Universidad Nacional de Ingeniería

Facultad de Ingeniería Civil

Métodos experimentales
Ajuste de Curvas

MSc.: Loayza Cordero Fredy Miguel

FMLC-UNI-FIC-23-1
 Mecanismos para el Ajuste de Curvas

Muchos problemas de investigación, estadísticos, experimentales y de

ingeniería requieren de curvas que describan matemáticamente las relaciones
entre las variables de esos problemas (curvas aproximadas). El proceso de
obtención de las curvas que mejor describan esos datos se conoce como ajuste
de curvas.

FMLC-UNI-FIC-23-1
 Mecanismos para el Ajuste de Curvas

 Consideremos los siguientes puntos (xi,yi), i=1,2,… n. resultados de la toma

de datos experimentales de una medición en el laboratorio.
 Se buscara determinar la ecuación que mejor se ajuste al conjunto de
valores medidos que represente la relación de magnitudes que intervienen
en el fenómeno que nos interesa.
 Realizaremos ejemplos de estas Ajuste de Curvas como de una recta,
parábola, etc.

 Recta: 𝑦 = 𝑎𝑥 + 𝑏

 Parábola: 𝑦 = 𝐴𝑥 2 + 𝐵𝑥 + 𝐶

FMLC-UNI-FIC-23-1
 Métodos de mínimos cuadrados
Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de
la optimización matemática, en la que, dados un conjunto de pares ordenados
—variable independiente, variable dependiente— y una familia de funciones,
se intenta encontrar la función continua, dentro de dicha familia, que mejor se
aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo
error cuadrático.

En su forma más simple, intenta minimizar la suma de cuadrados de las

diferencias en las ordenadas (llamadas residuos) entre los puntos generados
por la función elegida y los correspondientes valores en los datos.

FMLC-UNI-FIC-23-1
 Métodos de mínimos cuadrados
• Consideremos los siguientes puntos (xi,yi), i=1,2,… n. Queremos construir una
función f(x) que los puntos (xi,f(xi)), con i=1,2,… n casi coincidan con los
puntos anteriores.
• Denotando Di las desviaciones
• S= ΣDi2 con i=1,2,… n.
• Si S=0 entonces Di son iguales a cero y tendríamos que f pasa por todos los
puntos experimentales.
• La minimización del sumatorio de las desviaciones cuadradas es el mejor
enfoque que generalmente se ha utilizado para encontrar las curvas o las
funciones que mejor se ajustan a determinados datos

y
𝐷 = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 Desviación
y: ordenada de la curva de ajuste
ฎ
𝑦 :ordenada del dato original

x
FMLC-UNI-FIC-23-1
 Métodos de mínimos cuadrados
• S= ΣDi2 con i=1,2,… n.
• S= D12+ D22 +…..+ Dn2
• S=(b+ax1-y1)2+…..+ (b+axn-yn)2
• Para obtener el mínimo de S igualamos a cero las derivadas parciales
respecto a b y a

𝜕S
= 2. b+ax1−y1 . 1 + ⋯ + 2. b+axn−yn . 1 = 0
𝜕b

𝜕S
= 2. b+ax1−y1 .x1 + ⋯ + 2. b+axn−yn .xn =0
𝜕a

FMLC-UNI-FIC-23-1
 Métodos de mínimos cuadrados
𝑛 𝑛
• Donde: 𝑛b + a ෍ x𝑖 − ෍ y𝑖 = 0
𝑖=1 𝑖=1

𝑛 𝑛 𝑛

b ෍ x𝑖 + a ෍ x𝑖 2 − ෍ x𝑖y𝑖 = 0
𝑖=1 𝑖=1 𝑖=1

 Resolviendo el sistema de ecuaciones tendremos

σ𝑛𝑖=1 x𝑖y𝑖 − 𝑛തx yത σ𝑛1 𝑥𝑖

a= 𝑛 തx =
σ𝑖=1 x𝑖2 − 𝑛തx2 𝑛

σ𝑛1 𝑦𝑖
b=തx - a yത yത =
𝑛
FMLC-UNI-FIC-23-1
 Ajuste Lineal de Tendencia con Mínimos Cuadrados
Ejemplo:
x y xy x2
1 37 37 1 
78
2 40 80 4 x  6 .5
12
3 41 123 9 
557
4 37 148 16
y  46.42
12
5 45 225 25  

6 50 300 36 a
 xy  n x y 
3,867  (12)(6.5)(46.42)
 1.72

650  12(6.5) 2

7 43 301 49  x  n( x )
2 2

 
8 47 376 64 b  y  a x  46.42  (1.72)(6.5)  35.2
9 56 504 81 y  35.2  1.72 x
10 52 520 100
11 55 605 121 y(13)  35.2  1.72(13)  57.56
12 54 648 144
78 557 3867 650

FMLC-UNI-FIC-23-1
Curva Lineal 𝑦 = 𝑎𝑥 + 𝑏

Variación de X contra Y
60

50

40
y = 1.7238x + 35.212
R² = 0.8034

30
Y

Series1
Lineal (Series1)

20

10

0
0 2 4 6 8 10 12 14
X

FMLC-UNI-FIC-23-1
Si la ecuación de la recta es: 𝑦 = 𝑎𝑥 + 𝑏 los errores de a y b estan dados por

2 σ(𝑦𝑖 −𝑎𝑥𝑖 −𝑏)2 1

𝜎𝑎 = σ(𝑥 −𝑥)ҧ 2
𝑛−2 𝑖

2 σ 𝑥𝑖 2
2 σ(𝑦𝑖 −𝑎𝑥𝑖 −𝑏)
𝜎𝑏 =
𝑛−2 𝑛 σ(𝑥 −𝑥)ҧ 2 𝑖

Un estudio detallado de este tema pueden verse en cualquier libro de teoría de

errores y calculo de errores.

FMLC-UNI-FIC-23-1
 Regresión Parabólica o Curva Cuadrática

Si la serie tiene una curva parabólica cuyo comportamiento se describe

matemáticamente por una ecuación de segundo grado ( parábola ). La
regresión se expresa así:

𝑦 = 𝐴𝑥 2 + 𝐵𝑥 + 𝐶

Donde:
𝑦= Estimación de la variable dependiente
𝐴, 𝐵, 𝐶 = constantes numéricas
𝑥 = Valores de la variable independiente

FMLC-UNI-FIC-23-1
 Regresión Parabólica o Curva Cuadrática
Los valores “A”, ”B” y ”C” se encuentran resolviendo un sistema de tres ecuaciones
con tres incógnitas.

𝐴 σ𝑛𝑖 𝑥𝑖2 + 𝐵 σ𝑛𝑖 𝑥𝑖 + 𝐶𝑛=σ𝑛𝑖 𝑦𝑖

𝐴 σ𝑛𝑖 𝑥𝑖3 + 𝐵 σ𝑛𝑖 𝑥𝑖2 + 𝐶 σ𝑛𝑖 𝑥𝑖 =σ𝑛𝑖 𝑥𝑖 𝑦𝑖

𝐴 σ𝑛𝑖 𝑥𝑖4 + 𝐵 σ𝑛𝑖 𝑥𝑖3 + 𝐶 σ𝑛𝑖 𝑥𝑖2 =σ𝑛𝑖 𝑥𝑖2 𝑦𝑖

Resolviendo el sistema de ecuaciones se obtiene los coeficientes A, B y C

FMLC-UNI-FIC-23-1
Ejemplo: Colocar en la celda la función
=MINVERSA, sombrear los datos de la
Curva Cuadrática 𝑦 = 𝐴𝑥 2 + 𝐵𝑥 + 𝐶 matriz (mxn) y enter, luego sombrar la
región de salida de la matriz inversa y
seguidamente las teclas fn + f2,
n datos x y x y xy x2 x2y x3 x4 posterior mente presionar crt+shif +
401.94727 enter saldrá la matriz inversa.
1 7.38 10 7.38 10 73.8 54.4644 544.644 2 2966.37087 Para multiplicar matrices:
2 10.9 20 10.9 20 218 118.81 2376.2 1295.029 14115.8161 Colocar en una celda =MMULT sombrear
3 13.4 30 13.4 30 402 179.56 5386.8 2406.104 32241.7936
las dos matrices a multiplicar ,
4 15.4 40 15.4 40 616 237.16 9486.4 3652.264 56244.8656
5 16 45 16 45 720 256 11520 4096 65536 sombreando la primera Matriz y
11851.344 presionar ; sombrear la segunda Matriz y
63.08 145 2029.8 845.994429314.044 3 171104.846 enter, a continuación , luego sombrar la
región de salida de la matriz y
A B C T
845.9944 63.08 5 145 seguidamente las teclas fn + f2,
11851.344 posterior mente presionar crt+shif +
3 845.9944 63.08 2029.8 enter saldrá el resultado de multiplicar
171104.84 11851.344 las matrices.
6 3 845.994429314.044

0.4310882 0.0033929
5 -0.079674 3
-
10.374413 1.8908663
6 6 -0.079674 a 0.24583775
58.143953 - 0.4310882
5 10.374414 5 b -1.7774126
c 9.82836435

Variación de X contra Y
𝐴 σ𝑛𝑖 𝑥𝑖2 + 𝐵 σ𝑛𝑖 𝑥𝑖 + 𝐶𝑛=σ𝑛𝑖 𝑦𝑖
50
40
𝐴 σ𝑛𝑖 𝑥𝑖3 + 𝐵 σ𝑛𝑖 𝑥𝑖2 + 𝐶 σ𝑛𝑖 𝑥𝑖 =σ𝑛𝑖 𝑥𝑖 𝑦𝑖 30 y = 0.2458x2 - 1.7774x + 9.8284
R² = 0.9986
Y

20

𝐴 σ𝑛𝑖 𝑥𝑖4 + 𝐵 σ𝑛𝑖 𝑥𝑖3 + 𝐶 σ𝑛𝑖 𝑥𝑖2 =σ𝑛𝑖 𝑥𝑖2 𝑦𝑖 10

0
0 5 10 15 20
FMLC-UNI-FIC-23-1 X
Ejemplo:
El método de mínimos cuadrados puede ser usado aun cuando la relación entre las
variables x e y no sea lineal, como se muestra en el siguiente ejemplo:
𝑐
Sea: 𝑦 =𝑥+𝑥 [𝛼]
la relación entre las variables, deducida del modelo matemático para el fenómeno en
estudio.
Se construye la función f(c), dada por la expresión:
𝑐
𝑓 𝑐 = σ𝑁
𝑖=1(𝑦𝑖 − 𝑥𝑖 − 𝑥 )
2 [𝛽]
𝑖

Debemos encontrar el valor de c que minimiza la función f(c):

𝑑𝑓(𝑐)
=0
𝑑𝑐
𝑦
σ 𝑖 −𝑁
𝑥𝑖
Entonces 𝑐= 1 [𝛾]
σ 2
𝑥 𝑖

FMLC-UNI-FIC-23-1
 Universidad Nacional de Ingeniería

Facultad de Ingeniería Civil

Teoría de Errores

MSc.: Loayza Cordero Fredy Miguel

FMLC-UNI-FIC-23-1
Introducción
Se entiende por medida la observación cuantitativa de alguna magnitud Física.
Toda medida experimental adolece de imprecisión porque los métodos e
instrumentos que se emplean para medir son imperfectos.
El resultado de una medida, además de ir acompañado de la correspondiente
unidad, debe estar también acompañado de otro número menor que llamamos
error y que es un índice de la imprecisión de la medida.

Tipos de errores
Una medida directa puede tener errores por tres motivos:
Errores Sistemáticos: Resultan de factores que comprenden el “ sistema de
medición” e incluyen el medio ambiente, los instrumentos y el observador.-
Si las condiciones se mantienen constantes, los errores también lo serán.
Errores Accidentales o Aleatorios: Son ocasionados por factores que están
fuera del control observador y obedecen a las leyes de la probabilidad. Estos
errores están presentes en todas las mediciones topográficas, por ejemplo
cambios de no previsibles en la temperatura, voltaje de la línea, corrientes
de aire, vibraciones, etc.
FMLC-UNI-FIC-23-1
 UN ERROR
es una
diferencia

con respecto a
valor verdadero

ocasionado por la

imperfección de los imperfección de por efectos

sentidos de una los instrumentos climáticos
persona utilizados

FMLC-UNI-FIC-23-1
Estimación del valor de la medida de un observable.
Una buena estimación del valor de la magnitud medida para un observable será
la media aritmética de los valores medidos:
1
𝑥ҧ = σ𝑁
𝑖=1 𝑥𝑖
𝑁

𝑥𝑖 es el resultado de la i-ésima medida y N es el número total de medidas hechas.

Especificación de errores: error absoluto y error relativo

Si 𝑥ҧ denota el resultado de un experimento y 𝛿𝑥 su error, la expresión
correcta del resultado medido debe ser en la forma siguiente

𝑥ҧ ±𝛿𝑥
Indica que el valor verdadero de la magnitud se encuentra dentro del intervalo
entre 𝑥ҧ + 𝛿𝑥 y 𝑥ҧ − 𝛿𝑥 . La cantidad 𝛿𝑥 recibe el nombre de error absoluto de
la medida.
El error puede expresarse también en porcentaje, lo que se conoce como error
relativo 𝛿𝑟 definido como 𝛿𝑥
𝛿𝑟 = ҧ 𝑥100
𝑥
FMLC-UNI-FIC-23-1
Medidas directas o por aparatos calibrados
Una vez eliminados o corregidos los errores sistemáticos, el error experimental 𝛿𝑥
asignado a la variable está determinado por el error de sensibilidad (o escala) del
aparato y el error aleatorio del experimento.
El error de sensibilidad o escala 𝛿𝑠 es el que se deriva de la limitación en la escala
mínima de los aparatos de medición. Cada medida individual está sujeta a este
error. Se debe distinguir entre la medición con aparatos analógicos y digitales.
El error de sensibilidad del aparato analógico 𝛿𝑠 es asignado a la medida es
la mitad de la mínima división del aparato de medida.

magnitud L=(7,5±0,5)cm unidad

medida error

El error de sensibilidad del aparato digital 𝛿𝑠 que se debe asignar a la magnitud es

igual a la mínima división del aparato.

magnitud M=(175,7±0,1)g unidad

medida error
FMLC-UNI-FIC-23-1
Error aleatorio: desviación típica o desviación estándar
El error aleatorio 𝛿𝑎 proviene del hecho de que, al repetir un experimento, los resultados
pueden diferir. Para este tipo de errores, la estimación se hace mediante la desviación
típica o desviación estándar de los datos

Supongamos que se realizan N medidas sucesivas x1, x2 ..., xN de una magnitud.

El valor más probable de la magnitud es el valor medio de los valores 𝑥ҧ .
1
𝑥ҧ = σ𝑁
𝑖=1 𝑥𝑖
𝑁

El error aleatorio 𝛿𝑎 asociado a esta medida es la desviación típica o desviación

estándar de los datos (o error cuadrático medio), que viene dado por la expresión

1
𝛿𝑎 = 𝜎𝑁−1 = σ𝑁 (𝑥ҧ − 𝑥𝑖 )2
𝑁(𝑁−1) 𝑖=1

Esta cantidad es una medida de la repetibilidad de los datos, ya que cuanto mayor es la
desviación típica de los valores menor es el grado de coincidencia, y por tanto mayor es
el error.

FMLC-UNI-FIC-23-1
Cifras significativas y redondeos
Al presentar numéricamente un resultado se debe tener en cuenta el concepto de
cifra significativa. El número de cifras significativas de un resultado se obtiene
contando desde la derecha el número de cifras de la cantidad hasta que
encontremos un último número no cero, a partir del cual todos números a la
izquierda son ceros. Por ejemplo el número 0,023 tiene 2 cifras significativas. Si
hubiésemos expresado el resultado como 0,0230, éste tendría 3 cifras
significativas, y querría decir que el aparato de medida es capaz de medir hasta
la cuarta cifra decimal.
Cuando se da el valor de una medida experimental, el criterio que tomamos es
que el error se expresa con una sola cifra significativa.
El valor siempre debe redondearse por exceso o por defecto según sea el valor
más cercano.
El criterio para el resultado es asignar cifras significativas hasta el decimal que
corresponde a la cifra del error. Por ejemplo, un resultado que sea 2,1 con un
error 0,002 debe expresarse como 2,100±0,002. También se realiza el redondeo
del resultado en función de cual es el valor más cercano.
Por ejemplo, un resultado 4,256 con un error 0,1 debe expresarse como 4,3±0,1.
En cambio, si el valor hubiese sido 4,226 se debería expresar como 4,2±0,1.

FMLC-UNI-FIC-23-1
Expresión de errores
Cuando se realiza una medida experimental directa se deben comparar las dos fuentes
de error, el error de sensibilidad o escala 𝛿𝑠 y el error aleatorio 𝛿𝑎, La forma de
presentar el resultado de la medida directa consiste en dar el valor medio 𝑥ҧ de las
medidas realizadas y asignar a dicha medida un error 𝛿𝑥 igual al mayor de los dos
errores, esto es 𝛿𝑥 =max ( 𝛿𝑠, 𝛿𝑎).
Ejemplo: Consideremos que se hace una medida de tiempo con un cronómetro digital
que aprecia hasta las centésima de segundo, y el promedio de estas medidas es
ҧ
𝑡=25,0466 y 𝛿𝑠 = 0,01 𝑠 , 𝛿𝑎 = 0,0702 s. luego 𝛿𝑥 = 0,07.
ҧ
𝑡=25,05±0,07
Medidas indirectas: propagación de errores
Las medidas indirectas son aquellas que se obtienen como resultado de
aplicar una fórmula teórica sobre valores que son el resultado de medidas
directas.
Si se tiene una cantidad y que es función de m variables x1, x2, ..., xm, cada una con
un error asociado 𝛿x1, 𝛿x2, ..., 𝛿xm,, el cálculo del error 𝛿 y asociado al resultado de
una ecuación y=f(x1, x2, ..., xm) se obtiene por cálculo de propagación de errores.

𝜕𝑓 2
𝜕𝑓
𝛿𝑦 = ( 𝛿x1) + …..+ ( 𝛿x𝑚)2
𝜕x1 𝜕xm
FMLC-UNI-FIC-23-1
La Tabla 1: muestra a continuación, resume las fórmulas de propagación de
errores:
Función Media Error estándar
𝑑𝑓
𝑓 = 𝑓 (𝑥) 𝑓ሜ = 𝑓(𝑥)
lj ሜ
𝛥𝑓 = 𝛥𝑥lj
𝑑𝑥

𝑓 = 𝑓 (𝑥, 𝑦) 𝜕𝑓 𝜕𝑓
𝑓ሜ = 𝑓(𝑥,lj 𝑦)
lj 𝛥𝑓ሜ = ( )2 (𝛥𝑥)
lj 2 + ( )2 (𝛥𝑦)
lj 2
𝜕𝑥 𝜕𝑦

𝑓 = 𝑎𝑥 + 𝑏𝑦 𝛥𝑓ሜ = lj 2 + (𝑏𝛥𝑦)
(𝑎𝛥𝑥) lj 2
𝑓ሜ = 𝑎𝑥lj + 𝑏𝑦lj

𝑓 = 𝑎 𝑥𝛼 𝑦𝛽 𝑓ሜ = 𝑎𝑥lj 𝛼 𝑦lj 𝛽 𝛥𝑓ሜ = 𝑓ሜ (𝛼𝛥𝑥/ lj 2 + (𝛽𝛥𝑦/

lj 𝑥) lj 2
lj 𝑦)

FMLC-UNI-FIC-23-1
Ejemplo 1 Error aleatorio: desviación típica o desviación estándar
Supongamos que en una experiencia se ha medido 10 veces el tiempo de caída
de una esfera sobre un plano inclinado, obteniéndose los siguientes valores:

t1=2,23 s; t2=2,26 s; t3=2,28 s; t4=2,32 s

t5=2,31 s; t6=2,22 s; t7=2,23 s; t8=2,26 s; t9=2,25 s; t10=2,23 s

entonces n=10 hallaremos la desviación típica o desviación estándar

usando la expresión
1
𝑛 2
1
𝛿𝑎 = 𝜎𝑁−1 = ෍(𝑥𝑖 − 𝑥)ҧ 2
𝑛(𝑛 − 1)
𝑖=1

𝑡± 𝛿𝑎 = (2,26 ± 0.01 )𝑠

FMLC-UNI-FIC-23-1
 Ejemplo 2 Medidas indirectas: propagación de errores
Supongamos que medimos para el periodo de un péndulo simple, el valor T ±
ΔT, y para su longitud, el valor L ± ΔL.
𝐿
𝑇 = 2𝜋
g

Despejando g , se tiene g (L,T)= 4 π2L/ T2

𝜕g 𝜕g
Para obtener Δതg , usamos la ecuación 𝛥glj = ሜ 2 + ( )2 (𝛥T)
( )2 (𝛥L) ሜ 2
𝜕L 𝜕T
donde 𝜕g 4 π2
= 2
𝜕𝐿 T
2
4 π2 2 8 π2𝐿 2 2
∆തg= ∆𝐿 + (− 3 ) ∆𝑇
𝜕g 8 π2 𝐿 T2 T
=− 3
𝜕𝑇 T
Finalmente el error en el valor de g es ∆തg es:
∆𝐿 2∆𝑇 2
Para: g= 4 π2L/ T2 ∆തg= ( )2 +( ) .g
𝐿 𝑇
L=(1,20 ±0,005) 𝑚
g=g ± Δതg =(9,36 ±0.09)m/s2
T=(2,25 ±0,01) 𝑠
FMLC-UNI-FIC-23-1