Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE MECÁNICA
ESCUELA DE INGENIERÍA MECÁNICA
MÉTODOS NUMÉRICOS
Nombre:
Jhon Israel Amboya Morocho 7850
Jessica Marisol Salguero Noboa
Curso: Cuarto “A”
Riobamba-Ecuador
17.1Dados los datos
17.7Emplee la regresión por mínimos cuadrados para ajustar una línea recta a
17.9Ajuste los datos siguientes con el modelo de potencias (y =ax^b). Use la ecuación de potencias resultante para
hacer el pronóstico de y en x=9.
17.13 Un investigador reporta los datos tabulados a continuación, de un experimento para determinar la tasa de
crecimiento de bacterias k(per d). como función de la concentración de oxigeno c (mg/L). Se sabe que dichos
datos pueden modelarse por medio de la ecuación siguiente:
k c2
k=
c+ c 2
donde c y k son parámetros. Use una transformación para hacer lineal esta ecuación. Después utilice regresión
lineal para estimar c y k, y pronostique la tasa de crecimiento para c=2mg/L
Use regresión por mínimos cuadrados para ajustar a) una línea recta) una ecuación de potencias) una ecuación
de tasa de crecimiento de saturación, y d) una parábola. Grafique los datos junto con todas las curvas. ¿Alguna de
las curvas es superior a las demás? Si así fuera, justifíquelo.
17.15 Ajuste una ecuación cubica a los datos siguientes:
17.19 Use regresión no lineal para ajustar una ecuación de tasa de crecimiento de saturación a los datos del
problema 17.14.
17.20 Vuelva a calcular los ajustes de regresión de los problemas a)17.4, y b) 17.15, con el enfoque matricial.
Estime los errores estándar y desarrolle intervalos de confianza del 90% para los coeficientes.
17.21 Desarrolle, depure y pruebe un programa en cualquier lenguaje de alto nivel o de macros que elija, para
implantar el análisis de regresión lineal. Entre otras cosas: a) incluya comentarios para documentar el código, y
b) determine el error estándar y el coeficiente de determinación.
17.22 Se hace la prueba a un material para estudiar la falla por fatiga cíclica, en la que se aplica un esfuerzo, en
MPa, al material y se mide el número de ciclos que se necesita para hacer que falle. Los resultados se presentan
en la tabla siguiente. Al hacerse una gráfica log-log, del esfuerzo versus los ciclos. Use regresión por mínimos
cuadrados para determinar la ecuación de mejor ajuste para dichos datos.
17.23 Los datos siguientes muestran la relación entre la viscosidad del aceite SAE 70 y su temperatura. Después de
obtener el logaritmo de los datos, use regresión lineal para encontrar la ecuación de la recta que se ajuste mejor
a los datos y al valor de r^2
17.24 Los datos siguientes representan el crecimiento bacterial en un cultivo liquido durante cierto número de días
17.25 Después de una tormenta, se vigila la concentración de la bacteria E. coli en un área de natación:
El tiempo se mide en horas transcurridas después de finalizar la tormenta, y la unidas CFU es una “unidad de
formación de colonia”. Use los datos para estimar a) la concentración al final de la tormenta (t=0), y b) el
tiempo en el que las concentraciones negativas son imposibles y de que la concentración de bacterias siempre
disminuye con el tiempo.
17.26 Un objeto se suspende en un túnel de viento y se mide la fuerza para varios niveles de velocidad del
viento. A continuación, están tabulados los resultados. Use la regresión por mínimos cuadrados para ajustar
una línea recta a estos datos.
Emplee regresión por mínimos cuadrados para ajustar estos datos con a) una línea recta) una ecuación de
potencias basada en transformaciones logarítmicas, y c) un modelo de potencias con base en regresión no
lineal. Muestre los resultados gráficamente.
17.27 Ajuste un modelo de potencias a los datos del problema 17.26, pero emplee logaritmos naturales para
hacer las transformaciones.
17.28 Con el mismo enfoque que se empleó para obtener las ecuaciones (17,15) y (17,16), obtenga el ajuste
por mínimos cuadrados del modelo siguiente:
Y= ax+ax^2+e
Es decir, determine los coeficientes que generan e ajuste por mínimos cuadrados de un polinomio de segundo
orden con intersección en el origen. Pruebe el enfoque con el ajuste de los datos del problema 17.26
17.29 En el problema 17.12, en el que se usaron transformaciones para hacer lineal y ajustar el modelo
siguiente:
Y=axe^2
Emplee regresión no lineal para estimar a y B con base en los datos siguientes. Haga una gráfica del ajuste
junto con los datos.