25 DE MAYO DE 2019

AJUSTE POLINOMICO
METODOS NUMERICOS

CARLOS ALBERTO VARGASS HERNANDEZ

EJERCICIO: CON LOS DATOS DADOS ACONTINUACION REALIZAR UN AJUSTE
POLINOMICO QUE SEA REPRESENTATIVO DE LOS DATOS
i xi yi xi2 xi3 xi4 xiyi xi2yi yia (yi-yia)2 (yi-y)2
1 0 2.1 0 0 0 0 0 2.47857 0.14331524 544.428889
2 1 7.7 1 1 1 7.7 7.7 6.69857 1.00286204 314.459289
3 2 13.6 4 8 16 27.2 54.4 14.63999 1.0815792 140.019889
4 3 27.2 9 27 81 81.6 244.8 26.30283 0.80491401 3.122289
5 4 40.9 16 64 256 163.6 654.4 41.68709 0.61951067 239.228089
6 5 61.1 25 125 625 305.5 1527.5 60.79277 0.09439027 1272.13489
∑ 15 152.6 55 225 979 585.6 2488.8 152.59982 3.74657144 2513.39333

AJUSTE POLINOMIAL
70
y = 1.5913x2 + 4.1374x
60
R² = 0.9955
50

40
Y

30

20

10

0
0 1 2 3 4 5 6
X
Entonces, las ecuaciones lineales simultáneas son

6 15 55 𝑎0 152.6
[15 55 ] { 𝑎
225 1 = 585.6 }
} {
55 225 979 𝑎2 2488.8
Resolviendo estas ecuaciones con una técnica como la eliminación de Gauss se tiene
𝑎0 = 2.47857, 𝑎1 = 2.35929 𝑦 𝑎2 = 1.86071. Por lo tanto, la ecuación cuadrática por mínimos
Cuadrados en este caso es

𝑦 = 2.47857 + 2.35929𝑥 + 1.86071𝑥 2

El coeficiente de determinación es
2513.39−3.74657
𝑟2 = 2513.39
= 0.9985
Y el coeficiente de correlación es r = 0.99925.
Estos resultados indican que con el modelo se explicó el 99.851% de la incertidumbre
Original. Este resultado apoya la conclusión de que la ecuación cuadrática representa
Un excelente ajuste, como también es evidente en la figura