Linealizacion

Enviado por loreluz20

25/8/2012

1632 Palabras
PGINA
1
DE 7

Linealizacin
Objetivo General

Linealizar modelos.
Objetivos especficos

Linealizar modelos bsicos que se presentan en ciencias naturales.

Hacer regresin lineal por medio del mtodo de mnimos cuadrados.
Introduccin
Generalmente el modelo que representa un fenmeno natural no es una funcin lineal
(es decir, su
grfica no es una lnea recta). Sin embargo como los modelos lineales son ms fciles
de analizar, se
puede tratar de convertir las funciones a la forma lineal, lo cual en muchas situaciones
es posible. A
este procedimiento se le denomina linealizacin. Mtodos que permiten linealizar
algunos modelos
son:

La logaritmacin
Cambio de variables
Por logaritmacin
Entre los modelos que permiten linealizacin mediante la logaritmacin estn:

La funcin potencial.
La funcin exponencial.
La funcin potencial
La funcin
y = bx a
se linealiza a travs de los logaritmos,
log y = a log x + log b
Cambiando variables,
log y y '
log x x '

se obtiene,
y ' = ax '+b'
log b b '
Universidad Nacional de Colombia
Facultad de Ciencias, Escuela de Fsica, Sede Medelln
Pgina 3
Linealizacin
Es decir, si en la funcin potencial se grafica log y vs log x se obtiene la ecuacin de
una lnea
recta.
La funcin exponencial
La funcin
y = be a x
se linealiza a travs de los

Linealizacion

Enviado por loreluz20

25/8/2012

1632 Palabras
PGINA
2
DE 7

logaritmos,
Ln y = ax + Ln b
Cambiando variables,
Ln b b'
Ln y y '
se obtiene,
y ' = ax + b '
Es decir, si en la funcin potencial se grafica ln y vs x se obtiene la ecuacin de una

lnea recta.
Por cambio de variables
En los siguientes ejemplos se ilustrarn modelos que mediante el adecuado cambio
de variables
quedan linealizados.
Ejemplo 1
Supngase que se tiene un sistema masa-resorte oscilando. El modelo terico afirma
que, suponiendo que el alargamiento del resorte es proporcional a la carga aplicada
(peso de la masa, m,
acoplada al resorte), el perodo de oscilacin, P, de la masa oscilante es:
P = 2
m
k
siendo k, la constante elstica del resorte. Esta ecuacin se puede transformar en,
P2 =
4 2
m
k
y al graficar P 2 vs m se obtiene una lnea recta con pendiente,
a=
4 2
k

Pgina 4
Linealizacin
Ejemplo 2
Para pequeas oscilaciones, en el modelo terico se afirma que el periodo de un
pndulo simple
(masa puntual que pende de un hilo inextensible) es,
P = 2
l
g
en donde l corresponde a su longitud y g al valor de la aceleracin de la gravedad en
el sitio
donde oscila. La ecuacin se puede transformar en,
P2 =
4 2
l

g
y al graficar P 2 vs l se obtiene una lnea recta con pendiente,
a=
4
g
2
Regresin lineal
Dados un conjunto de datos experimentales
(x1,y1), (x2,y2),,

Linealizacion

Enviado por loreluz20

25/8/2012

1632 Palabras
PGINA
3
DE 7

(xN,yN), en donde se concluye

(o al menos se sospecha) que la tendencia del
comportamiento de los mismos es lineal, es possible encontrar la ecuacin de la recta
que mejor
los represente. Uno de los mtodos empleado
para encontrar diha recta se denomina mtodo
de los mnimos cuadrados.
Definiendo el error i= yi y, que corresponde
a la diferencia entre el valor observado yi y el
valor ajustado y=axi+b (ver figura 1). El criterio
de ajuste que toma el mtodo de los mnimos
cuadrados es exigir que la desviacin cuadrtica
media sea mnima, es decir, debe de ser mnima
la suma,
N
Figura 1
N

s = ( i ) = [ yi (axi + b)]
i =1
2
i=1
2
Pgina 5
Linealizacin
El extremo de s, mximo o mnimo se obtiene cuando las derivadas de s respecto de
a y de b sean
nulas, lo que da lugar a un sistema de dos ecuaciones con dos incgnitas del que se
despeja a y b
obtenindose,
N
a=
N
i =1
i =1
N
N
i =1
N xi y i xi y i
b=

N
i =1
N
i =1
N

i =1
i =1
xi2 y i xi xi y i

con,
N
= N
i =1
N

x xi
i =1
2
2
i
Las respectivas incertidumbres en a y b son:
N
ua = y
x
2
i
N

ub = y
i =1

con,
y =
1N
2
( yi b axi )

N 2 i =1
Regresin lineal empleando PhysicsSensor
PhysicsSensor es una

Linealizacion

Enviado por loreluz20

25/8/2012

1632 Palabras
PGINA
4
DE 7

plataforma software-hardware de libre uso, desarrollada por docentes de la

Escuela de Fsica de la Universidad Nacional de Colombia sede Medelln, que permite
incorporar el uso de las NTICs (Nuevas Tecnologas de la Informacin y las
Comunicaciones) en los laboratorios de Ciencias Naturales con muy baja inversin
econmica. Dentro del software de esta
valiosa plataforma se encuentra un programa denominado Regresin Lineal que con
solo suministrarle los datos para ajustar se obtiene los valores de los parmetros a
(pendiente) y b
(intercepto con las ordenadas) correspondientes a la mejor recta que los representa
de acuerdo a
las exigencies del mtodo de los mnimos cuadrados; el programa tambin despliega
la grfica, las
respectivas incertidumbres de estos parmetros y el coeficiente de correlacin (que s
es cercano a
1 -UNO- indica un buen ajuste), ver figura 2.
De igual forma el EXCEL es una muy valiosa herramienta para realizar estos ajustes.
Adicionalmente en la red Internet se encuentran muchas herramientas de uso libre
que igualmente realizan
estas tareas y que son muy confiables.

Pgina 6
Linealizacin
Figura 2
Manejo de PhysicsSensor
Documento con los datos

Los datos se deben estructurar en un documento .txt (es decir, texto plano) formando
las siguientes
cinco columnas (y en ese orden),
DATO
x
y
ux
uy
en donde ux, uy

Matemticasfinitas temaenlnea:regresin
lineal y exponencial
Note:LasmatemticasenestapginahansidomecanografiadoporjsMath.ParaverjsMathasumejor
expresin,debeinstalarlasfuentesjsMathTeX.HagaclicenelbotndejsMathenlaparteinferior
derechadelapaginaparavermsdetalles.
Yahemosvistocomoajustarunarectaaunconjuntodedospuntosdedatos:Secalculalaecuacindela
rectaquepasapordospuntosdados.(Vealaresumen de funcionesparaalgunosejemplos.)Sinembargo,
porlogeneralsetienemsquedospuntosdedatos,yrarasvecesestntodosenunasolarecta.El
problemaesquehallarlarectaqueajustalosdatostanestrechamentequeposible.

1. Recta de mejor ajuste (Recta de regresin)

Empezamosintentandoconstruirunafuncin lineal de demanda.Supongaquesuinvestigacinde
mercadomuestralassiguientesestadsticasdeventaparacasasdevariospreciosduranteelaopasado:
Precio(Milesdedlares)

160

180

200

220

240

260

280

Ventasdenuevacasasesteao

126

103

82

75

82

40

20

Queremosutilizarestosdatosparaconstruirunafuncindedemandaparaelmercadodelosbienes
races.(Recuerdequeunafuncindedemandaespecificalademanda,y,medidaaquporventasanual,
comounafuncindelprecio,x.)Aquestunatrazadey contrax :

Losdatossugieraunarecta,msomenos,yentoncesunarelacinlinealentreyyx.Aqusonvarias
rectasqueseacercanalospuntos:

PCulrectaajustalospuntoslomsestrechamentequeposible?
RNosgustaraquelasventasquepronosticaralarecta(losvalorespronosticados)estuvierantan
cercacomofueraposibledelasventasreales(losvaloresobservados).Lasdiferenciasentrelosvalores
esperadosylosvalorespronosticados,quesonloserroresresiduales,sonlasdistanciasverticalesque
semarcaninlafiguramsabajo.
Errorresidual=ValorobservadoValorpronosticado

PEntoncescomopodemoshacerlo?
RSumamosprimerotodosloscuadradosdeloserroresresidualesparaobtenerunsoloerrorquese
llamaelsumadeloserroresalcuadrado(SSEsiglaseninglsde"SumofSquaresError")y
escogemoslarectaquesedaelmspequeovalordeSSE.Estarectasellamalarectademejor
ajuste,rectaderegresin,orectademnimoscuadradosasociadaalosdatos.

Ejemplo 1: Calculando SSE para una recta dada

SupngasequenosgustaracalcularSSEparaunarectaespecifica,comoy=x+300como
mostradamsabajo:

Tenemoslasiguientetabladevalores:
y Observado

y Pronosticado

y =x+300

Error residual

160

126

140

14

180

103

120

17

yy

200

82

220

75

240

82

100

18

260

40

280

20

Entonces,paralarectay=x+300
SSE
= Sumadelosvaloresdeerroresresiduales
=

1417185+22+0+0

32

PMuybien.AhorasabemoscomosecalculaelvalordeSSEparaunarectayadada.Comohallamos
larectademejorajuste;esdecir,larectaparaqueSSEeslomenor?

RPresentaremosaqulaformulaqueladetermina.Justificarlanecesitaclculo;puedeconsultarel
capitulodefuncionesdevariasvariablesenClculo Aplicadoparaunaexplicacindetallada.
Recta de regresin (o mejor ajuste)

Larectaqueseajustamejoralosnpuntos(x1 y1) (x2 y2)

(xn yn) tienelaforma

y=mx+b
donde

Pendiente=m=n

(x2)

x 2n

xy

Interseccin=b=n

ym

Aqu, significa"lasumade."As,

xy= suma del productos =x1y1+x2y2+ +xnyn

x= suma del valores de x=x1+x2+ +xn
del valores de y=y1+y2+ +yn
valores de x2=x21+x22+ +x2n

y= suma

x2= suma del

Elusodelasformulasasbastantefcil,comosemuestraelsiguienteejemplo.

Ejemplo 2: Calculando la recta de regresin a mano

Determinelarectaderegresinasociadaalossiguientesdatos:

xx

yy

1.5

1.6

2.1

3.0

Solucin Paraaplicarlasformulas,esmejororganizarlosdatosenformadetablacomosigue:
(Cuandoharellenadolosvaloresdexyyx2 correctamente,pulse"Sumas"paraobtenerlasumadecada
columna.)

xx

yy

xyxy

x2x2

1.5

1.6

2.1

3.0

x= 10

y= 8.2

xy=

x2=

Sustituyendolosvalorescorrectosdelatablamsarribaenlasformulas,obtenemos

Pendiente=m=n

(x2)

x 2n

xy

(10)(8 2)=0 5 Interseccin=b=n

(10)=0 8

ym

y =4(30)1024(23)
x =48 2(0 5)

Porlotanto,larectaderegresines

y=0 5x+0 8
Antes de seguir... Aquestaunatrazadelospontosdedadosylarectaderegresin.

Observequenisiquierapasalarectaporunodelospuntos,peroeslarectaqueseajustamejoralos
puntos.

Regresamosalosdatossobrelademandaparaelmercadodelosbienesracesconlaqueempezamos
estetema.

Ejemplo 3: Funcin de demanda

Obtengalaecuacindedemandaqueseajustamejoralossiguientesdatos,yselaparapronosticar
ventasanualesdecasaspreciadasa$140,000.
Precio(Milesdedlares)

160

180

200

220

240

260

280

Ventasdenuevacasasesteao

126

103

82

75

82

40

20

Solucin Aquestaunatablacomolaqueusamosmsarribaparaorganizarlascalculaciones:

xx

yy

xyxy

x2x2

160

126

20,160

25,600

180

103

18,540

32,400

200

82

16,400

40,000

220

75

16,500

48,400

240

82

19,680

57,600

260

40

10,400

67,600

280

20

5,600

78,400

x=1540

y=528

xy=107 280

x2=350 000

Sustituyendoestosvaloresenlaformula(conn=7),obtenemos

Pendiente=m=n

(x2)

x 2n

xy

y =7(350 000)154

027(107 280)(1540)(528) 0 7929 Interseccin=b=n

x

ym

7528(0 7928571429)(1540) 249 9

Observequeusamoselvalormsexactoquepudimosobtenerenlacalculadora,m 0 7928571429,
enlugardelvalorredondeado(0 7929) enlacalculacindeb.Esoilustralasigiuentereglageneral:
Alcalcular,noredondeelosresultadosintermedios;envezdeeso,utilicelosresultadosmsexactos
quepuedeobtener,usandolosvaloresguardadosensucomputadoraocalculadorasiesposible.
Porlotanto,larectaderegresines

y=0 7929x+249 9
Ahorapodemosutilizarestaecuacinpronosticarlasventasanualesdecasacuyoprecioes$140,000:
Ventasanualesdecasaspreciadasa
$140,000

redondeealnmeroenteroms
cercano

Antes de seguir... Msabajoestunatrazadelarectaderegresin.

PSimispuntosestnenunarecta,estlarectademejorajuste?
RS.Silospuntosestnenunarecta,elvalormnimoposibledeSSEescero,yesosucedesiseusala
rectaquepasaportodoslospuntos.Unaconsecuenciadeestehechoesquesepuedeusarlaherramienta
regresinensugraficadoraola herramienta regresin en este sitioparacalcularlaecuacindelarecta
quepasapordospuntosespecificados.

PSinotodoslosuntosestnenunarecta,cmopuedosabercuntoseacercanaunarecta?
RHayunnmeroquemidela"bondaddeajuste"delarectaderegresinllamadocoeficientede
correlacin.Estenmero,queserepresentaporr,estentre1y1 .Cuantomsse
acercar a1 o1 ,elajusteesmejor.Sielajusteesmalo,seacercara0.Sielajustoes
exacto,r=1 paraunarectaconpendientenegativa,or=1 paraunarectadependientepositiva.La
figuramsabajomuestravariosconjuntosdepuntosconsusrectasderegresin,ylosvalores
correspondientesder.

Elcoefficientedecorrelacinsepuedecalcularconlasiguienteformula.Paraobtenerlaserequieren
buenosconocimientosdeestadstica.
Coeficiente de correlacin

Coeficiente de correlacin =r=n

y2

xy

x2

2. Curva exponencial de mejor ajuste (Curva exponencial

regresin)
PAhorasabemoscomoajustarunarectaaunconjuntodedatos.Quehayunacurvaexponencialdela
forma

y=Arx ?

RLaideaesconvertirunacurvaexponencialaunarectapormediodelogaritmos,comosigue:
Empiececonlafuncinexponencial

y=Arx
ytomeellogaritmodeamboslados:

logy=log(Arx)
Laspropiedadesdelogaritmosnosdanentonces

logy logy =logA+logrx o =logA+xlogr

Estoexpresalogycomounafuncinlinealdex ,con

Pendiente =m=logr Interseccin =b=logA

Porlotanto,sicalculamoslarectademejorajusteusandologycomounafuncindex ,entoncesla
pendienteylainterseccineny serandadoscomomsarriba,ydespuspodemosobtenerlos
coeficientesr yA por

r A =10m =10b
Pararesumir,
Regresin exponencial

Paraobtenerlacurvaexponencialdemejorajustedelaforma

y=Arx

1. Obtengalarectaderegresinusandolosdatos(x logy) .
2. LoscoeficientesdeseadosAyr sonentonces

r A =10m =10b
dondemyb sonlapendienteyinterseccindelarectaderegresin.

Ejemplo 4: Ventas de Compaq

IngresosdeventasdecomputadoresCompaq(unamarcaahoraextinguida)sonmostradosenla
siguientetabla,dondetrepresentaaosdesde1990.*Obtengaelmodeloexponencialderegresinpara
losdatos.

tt = Ao (1990 = 0)

RR = Ingreso ($ billn)

11

25

* Datos son redondeados. Fuente: Informes de compaa/The New York Times, Enero 27, 1998, p. D1.

Solucin PuesnecesitamosmodelarlogR comounafuncinlinealdet,primeroconstruimosuna

tablaconx=tyy=logR ,yentoncescalculamoslarectaderegresin,y=mx+b.

x (=t)x (=t)

y (=logR)y (=logR)

0.477121

0.602060

1.04139

1.39794

Enlugardehacerlacalculacinamanocomohicimosmsarriba,podemosutilizarla herramienta
regresin en este sitioparahacerloautomticamente.Simplementeingreselosvaloresdexyy ypulseel

botn"y=mx+b ".(S,laherramientapuedehacerregresinexponencialdirectamente,pero
preferimosquesabeustedcomofunciona!)
Larectaderegresinqueobtenemoses

y=0 13907x+0 42765

Porlotanto,elmodeloexponencialdeseadoes

R=Art
,
donder=10m=100 13907 1 3774,yA=100 42765 2 6770.

Nuestramodelodeingresoses,porlotanto,

R=2 6770(1 3774)t

.
Antes de seguir... Vayaalaherramienta regresin,ingreselosdatosoriginales(sintomarlogaritmos)
ypulseelbotn"y=a(bx) ".Quencuentra?
Note:Pueshemostomadologaritmosantesdehacerlaregresinlineal,sepuededecirquelacurvade
regresinexponencialnoeslacurvaqueminimizaSSEparalosdatosoriginales,estacurvaminimiza
SSEparalosdatostranformadosesdecir,paralosdatos(x logy) .Porlotanto,lacurvaderegresin
exponencialnoeslacurvaexponencialdemejorajusteenelsentido"estricto."Vealoslibrosdetexto
"AppliedCalculus"paraunmtodoobtenerestacurva.

3. Otras formas de regresin

Alaherramientaderegresinsepuedeencontrartambincurvasderegresindelassiguientesformas:

y=ax2+bx+c y=ax3+bx2+cx+d y=axb (Regresin

cuadrtica) ( Regresin cbica) (Regresin potencia)
EnlacalculadoraTI83/84,sepuedeencontrartodosestosytambinlossiguientes:

y=ax4+bx3+cx2+dx+e y=asin(bx+c) (Regresin

curtica) (Regresin seno)

Ultima actualizacin: Enero 2008

http://www.zweigmedia.com/MundoReal/calctopic1/regression.html