingeniería Química y Metalurgia

Lic. En Ingeniería Química

Cuarto Semestre

Métodos numéricos
V Serie
“Linealización de funciones no lineales y regresión por mínimos
cuadrados en general”

Nombre del Maestro:

Pedro Ignacio Loera Burnes

Nombre del Alumno:

Chaires Navarro, Karla Elena

Hermosillo, Sonora. 17 de abril de 2021

 MÉTODOS NUMÉRICOS INGENIERÍA
QUÍMICA*SEM. 2021-1AJUSTE DE
CURVAS

V SERIE: LINEALIZACIÓN DE FUNCIONES NO LINEALES Y REGRESIÓNPOR MÍNIMOS

CUADRADOS EN GENERAL

pedro.loera@unison.mx

INSTRUCCIONES:

*Ser claro, preciso y conciso en sus cálculos, desarrollos, gráficos, resultados y

sobre todo en las respuestas.

*Recuerde practicar los ejercicios también realizando los cálculos y luego

comprobar los resultados al realizarlos con los que arroja su calculadora. No todos;
pero si realice por lo menos algunos, por favor.

*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.

1. Aplicando el criterio de regresión por mínimos cuadrados, determine

loscoeficientes de la función [1]:

𝑔(𝑥) = 𝑎0 + 𝑎1𝑥 + 𝑎3 sin 𝑥 + 𝑎4𝑒𝑥

A los datos siguientes:

x 0.1 0.4 0.8 0.7 0.7 0.9

y 0.61 0.92 0.99 1.52 1.47 2.03
 x y 𝒙𝟐 𝐬𝐢𝐧 𝒙 𝐬𝐢𝐧 𝒙 ∗ 𝒙 𝒔𝒊𝒏𝟐 𝒙 𝒆𝒙 𝒆𝟐𝒙 𝒆𝒙 ∗ 𝐬𝐢𝐧 𝒙 𝒆𝒙 ∗ 𝒙 𝒚∗𝒙 𝒚 ∗ 𝒆𝒙 𝒚 ∗ 𝐬𝐢𝐧 𝒙
0.1 0.61 0.01 0.09983342 0.00998334 0.0099667 1.10517092 1.221403 0.110333 0.11051709 0.061 0.6741543 0.0609
0.4 0.92 0.16 0.38941834 0.15576734 0.1516466 1.4918247 2.225541 0.5809439 0.59672988 0.368 1.3724787 0.35826
0.8 0.99 0.64 0.71735609 0.57388487 0.5145998 2.22554093 4.953032 1.5965053 1.78043274 0.792 2.2032855 0.71018
0.7 1.52 0.49 0.64421769 0.45095238 0.4150164 2.01375271 4.0552 1.2972951 1.4096269 1.064 3.0609041 0.97921
0.7 1.47 0.49 0.64421769 0.45095238 0.4150164 2.01375271 4.0552 1.2972951 1.4096269 1.029 2.9602165 0.947
0.9 2.03 0.81 0.78332691 0.70499422 0.613601 2.45960311 6.049647 1.9266733 2.2136428 1.827 4.9929943 1.59015
3.6 7.54 2.6 3.27837013 2.34653453 2.119847 11.3096451 22.560023 6.8090458 7.5205763 5.141 15.264033 4.64571

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

𝑆𝑟 = ∑[𝑦𝑘 − 𝑦𝑘∗ ]2 = ∑[𝑦𝑘 − (𝑎0 + 𝑎1 𝑥 + 𝑎3 sin 𝑥 + 𝑎4 𝑒 𝑥 )]2

𝑘=1 𝑘=1

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

(∑ sin 𝑥𝑘 ) 𝑎0 + (∑ sin 𝑥𝑘 𝑥𝑘 ) 𝑎1 + (∑ sin2 𝑥𝑘 ) 𝑎3 + (∑ sin 𝑥𝑘 𝑒 𝑥𝑘 ) 𝑎4 = (∑ 𝑦𝑘 sin 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

6 𝑎0 + 3.6 𝑎1 + 0 𝑎2 + 3.27837013 𝑎3 + 11.3096451 𝑎4 = 7.54

3.6 𝑎0 + 2.6 𝑎1 + 0 𝑎2 + 2.34653453 𝑎3 + 7.5205763 𝑎4 = 5.141
3.27837013 𝑎0 + 2.34653453 𝑎1 + 0 𝑎2 + 2.119847 𝑎3 + 6.8090458 𝑎4 = 4.64571
11.3096451 𝑎0 + 7.5205763 𝑎1 + 0 𝑎2 + 6.8090458 𝑎3 + 22.560023 𝑎4 = 15.264033

𝑎0 = 16.878348
𝑎1 = 83.467603
𝑎3 = −63.036723
𝑎4 = −16.583699

𝑔(𝑥) = 16.878348 + 83.467603𝑥 − 63.036723 sin 𝑥 − 16.583699𝑒 𝑥

 𝑆𝑡 − 𝑆𝑟 1.315533333 − 0.40559705
𝑟2 = = = 0.6916862235
𝑆𝑡 1.315533333

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

2. Aplicando regresión por mínimos cuadrados, determine los coeficientes de

la función [1]:

𝑔(𝑥) = 𝑎0 + 𝑎1𝑥 + 𝑎3 sin(𝜋𝑥) + 𝑎4 sin(2𝜋𝑥)

A los datos siguientes:

x 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

y 0 2.122 3.0244 3.2568 3.1399 2.8579 2.514 2.1639 1.8358

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

𝑆𝑟 = ∑[𝑦𝑘 − 𝑦𝑘∗ ]2 = ∑[𝑦𝑘 − (𝑎0 + 𝑎1 𝑥𝑘 + 𝑎3 sin(π𝑥𝑘 ) + 𝑎4 sin(2π𝑥𝑘 ))]2

𝑘=1 𝑘=1

SEL:
𝑁 𝑁 𝑁 𝑁

𝑁𝑎0 + (∑ 𝑥𝑘 ) 𝑎1 + (∑ sin(π𝑥𝑘 )) 𝑎3 + (∑ sin(2π𝑥𝑘 )) 𝑎4 = (∑ 𝑦𝑘 )

𝑘=1 𝑘=1 𝑘=1 𝑘=1

𝑁 𝑁 𝑁 𝑁 𝑁

(∑ 𝑥𝑘 ) 𝑎0 + (∑ 𝑥𝑘2 ) 𝑎1 + (∑ 𝑥𝑘 ∙ sin(π𝑥𝑘 )) 𝑎3 + (∑ 𝑥𝑘 ∙ sin(2π𝑥𝑘 )) 𝑎4 = (∑ 𝑥𝑘 ∙ 𝑦𝑘 )

𝑘=1 𝑘=1 𝑘=1 𝑘=1 𝑘=1

𝑁 𝑁 𝑁 𝑁 𝑁

(∑ sin(π𝑥𝑘 )) 𝑎0 + (∑ 𝑥𝑘 ∙ sin (π𝑥𝑘 ) ) 𝑎1 + (∑ sin2 (𝜋𝑥𝑘 )) 𝑎3 + (∑ sin(2π𝑥𝑘 ) ∙ sin (π𝑥𝑘 ) ) 𝑎4 = (∑ 𝑦𝑘 ∙ sin(π𝑥) )

𝑘=1 𝑘=1 𝑘=1 𝑘=1 𝑘=1

𝑁 𝑁 𝑁 𝑁 𝑁

(∑ sin (2π𝑥𝑘 )) 𝑎0 + (∑ 𝑥𝑘 ∙ sin(2π𝑥𝑘 ) ) 𝑎1 + (∑ sin(2π𝑥𝑘 ) ∙ sin(π𝑥𝑘 ) ) 𝑎3 + (∑ sin2 (2𝜋𝑥𝑘 )) 𝑎4 = (∑ 𝑦𝑘 ∙ sin(2π𝑥) )

𝑘=1 𝑘=1 𝑘=1 𝑘=1 𝑘=1

9𝑎0 + 4.5𝑎1 + 6.313751515𝑎3 + 0𝑎4 = 20.9147

4.5𝑎0 + 2.85𝑎1 + 3.156875757𝑎3 − 1.538841769𝑎4 = 11.06227

6.313751515𝑎0 + 3.156875757𝑎1 + 5𝑎3 + 0𝑎4 = 16.52246721

0𝑎0 − 1.538841769𝑎1 + 0𝑎3 + 5𝑎4 = −0.399018651

𝑎0 = −1.85760665
𝑎1 = 3.81440363
𝑎3 = 3.24186714
 𝑎4 = 1.09414900

𝑔(𝑥 ) = −1.85760665 + 3.81440363 𝑥 + 3.24186714 sin 𝜋𝑥 + 1.09414900 sin 2𝜋𝑥 )

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

3. Aplicando regresión por mínimos cuadrados, determine los coeficientes de

lafunción [2]:

𝑔(𝑥) = 𝑎0 ln 𝑥 + 𝑎2 cos 𝑥 + 𝑎3𝑒𝑥

A los datos siguientes:

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

𝑆𝑟 = ∑[𝑦𝑘 − 𝑦𝑘∗ ]2 = ∑[𝑦𝑘 − (𝑎0 ln 𝑥 + 𝑎2 cos 𝑥 + 𝑎3 𝑒 𝑥 )]2

𝑘=1 𝑘=1

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 cos 𝑥𝑘 ) 𝑎0 + (∑ cos2 𝑥𝑘 ) 𝑎2 + (∑ cos xk 𝑒 𝑥𝑘 ) 𝑎3 = (∑ 𝑦𝑘 cos 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

6.794102805𝑎0 − 5.347493486𝑎2 + 63.2588924𝑎3 = 1.616265115

−5.347493486𝑎0 + 5.108423881𝑎2 − 49.00858602𝑎3 = −2.382708353
63.2588924𝑎0 − 49.00858602𝑎2 + 1002.506504𝑎3 = 26.77276787
 𝑎0 = −1.041032216
𝑎2 = −1.261318783
𝑎3 = 0.03073482573

𝑔(𝑥) = −1.041032216 ln 𝑥 − 1.261318783 cos 𝑥 + 0.03073482573𝑒 𝑥

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

4. Para los datos:

x 0.1 0.2 0.4 0.6 0.9 1.3 1.5 1.7 1.8

y 0.75 1.25 1.45 1.25 0.85 0.55 0.35 0.28 0.18

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

5. Calcule los valores de los coeficientes a y b para la función [4]:

𝜋𝑥 𝜋𝑥
𝑓(𝑥) = 𝑎 sin ( ) + 𝑏 cos ( )
2 2

Aplicando regresión por mínimos cuadrados. También haga el diagrama de

dispersión de los datos y grafique la función obtenida.

x -0.5 -0.19 0.02 0.20 0.35 0.5

y -3.558 -2.874 -1.995 -1.040 -0.068 0.667

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

0.5 0.667 0.707106781 0.707106781 0.5 0.5 0.471640223 0.471640223 0.5

0.38 -8.868 0.568885993 5.173209818 1.455942602 4.544057398 3.413026004 -7.832288725 0.489749459

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

0.695342711 0.00080330929 4.601025

-8.882348505 0.01414118968 13.323474

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:

1.455942602 𝑎 + 0.489749459 𝑏 = 3.413026004

0.489749459 𝑎 + 4.544057398 𝑏 = −7.832288725

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]:

x 0.5 1 1.5 2 2.5

y 0.49 1.6 3.36 6.44 10.16

Aplicando regresión por mínimos cuadrados.

𝒙 𝒚 𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝟐 𝒙 𝐥𝐨𝐠 𝒚 𝐥𝐨𝐠 𝟐 𝒚 𝐥𝐨𝐠 𝒙 𝒚∗ 𝑺𝒓 𝑺𝒕

∗ 𝐥𝐨𝐠 𝒚
0.5 0.49 -0.301029996 0.090619058 -0.30980392 0.095978469 0.093260273 0.462154351 0.00077538 15.3664
1 1.6 0 0 0.204119983 0.041664967 0 1.703139787 0.010637816 7.8961
1.5 3.36 0.176091259 0.031008132 0.526339277 0.277033035 0.092683746 3.652666767 0.085653837 1.1025
2 6.44 0.301029996 0.090619058 0.808885867 0.654296346 0.243498909 6.276442342 0.026751107 4.1209

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

5 ∑ log 𝑥 (log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘

𝑟= = 0.998362897
√(5 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 )2 ) ∗ (5 ∑ ( log 𝑦𝑘 )2 − (∑ log 𝑦𝑘 )2 )

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 0.4 0.8 1.2 1.6 2 2.3

y 800 975 1500 1950 2900 3600

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

2.3 3600 5.29 8.188689124 67.05462957 18.83398499 3592.481687 56.5250248 2723333.132

8.3 11725 14.09 44.61700938 333.5394987 63.85551159 11698.48533 23119.44595 6100638.005

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

b) Calcule el valor de y, si x = 2.5

𝑦 = 546.5909415𝑒 0.8186512259 𝑥
 𝑦 = 546.5909415𝑒 0.8186512259 (2.5) = 4231.57171

c) Si y = 2345, estime el valor de x.

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]:

T -50 -30 0 60 90 110

c 1270 1280 1350 1480 1580 1700

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

110 1700 12100 7.43838353 55.32954954 818.2221883 1653.853317 2129.516352 65877.77778

8658.095105
180 8660 27200 43.61260843 317.08058685 1347.0991719 4339.501427 151333.333

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

c) Si la capacidad calorífica del gas es de 1000, ¿A qué temperatura esta?

𝑐 = 1360.329738𝑒 0.001776188945𝑇
1000 = 1360.329738𝑒 0.001776188945𝑇
1000
ln ( ) = 0.001776188945 𝑇
1360.329738
1000
ln ( )
1360.329738 = 𝑇
0.001776188945
𝑇 = −173.2513456
9. Los datos siguientes se recabaron para determinar la relación entre la presión y
latemperatura de un volumen fijo de 1 kg de nitrógeno. El volumen es de 10 𝑚3,
[3].
 𝑇 °𝐶 -40 0 40 80 120 160

𝑝 𝑁⁄𝑚2 6900 8100 9300 10500 11700 12900

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

160 12900 25600 9.46498259 89.58589544 1514.397214 13212.96316 97945.93952 9000000

59410.832219
360 59400 49600 55.06812296 505.689325 3391.148671 220641.458 25200000

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

Presión, N/m2 10000

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

f) Si la presión del gas es de 9800 𝑁⁄𝑚2, ¿A qué temperatura esta?

𝑝 = 8034.182888 𝑒 0.003109331907 𝑇
9800 = 8034.182888 𝑒 0.003109331907 𝑇
9800
ln (8034.182888 )
𝑇= = 63.89703373 °𝐶
0.003109331907

10. Los datos siguientes representan el crecimiento bacterial en un cultivo líquido

durantecierto número de días [3]:

Día 0 4 8 12 16 20

Cantidad × 106 67 84 98 125 149 185

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. Pronostique la cantidad de bacterias que habrá en el cultivo a los cuarenta
días de tiempo de crecimiento.

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

20 185 400 5.220355825 27.25211494 104.4071165 184.0328599 0.935359887 4492.207783

60 708 880 28.27309277 133.9377114 296.8130293 707.8563936 16.85647082 9656.003437

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

Cantidad de bacterias (x106)

160
140
120
100
80
60
40 y = 67.306e0.0503x
20 R² = 0.9979

0
0 5 10 15 20 25
Tiempo, días

 Pronostique la cantidad de bacterias que habrá en el cultivo a los cuarentadías de

tiempo de crecimiento.

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].

x 2.5 3.5 5 6 7.5 10 12.5 15 17.5 20

y 13 11 8.5 8.2 7 6.2 5.2 4.8 4.6 4.3

𝒙 𝒚 𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝟐 𝒙 𝐥𝐨𝐠 𝒚 𝐥𝐨𝐠 𝟐 𝒚 𝐥𝐨𝐠 𝒙 𝒚∗ 𝑺𝒓 𝑺𝒕

∗ 𝐥𝐨𝐠 𝒚
2.5 13 0.397940009 0.158356251 1.113943352 1.240869791 0.443282627 12.88908175 32.79087519 0.012302858
3.5 11 0.544068044 0.296010037 1.041392685 1.084498724 0.566588482 10.74658612 13.88554823 0.064218594
5 8.5 0.698970004 0.488559067 0.929418926 0.86381954 0.649635951 8.862956313 1.503889534 0.131737285
6 8.2 0.77815125 0.605519368 0.913813852 0.835055756 0.711085392 8.031521135 0.858090491 0.028385128
7.5 7 0.875061263 0.765732215 0.84509804 0.714190697 0.739512559 7.119317087 0.074894317 0.014236567

10 6.2 1 1 0.792391689 0.627884589 0.792391689 6.094460113 1.152763535 0.011138668

12.5 5.2 1.096910013 1.203211577 0.716003344 0.512660789 0.785391237 5.402263567 4.300100056 0.040910551

15 4.8 1.176091259 1.38319065 0.681241237 0.464089623 0.801201865 4.895476462 6.119034665 0.009115755

17.5 4.6 1.243038049 1.54514359 0.662757832 0.439247944 0.823833202 4.504268946 7.14850197 0.009164435

20 4.3 1.301029996 1.69267905 0.633468456 0.401282285 0.824161462 4.190751116 8.842702926 0.011935319

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

10 ∑ 𝑥(log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘

𝑟= = −0.9975672502
2 2
√(10 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 ) ) ∗ (10 ∑ ( log 𝑦𝑘 )2 − (∑ log 𝑦𝑘 ) )

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

e) Calcule el valor de y, si x = 13.75

𝑦 = 21.145833972𝑥 −0.540289579
𝑦 = 21.145833972(13.75)−0.540289579 = 5.131114812

f) Si y = 10.5, estime el valor de x.

𝑦 = 21.145833972𝑥 −0.540289579
10.5 = 21.145833972𝑥 −0.540289579

−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

𝐹, 𝑁 25 70 380 550 610 1220 830 1450

Emplee regresión por mínimos cuadrados para ajustar estos datos a un modelo de
una ecuación de potencias. Estime:

𝒗 𝑭 𝐥𝐨𝐠 𝒗 𝐥𝐨𝐠 𝟐 𝒗 𝐥𝐨𝐠 𝑭 𝐥𝐨𝐠 𝟐 𝑭 𝐥𝐨𝐠 𝒗 𝑭∗ 𝑺𝒓 𝑺𝒕

∗ 𝐥𝐨𝐠 𝑭
10 25 1 1 1.397940009 1.954236268 1.397940009 26.43287817 2.05313984 380534.7656
20 70 1.301029996 1.69267905 1.84509804 3.404386777 2.400527895 104.5781666 1195.649609 327041.0156
30 380 1.477121255 2.181887201 2.579783597 6.655283405 3.810653183 233.7960229 21375.60293 68578.51563
40 550 1.602059991 2.566596216 2.740362689 7.50958767 4.390225427 413.7496065 18564.16974 8441.015625
50 610 1.698970004 2.886499076 2.785329835 7.75806229 4.732191842 644.205073 1169.987019 1016.015625

60 1220 1.77815125 3.161821869 3.086359831 9.525617004 5.488014592 924.9828675 87035.10848 334228.5156

70 830 1.84509804 3.404386777 2.919078092 8.521016909 5.385985267 1255.937186 181422.4862 35391.01563

80 1450 1.903089987 3.621751499 3.161368002 9.994247646 6.01636779 1636.945285 34948.53975 653066.0156

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

8 ∑ log 𝑣𝑘 (log 𝐹𝑘 ) − ∑ log 𝑣𝑘 ∑ log 𝐹𝑘

𝑟= = 0.9736803106
√(8 ∑ ( log 𝑣𝑘 )2 − (∑ log 𝑣𝑘 )2 ) ∗ (8 ∑ ( log 𝐹𝑘 )2 − (∑ log 𝐹𝑘 )2 )

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

a) La fuerza del viento si la velocidad del objeto es 47,5 m/s.

𝐹 = 0.2741373424 𝑣 1.984176256
𝐹 = 0.2741373424 (47.5)1.984176256 = 581.8671604 𝑁

b) La fuerza del viento si la velocidad del objeto es 93 m/s.

 𝐹 = 0.2741373424 𝑣 1.984176256
𝐹 = 0.2741373424 (93)1.984176256 = 2206.91357 𝑁

c) Si la fuerza es de 980 N, ¿Cuánto será la velocidad del objeto?

𝐹 = 0.2741373424 𝑣 1.984176256
980 = 0.2741373424 𝑣 1.984176256

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].

x 4 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1

y 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72

𝒙 𝒚 𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝟐 𝒙 𝐥𝐨𝐠 𝒚 𝐥𝐨𝐠 𝟐 𝒚 𝐥𝐨𝐠 𝒙 𝒚∗ 𝑺𝒓 𝑺𝒕

∗ 𝐥𝐨𝐠 𝒚
4 102.56 0.6020599913 0.3624762332 2.010978012 4.044032565 1.210729404 102.5656876 3.23483E-05 8700.971841
4.2 113.18 0.6232492904 0.3884396780 2.053769690 4.217969938 1.280010502 113.1865345 4.26993E-05 6832.510281
4.5 130.11 0.6532125138 0.4266865882 2.114310677 4.470309638 1.381094192 130.1088187 1.39541E-06 4320.301441
4.7 142.05 0.6720978579 0.4517155306 2.152441238 4.633003283 1.446651145 142.0517109 2.92711E-06 2893.256521
5.1 167.53 0.7075701761 0.5006555541 2.224092588 4.946587842 1.573701584 167.5267969 1.02601E-05 801.399481

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

10 ∑ log 𝑥𝑘 (log 𝑦𝑘 ) − ∑ log 𝑥𝑘 ∑ log 𝑦𝑘

𝑟= = 0.9999999701
√(10 ∑ ( log 𝑥𝑘 )2 − (∑ log 𝑥𝑘 )2 ) ∗ (10 ∑ ( log 𝑦𝑘 )2 − (∑ log 𝑦𝑘 )2 )

350

300 y = 6.239x2.0195
R² = 1
250

200

150

100

50

0
0 1 2 3 4 5 6 7 8

g) Calcule el valor de 𝑦, si 𝑥 = 7.5

𝑦 = 6.239028962 𝑥 2.019541427
𝑦 = 6.239028962 (7.5)2.019541427 = 365.039175

h) Calcule el valor de 𝑦, si 𝑥 = 3.75

𝑦 = 6.239028962 𝑥 2.019541427
𝑦 = 6.239028962 (3.75)2.019541427 = 90.0320061
i) Si 𝑦 = 150.5, estime el valor de 𝑥.
𝑦 = 6.239028962 𝑥 2.019541427
150.5 = 6.239028962 𝑥 2.019541427
 2.01954142 150.5
√ = 𝑥
6.239028962

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 -50 -30 0 60 90 110

c 1270 1280 1350 1480 1580 1700

Use regresión para determinar un modelo logarítmico para predecir c como

funciónde T

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

383 1700 2890000 5.948034989 35.37912023 10111.65948 1635.936436 4104.140281 65877.7778

1818 8660 12650600 34.16028532 194.7350286 49491.88057 8660 9746.366902 151333.333

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

15. Los siguientes datos registran el crecimiento de bacterias en un cultivo

líquidodurante cierto número de días [3].

DIA 0 4 8 12 16 20
CANTIDAD 106 67 84 98 125 149 185

El crecimiento teórico de las bacterias, se describen por medio de:

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 .

Encuentre la ecuación de crecimiento. que ajuste a esta información. Calcule:

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

20 185 400 5.220355825 27.25211494 104.4071165 184.0328599 0.935359887 4492.207783

60 708 880 28.27309277 133.9377114 296.8130293 707.8563936 16.85647082 9656.003437

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

Cantidad de bacterias (x106)

160
140
120
100
80
60
40 y = 67.306e0.0503x
20 R² = 0.9979

0
0 5 10 15 20 25
Tiempo, días

1) ¿Qué cantidad de bacterias coexisten en el caldo de cultivo al tercer día?

𝑋 = 67.3060365𝑒 0.05029322 𝑇
𝑋 = 67.3060365𝑒 0.05029322 (3) = 78.26727627 × 106 𝑏𝑎𝑐𝑡𝑒𝑟𝑖𝑎𝑠

2) ¿Y a las 120 horas?

𝑋 = 67.3060365𝑒 0.05029322 𝑇
𝑋 = 67.3060365𝑒 0.05029322 (5) = 86.54945875 × 106 𝑏𝑎𝑐𝑡𝑒𝑟𝑖𝑎𝑠

3) ¿En cuánto tiempo habrá 100106 bacterias en el cultivo?

𝑋 = 67.3060365𝑒 0.05029322 𝑇
100 × 106 = 67.3060365𝑒 0.05029322 𝑇
100 × 106
ln ( )
𝑇= 67.3060365 = 282.571504 𝑑í𝑎𝑠
0.05029322

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

5 3.66 25 1.2974631474 1.683410619 6.487315737 4.102692416 0.195976575 2.410921653

6 5.46 36 1.6974487898 2.881332394 10.184692739 7.692386506 4.983549512 11.24069308

21 14.751 91 1.0812773068 12.144155194 20.844285538 16.28172384 5.71308797 22.17720143

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

17. Después de una tormenta se miden las concentraciones de colonias de la bacteria

E.coli (Escherichia Coli) en un centro de natación [3]:

tiempo (hr) 4 8 12 16 20 24
c (UFC/100 ml) 1600 1320 1000 890 650 560

Encuentre la ecuación que modele esta información (Prob. 1 y/o 2) y calcule:

 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

20 650 400 6.4769723629 41.951170990 129.53944726 680.9352547 956.9899857 124844.4444

24 560 576 6.3279367837 40.042783939 151.870482810 549.7380242 105.308147 196544.4444

84 6020 1456 41.067031812 281.89283995 559.95666858 6015.813901 5912.045638 790533.3333

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

4 1600 2560000 1.386294361 1.921812056 2218.070978 1654.767697 2999.500593 30044.4444

8 1320 1742400 2.079441542 4.324077125 2744.862835 1242.982312 5931.724275 26677.7778

12 1000 1000000 2.48490665 6.174761058 2484.90665 1002.103304 4.423885816 8711.11111
16 890 792100 2.772588722 7.687248223 2467.603963 831.1969272 3457.801365 1344.44444
20 650 422500 2.995732274 8.974411855 1947.225978 698.6316429 2365.036687 18677.7778

24 560 313600 3.17805383 10.10002615 1779.710145 590.3179189 919.176204 65877.7778

84 6020 6830600 14.89701738 39.18233647 13642.38055 6019.999801 15677.66301 151333.333

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

1) ¿Al cabo de cuántas horas habrá menos de 40 UFC/100 ml?

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

2) ¿Cuántas colonias de E. coli hay al cabo de 48 hrs?

𝐶 = 1985.436645 𝑒 −0.05350634567 𝑇
 𝑈𝐹𝐶
𝐶 = 1985.436645 𝑒 −0.05350634567 (48) = 152.2143232 𝑚𝑙
100

Obs: c representa el número de colonias y UFC es la Unidad de Formación de

Colonias.

18. Tres organismos patógenos A, B y C; decaen en forma exponencial en aguas de un

lago de acuerdo con el modelo siguiente [3]:

𝑝(𝑡) = 𝐴𝑒−1.5𝑡 + 𝐵𝑒−0.3𝑡 + 𝐶𝑒−0.05𝑡

Estime la población inicial de cada microorganismo dadas las mediciones siguientes,

aplicando regresión por mínimos cuadrados:

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

𝑷 𝑷 𝑷 𝒆−𝟏.𝟓𝒕𝒌 𝒆−𝟏.𝟓𝒕𝒌 𝒆−𝟎.𝟑𝒕𝒌

𝒕 𝑷 𝒆−𝟏.𝟓𝒕𝒌 𝒆−𝟎.𝟑𝒕𝒌 𝒆−𝟎.𝟎𝟓𝒕𝒌
∗ 𝒆−𝟏.𝟓𝒕𝒌 ∗ 𝒆−𝟎.𝟑𝒕𝒌 ∗ 𝒆−𝟎.𝟎𝟓𝒕𝒌 ∗ 𝒆−𝟎.𝟑𝒕𝒌 ∗ 𝒆−𝟎.𝟎𝟓𝒕𝒌 ∗ 𝒆−𝟎.𝟎𝟓𝒕𝒌
0.5 6 0.472366553 0.860707976 0.975309912 2.834199316 5.164247859 5.851859472 0.40656966 0.460703781 0.839457021
1 4.4 0.22313016 0.740818221 0.951229425 0.981772705 3.259600171 4.185409468 0.165298888 0.212247974 0.70468809
2 3.2 0.049787068 0.548811636 0.904837418 0.159318619 1.756197236 2.895479738 0.027323722 0.045049202 0.496585304
3 2.7 0.011108997 0.40656966 0.860707976 0.029994291 1.097738081 2.323911536 0.004516581 0.009561602 0.349937749
4 2.2 0.002478752 0.301194212 0.818730753 0.005453255 0.662627266 1.801207657 0.000746586 0.002029431 0.246596964
5 1.9 0.000553084 0.22313016 0.778800783 0.00105086 0.423947304 1.479721488 0.00012341 0.000430743 0.173773943
2.03995×
6 1.7 0.00012341 0.165298888 0.740818221 0.000209797 0.28100811 1.259390975 9.1424× 10−5 0.122456428
10−5
2.75364× 3.37202×
7 1.4 0.122456428 0.70468809 3.8551× 10−5 0.171439 0.986563326 1.94046× 10−5 0.086293586
10−5 10−6
1.37096× 1.50805×
9 1.1 0.067205513 0.637628152 0.073926064 0.701390967 9.2136× 10−8 8.74162× 10−7 0.042852127
10−6 10−6
37.5 24.6 0.759576932 3.436192694 7.372750729 4.012038901 12.89073109 21.48493463 0.604602711 0.730134435 3.062641212

(𝒆−𝟏.𝟓𝒕𝒌 )𝟐 (𝒆−𝟎.𝟑𝒕𝒌 )𝟐 (𝒆−𝟎.𝟎𝟓𝒕𝒌 )𝟐 𝒚∗ 𝑺𝒓 𝑺𝒕

0.22313016 0.740818221 0.951229425 5.932097728 0.00461071855 10.67111111
0.049787068 0.548811636 0.904837418 4.546083858 0.02134049361 2.777777778
0.002478752 0.301194212 0.818730753 3.218409971 0.00033892703 0.217777778
0.00012341 0.165298888 0.740818221 2.578938303 0.01465593456 0.001111111
6.14421× 𝟏𝟎−𝟔 0.090717953 0.670320046 2.170862983 0.00084896579 0.284444444
3.05902× 𝟏𝟎−𝟕 0.049787068 0.60653066 1.872625097 0.00074938532 0.694444444
 1.523× 𝟏𝟎−𝟖 0.027323722 0.548811636 1.642531179 0.00330266542 1.067777778
7.58256× 𝟏𝟎−𝟏𝟎 0.014995577 0.496585304 1.460459271 0.00365532340 1.777777778
1.87953× 𝟏𝟎−𝟏𝟐 0.004516581 0.40656966 1.194022214 0.00884017678 2.667777778
0.275525857 1.943463859 6.144433122 24.6160306 0.05834259046 20.16

𝑁 𝑁

𝑆𝑟 = ∑[𝑃𝑘 − 𝑃𝑘∗ ]2 = ∑[𝑃𝑘 − (𝐴𝑒 −1.5𝑡𝑘 + 𝐵𝑒 −0.3𝑡𝑘 + 𝐶𝑒 −0.05𝑡𝑘 )]2

𝑘=1 𝑘=1

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

0.275525857𝐴 + 0.604602711𝐵 + 0.730134435𝐶 = 4.012038901

0.604602711𝐴 + 1.943463859𝐵 + 3.062641212𝐶 = 12.89073109

0.730134435𝐴 + 3.062641212𝐵 + 6.144433122𝐶 = 21.48493463

𝐴 = 4.00463896
𝐵 = 2.92129747
𝐶 = 1.56468849

𝑝(𝑡) = 4.00463896𝑒−1.5𝑡 + 2.92129747𝑒−0.3𝑡 + 1.56468849𝑒−0.05𝑡

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.

𝑇𝑎 (K) 273.15 283.15 293.15 303.15 313.15

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

𝐥𝐨𝐠 𝑲𝒘 ∗ 𝐥𝐨𝐠 𝑻𝒂 𝑻𝒂 ∗ 𝐥𝐨𝐠 𝑲𝒘 𝑲𝒘 ∗ 𝑺𝒓 𝑺𝒕

-36.38533015 -4079.234943 1.1638869E-15 1.2782150E-38 9.64324E-29
-35.62823712 -4114.219896 2.9476455E-15 5.5435059E-36 6.45452E-29
-34.94525055 -4152.341674 6.8499499E-15 1.5601899E-35 1.71230E-29
-34.33018346 -4193.646711 1.4693875E-14 5.7001635E-34 1.35866E-29
-33.77571783 -4237.946829 2.9251710E-14 1.4661355E-33 3.35110E-28
-175.0647191 -20777.39005 5.4907067E-14 2.05731E-33 5.26797E-28

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

5.85911× 105 𝑎 + 0.042151286 𝑏 + 5𝑐 + 0.017095967 𝑑 = 0.24315746

0.042151286 𝑎 + 30.42237307 𝑏 + 3616.878246 𝑐 + 12.33291766 𝑑 = 175.0647191

5𝑎 + 3616.878246 𝑏 + 430684.6125 𝑐 + 1465.75 𝑑 = 20777.39005

0.017095967 𝑎 + 12.33291766 𝑏 + 1465.75 𝑐 + 5𝑑 = 70.99563862

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

𝑆𝑡 − 𝑆𝑟 5.26797 × 10−28 − 2.05731 × 10−33

𝑟2 = = = 0. 999996095
𝑆𝑡 5.26797 × 10−28

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

 Explique qué es el producto iónico del agua.

El agua es un electrolito muy débil por lo que puede separarse en sus iones H + y OH-

El producto iónico del agua es el producto de las concentraciones de los iones H+ y

OH-.

 Utilice el modelo aproximado para dar ejemplos de cálculos obtenidos en base a él.

 ¿Cuál será el producto iónico del agua a 334 K?

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

𝐾𝑤 = 10−13.005739781 = 9.868706 × 10−14

 ¿Cuál será el producto iónico del agua a los 100°C?

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

20. En la enfermedad de Alzheimer, el número de neuronas en la corteza disminuye

conforme la enfermedad avanza. Los datos siguientes se tomaron para determinar elnúmero
de receptores neurotransmisores que quedan en un cerebro enfermo. Se
incubaron neurotransmisores libres ([F]) con tejido, y se midió la concentración que limita
específicamente a un receptor ([B]). Cuando la cubierta es específica de un receptor, la
concentración límite se relaciona con la concentración libre por medio dela relación siguiente
[3]:

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] 𝑛𝑀 0.1 0.5 1 5 10 20 50

[𝐵] 𝑛𝑀 10.57 36.61 52.93 82.65 89.46 94.35 101.00

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

10 89.46 0.1 0.01 0.0111781802 0.00012495171241074 0.001117818019 90.1714396944 0.506146439 513.6698469

20 94.35 0.05 0.0025 0.0105988341 0.00011233528487807 0.000529941706 93.7393671320 0.372872499 759.2386612

50 101 0.02 0.0004 0.0099009901 0.00009802960494069 0.000198019802 96.0189490756 24.81086831 1169.933161

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 7(1.0238621759) − (13.37 ∗ 0.184592416)

= = 0.008442187395
𝐵𝑚á𝑥 7(105.0529) − (13.37)2

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

donde 𝑋 es el número de bacterias, y 𝜇 es la tasa de crecimiento específico de las

bacterias durante el crecimiento exponencial. Con base en los datos, estime la tasa de
crecimiento específico de las bacterias durante las primeras 2 horas de crecimiento,
así como durante las siguientes 4 horas de crecimiento [3].

Tiempo, h 0 1 2 3 4 5 6

[Células], g/L 0.100 0.332 1.102 1.644 2.453 3.660 5.460

Diagrama de dispersión de los datos en general:

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

5 3.66 25 1.2974631474 1.683410619 6.487315737 3.659747086 6.39653E-08 0.126558063

6 5.46 36 1.6974487898 2.881332394 10.184692739 5.460302161 9.13015E-08 4.647258063

18 13.217 86 4.3893559991 5.6170519372 21.752652427 13.21704938 1.64592E-07 9.355358083

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 ) )

Algunos problemas se modificaron:

[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