Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 150 vistas

    Ajuste de Curvas Mediante Mínimos Cuadrados

    Cargado por

    andresunexpo
    El documento describe el método de los mínimos cuadrados para ajustar una recta o curva a un conjunto de datos. El método minimiza la suma de los cuadrados de las desviaciones entre los valores observados y los valores previstos por la ecuación. Para una recta, esto determina sus parámetros de pendiente y ordenada al origen. Para curvas, determina los coeficientes de un polinomio que mejor se ajuste a los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOC, PDF, TXT o lea en línea desde Scribd

    Ajuste de Curvas Mediante Mínimos Cuadrados

    Cargado por

    andresunexpo
    150 vistas10 páginas
    El documento describe el método de los mínimos cuadrados para ajustar una recta o curva a un conjunto de datos. El método minimiza la suma de los cuadrados de las desviaciones entre los valores observados y los valores previstos por la ecuación. Para una recta, esto determina sus parámetros de pendiente y ordenada al origen. Para curvas, determina los coeficientes de un polinomio que mejor se ajuste a los datos.

    Descripción original:

    se detallan adecuadamente la aplicación del método de los minimos cuadrados en fisica

    Título original

    AJUSTE DE CURVAS MEDIANTE MÍNIMOS CUADRADOS.doc

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOC, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el método de los mínimos cuadrados para ajustar una recta o curva a un conjunto de datos. El método minimiza la suma de los cuadrados de las desviaciones entre los valores observados y los valores previstos por la ecuación. Para una recta, esto determina sus parámetros de pendiente y ordenada al origen. Para curvas, determina los coeficientes de un polinomio que mejor se ajuste a los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOC, PDF, TXT o lea en línea desde Scribd
    Descargar como doc, pdf o txt
    150 vistas10 páginas

    Ajuste de Curvas Mediante Mínimos Cuadrados

    Cargado por

    andresunexpo
    El documento describe el método de los mínimos cuadrados para ajustar una recta o curva a un conjunto de datos. El método minimiza la suma de los cuadrados de las desviaciones entre los valores observados y los valores previstos por la ecuación. Para una recta, esto determina sus parámetros de pendiente y ordenada al origen. Para curvas, determina los coeficientes de un polinomio que mejor se ajuste a los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOC, PDF, TXT o lea en línea desde Scribd
    Descargar como doc, pdf o txt
    de 10

    MTODO DE LOS

    MNIMOS
    CUADRADOS

    AJUSTES DE RECTAS POR MINIMOS CUADRADOS

    Toda funcin Lineal o Curvilnea se puede ajustar a un polinomio por


    mtodos numricos.

    Presentaremos a continuacin el caso ms simple: el ajuste de una funcin


    lineal (esto es, el ajuste de una recta o de un polinomio de grado uno).

    La tcnica que presentaremos se conoce como El Mtodo de los Mnimos


    Cuadrados y se fundamenta en el hecho de que el mejor ajuste se
    obtiene cuando la suma de los cuadrados de las desviaciones de la
    variable dependiente alcanza su valor mnimo.

    Para encontrar el valor mnimo de las desviaciones de la variable


    dependiente se varan parmetros; en el caso de una recta los parmetros
    libres a variar son precisamente la pendiente de la recta y el valor de la
    ordenada en el origen (esto es, se harn variar m y b, las cuales hemos
    considerado hasta ahora como constantes, de modo de encontrar los valores
    que correspondan a la recta que mejor se ajuste a los datos
    experimentales).

    Consideremos la ecuacin que describe a la recta buscada,

    yi (teorico) = m xi + b, i = 1,2, ....., N

    Note que hemos introducido ndices pues estamos trabajando con un


    conjunto de N puntos discretos. El problema consiste en determinar los
    valores de m y b por la va de minimizar las diferencias entre los yi (teorico) y
    los yi (experimentales)

    La suma de los cuadrados de las desviaciones entre los datos


    experimentales y los correspondientes a la recta ajustada es,

    S = ( yi ( experimentales) - yi ( terico) )2

    S = yi (experimentales) ( m xi + b ) 2 con i = 1,2,..N

    Igualando a cero las derivadas de S con respecto a las variacin de m y b,


    estamos aplicando la condicin de extremos a la funcin:

    dS /dm = ( -2yi xi +2m xi 2 + 2b xi )=0

    dS /dm = ( -2yi +2m xi+ 2b )=0

    Se puede demostrar por la va de sacar la segunda derivada que stas son


    (en este caso) condiciones de mnimo necesarias y suficientes. De estas dos
    relaciones se puede despejar m y b:

    m = N ( xI yI ) - xI yI / N xI 2 ( xI )2

    b = ( yI m xI ) / N

    b = yI xI 2 - xI xI yI / N xI 2 - ( xI )2

    Por lo tanto hemos encontrado las expresiones (en funcin de los datos
    experimentales) de los parmetros que dan el mejor ajuste.
    En rigor, la recta que se debe trazar en el grfico es aquella que se obtiene
    mediante el mtodo de los mnimos cuadrados: una vez determinada la
    pendiente y la ordenada en el origen basta utilizar la ecuacin de la recta y
    obtener los valores de la ordenada que corresponden a dos valores
    cualesquiera de la variable independiente.

    Finalmente, enfatizamos que al hacer el ajuste de una recta en un grfico


    semilogartmico o logartmico se han de reemplazar las variables xI y/o yI
    por sus logaritmos en el par de ecuaciones precedentes.

    Note que el error en la determinacin de la pendiente y la ordenada en el


    origen por el mtodo de los mnimos cuadrados, podra en principio
    calcularse va propagacin de errores. Los programas comerciales que se
    utilizan en los computadores personales suelen dar estos errores y tambin
    suelen incluir otros criterios ms sofisticados para revelar la calidad del
    ajuste de los puntos a la recta.

    AJUSTES DE CURVAS POR MINIMOS CUADRADOS

    Supongamos ahora que tenemos un conjunto de puntos que mostramos en la


    siguiente grfica
    De los puntos mostrados nos podemos dar cuenta que parece tener la forma
    de un polinomio de segundo grado de la forma:

    (1)

    Esta ecuacin (1) puede usarse para representar el conjunto de valores


    obtenidos experimentalmente para la cual debemos determinar los valores
    de a 1, a 2, a 3, etc.

    Para determinar estos valores utilizamos el siguiente procedimiento:

    1. Establecer el criterio para determinar la ecuacin que represente a


    los valores (obtenidos experimentalmente).
    2. Escribir la ecuacin que expresa el error o desviacin entre el valor
    observado y los valores dados por la ecuacin.
    3. Habiendo obtenido la ecuacin del error, minimizar dicho error.

    EVALUACIN DEL ERROR

    Si consideramos las parejas de datos, como se muestra en la grfica

    donde:

    d = Distancia = YObservada - Y Obtenida por la ecuacin


    Donde:

    YObservada = Valor obtenido experimentalmente.

    Y Obtenida por la ecuacin = Valor de la funcin evaluada en cualquier valor X

    Observando la grfica, parece que esta distancia se puede usar para


    representar el error, pero habr distancias positivas y negativas, (como se
    puede observar la distancia d1 es positiva y la distancia d2 es negativa) de
    modo que el error promedio para los puntos como los mostrados ser
    pequeo aunque los errores individuales sean grandes.

    Esta dificultad podra ser resuelta usando el valor absoluto de las


    distancias, sin embargo al derivar la funcin del valor absoluto se generan
    ciertos problemas.

    La solucin podra ser definir el error como el cuadrado de la distancia, esto


    elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de
    Mnimos Cuadrados.

    (2)

    en donde S es la suma de los cuadrados de las diferencias entre el valor


    calculado y el valor observado y por lo tanto es el valor que se debe
    minimizar

    (3)

    Siendo el caso de que la curva supuesta es una ecuacin de segundo grado,


    se tiene la ecuacin:

    (4)

    Para minimizar la funcin anterior, derivando parcialmente con respecto a


    a1 , a2 y a3 e igualando a cero:
    (5)

    (Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son


    constantes)

    Las ecuaciones se pueden expresar de acuerdo como sigue:

    (6)

    Lo anterior lo podemos expresar en forma matricial:

    (7)

    La frmula general para un polinomio de grado n en donde hay m parejas de


    datos es:
    (8
    )

    Como se puede observar el problema consiste en lo siguiente:

    1. Obtener la matriz de coeficientes.


    2. Resolver el sistema de ecuaciones resultantes.

    Recordando que:

    1. Si n es el grado del polinomio, hay n+1 valores de la matriz de


    coeficientes y n+1 ecuaciones.
    2. El mximo exponente de X en los trminos de la sumatoria de 2n
    puede ser que los datos no representen un polinomio de 2o grado sino
    que representen uno de 3o y 4o grados.

    El ajuste de curvas es un procedimiento de tanteo y error, si una curva no


    representa los datos, entonces se intenta con un polinomio de grado
    superior.

    EJEMPLO:
    X Y X Y
    0.00 0.0000 0.60 0.6367
    0.10 0.1002 0.70 0.7586
    0.20 0.2013 0.80 0.8881
    0.30 0.3045 0.90 1.0265
    0.40 0.4108 1.00 1.1752
    0.50 0.5211
    De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios
    de 2o, 3er y 4o grado; graficar para determinar la curva ms aproximada.

    SOLUCIN

    POLINOMIO DE SEGUNDO GRADO

    Primero determinamos los coeficientes de la matriz y los elementos


    constantes. Los elementos de la matriz son:

    M =11

    Los trminos constantes son:

    De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:


    Resolviendo por Gauss se obtienen los siguientes resultados.

    a1 = 0.006727
    a2 = 0.895462
    a3 = 0.265963

    y el polinomio de segundo grado es:

    POLINOMIO DE TERCER GRADO

    Para el caso del polinomio de 3er grado se requiere:

    M =11
    y el sistema de ecuaciones a resolver es:

    cuya solucin es:


    a1 = - 0.000112
    a2 = 1.004150
    a3 = - 0.019075
    a4 = 0.190032

    y el polinomio queda:

    POLINOMIO DE CUARTO GRADO

    Repitiendo el procedimiento anterior, se obtienen los siguientes resultados

    a1 = - 0.000112
    a2 = 0.994595
    a3 = 0.028713
    a4 = 0.113563
    a5 = 0.038237

    Quedando el polinomio como se muestra:

    También podría gustarte