Академический Документы
Профессиональный Документы
Культура Документы
1
=
0
+
0
1
,
2
1
=
0
+
0
1
0
1
0
1
=
0
+
0
1
1
0
+
0
0
1
1
=
0
+
0
1
0
1
+
0
0
1
0
Agrupando trminos similares y simplificando, se llega a la formula de Lagrange,
1
=
1
0
1
0
+
0
1
0
1
Generalizando, el polinomio de interpolacin de Lagrange corresponde a:
=0
en donde:
=0
Desarrollo generalizado para un polinomio de grado 2 ( = 2). Primero ampliando para
= 0, 1, 2
2
=
0
0
+
1
1
+
2
2
Ahora ampliando para = 0, 1, 2
2
=
1
0
1
2
0
2
0
+
0
1
0
2
1
2
1
+
0
2
0
1
2
1
2
Ejercicio: Por medio del polinomio de interpolacin de Lagrange, determine la velocidad del
cuerpo a los 10 segundos de iniciado el movimiento. Los datos experimentales son:
Realice la interpolacin utilizando polinomios de grado 1, 2, 3 y 4 y grafique (por el momento no
programar de manera general. Slo calcule para este caso particular). Recordar que: a) si se tiene
+ 1 datos, entonces el grado del polinomio debe ser y b) no extrapolar.
Tiempo Velocidad (cm/s)
1 800
3 2310
5 3090
7 3940
13 4755
Observacin:
El comportamiento de los polinomios de interpolacin puede ser inesperado, por lo que es
necesario comparar y verificar resultados.
Tener presente el comportamiento de la situacin fsica que se est estudiando. Los
polinomios de orden superior tienden a descomponer la tendencia de datos.
Utilizar polinomios de bajo orden necesariamente descarta algunos datos que podran ser
significativos en el comportamiento de la situacin fsica.
N=4
N=3
N=2 N=1
4.3 Interpolacin Segmentaria (Spline)
Los polinomios orden superior tienden a generar resultados errneos, como el ejemplo
anterior.
Una posible solucin es aplicar polinomios de orden inferior a subconjunto de datos,
asegurando la continuidad de la funcin.
tarea
Conseguir los valores de a b y c para cada intervalo:
Considerar que:
1. Los valores f(x) entre dos intervalos son iguales
2. Considerar que las derivadas entre los intervalos deben ser iguales.
3. El primer y ultimo punto debe coincidir con los valores conocidos.
4. Considere que a1 =0
5. Resuelva el sistema de ecuaciones.
Trazador cuadrtico
Puede ser cubico??
o de otro orden??
AJUSTE DE CURVAS
AJUSTE DE CURVAS
3.1 Regresin lineal = +
(Obj: Determinar coeficientes y )
Serie de n puntos registrados
experimentalmente.
1
=
1
,
1
2
=
2
,
2
3
=
3
,
3
Error o residuo entre modelo y medicin:
Cul es el criterio para un mejor ajuste?
Minimizar error:
=1
Minimizar error absoluto:
=1
Estos mtodos no garantizan una nica curva de ajuste.
Minimizar las suma de los cuadrados de los residuos:
2
=
=1
=1
=
=1
Con este mtodo se garantiza una nica curva de ajuste que minimiza
= 2
= 0
= 2
= 0
= 0
2
= 0
Sistema de ecuaciones lineales de 2x2
=
2
=
b
b
na
a
3.2.2 Cuantificacin del error en regresin lineal. Recordando:
Media
=
=1
Error o residuo respecto del valor medio.
=1
Desviacin estndar.
1
Error o residuo de la regresin:
2
=
=1
=1
=
=1
Error estndar de la aproximacin.
/
=
2
Coeficiente de determinacin
2
=
coeficiente de determinacin
Si el coeficiente de determinacin (
2
) es iguala a 1 (
Coeficiente de correlacin (r)
3.2 Linealizacin: Consiste en realizar transformaciones matemticas (cambio de
variable por ejemplo), en una expresin no lineal para que sea compatible con el
mtodo de regresin lineal.
Ejemplos:
1 =
2
1 = , =
2
2 =
2 = +, = ln, v = ln
3.3 Regresin Polinomial
Se tiene un polinomio de grado m de la forma:
Entonces la suma de los cuadrados del residuo corresponde a:
Minimizando el error se obtiene un sistema de ecuaciones de (m+1) x (m+1)
Reordenando el sistema de ecuaciones, se obtiene:
Este sistema de ecuaciones lineales se puede expresar matricialmente, quedando definido
de la siguiente manera:
Error estndar de la regresin:
por qu la expresin del error estndar est dividida por ( + 1)?
Ejercicio: Realizar ajuste polinomial (grado 2 y 3) para el siguiente caso.
Resp:
Grado
2 2.4786 2.3593 1.8607 -
3 2.2508 3.3995 1.2913 0.0759
Qu ajuste es mejor?
3.4 Regresin Lineal Mltiple.
Error de la regresin:
Minimizando el error de la regresin:
Ordenando matricialmente:
Generalizando para m dimensiones
Error estndar de la regresin:
3.5 Regresin no lineal
=
0
1
La relacin entre los datos y la ecuacin no lineal est dada por la siguiente expresin general:
;
0
,
1
,
2
, ,
De manera ms simple
El modelo no lineal puede se expandido en serie de Taylor en torno a los parmetros
;
0
,
1
,
2
, ,
, quedando as:
+1
=
+
0
0
+
1
1
+ +
+
Siendo la estimacin inicial y + 1 la prediccin.
,
=
,+1
,
, con = 0, 1, 2, ,
Truncado la serie de Taylor y reordenando la expresin anterior se tiene:
0
0
+
1
1
+ +
Esta expresin se puede ordenar matricialmente, quedando as definida.
1
1
2
2
=
1
0
1
1
1
0
2
1
2
0,
1,
,
+
1,
2,
,
Aplicando mnimos cuadrados (minimizar el error de la estimacin) y despejando
, se llega
a la siguiente expresin:
Pero teniendo en cuenta que
0,+1
0,
1,+1
1,
,+1
,
Entonces
0,+1
1,+1
,+1
=
0,
1,
,
El error relativo de la iteracin corresponde a
(hgalo usted mismo!)
Adicionalmente en el caso que las derivadas parciales de la funcin sean complejas de desarrollar
de manera analtica, es posible implementar la siguiente aproximacin para evaluar la derivada
parcial en