TALLER NO.

1 AJUSTE POLINOMIAL DE CURVAS

Nombre: Camila Andrea Maldonado Borda
Cdigo: 20091005015
Inteligencia Artificial - Redes Neuronales
FACULTAD DE INGENIERIA INGENIERIA ELECTRONICA
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
1. Los datos poly1 fueron generados con la siguiente funcin:
( )

( )

Por medio de MATLAB R2013 se obtuvieron los polinomios de orden n que minimiza el error
cuadrado sobre el conjunto de datos poly1. Se calcularon los coeficientes de los polinomios por
medio de la funcin polyfit de MATLAB para n de 1 a 15.

Esta funcin guarda en un vector los coeficientes del vector luego de esto se evala la funcin
polinomial obtenida para el rango de [0,1] con el propsito de luego obtener los valores de
errores entre las funciones. Haciendo uso de la funcin polyval.

Las funciones estimadas por medio de MATLAB se listan en la TABLA 1 que puede revisar en
los anexos de este documento en la cual tambin se registraron los errores calculados, el error de
entrenamiento evaluando los puntos o datos de poly1 y los valores obtenidos en esos puntos
para la funcin estimada y el error entre funciones que compara la funcin original con la
funcin estimada evaluada en el intervalo [0,1].
Por otra parte, las grficas de las funciones estimadas para los polinomios impares, que puede
consultar en los anexos FIGURA 1, detallan y permiten hacer una comparacin visual de las
funciones estimadas y la funcin original. Permitiendo con esto lograr primeros planteamientos
con el fin de llegar a concluir acerca del comportamiento de este mtodo de ajuste de curvas.
Adems, se grafic los resultados de los errores calculados para cada polinomio encontrado o
funcin estimada que fueron registrados en la TABLA1 para poder observar su comportamiento
de acuerdo al aumento en el orden del polinomio estimado, dirjase a la FIGURA 2 en los
anexos.
De acuerdo a los resultados obtenidos y registrados en la TABLA 1 es que el ajuste polinomial
permite llegar al valor exacto de los coeficientes de la funcin original para el polinomio de
grado n=4, despus de este orden el coeficiente que acompaa a la variable de mayor exponente
es muy cercana a cero por lo tanto no tiene gran trascendencia en el comportamiento de la
grfica y debido a esto el valor del error se mantiene estable a medida que se aumenta el orden
de polinomio como se puede corroborar en la tabla la cual registra valores muy pequeos de
error tanto de entrenamiento como el error entre las funciones. De la FIGURA 1 podemos
concluir que la curva de la funcin estimada se encuentra totalmente superpuesta en la grfica
de la funcin original a partir del polinomio de orden n=5, y as se mantiene al aumentar el
grado del polinomio encontrado. Por ltimo, la FIGURA 3 nos permite analizar y comparar el
comportamiento del valor de los errores calculados y para el caso los errores tanto de
entrenamiento como el error entre funciones tiende a comenzar en un valor considerable y luego
del polinomio de grado 4 baja abruptamente a valores muy pequeos cercanos a cero.

2. Los datos poly2 fueron generados con la funcin (1) sin embargo estos datos fueron
contaminados con ruido blanco con =0.05.
Para obtener las funciones estimadas de orden n se realiz el mismo procedimiento que en el
punto anterior evaluando esta vez sobre los datos de poly2. Los resultados de este
procedimiento se registraron en la TABLA 2 que puede consultar en los anexos, en la cual se
registraron las funciones estimadas de orden 1 al 15 as como los errores calculados para los
puntos y la diferencia entre la funcin estimada y la funcin original.
Tambin puede realizarse un anlisis grafico de los resultados de las funciones estimadas para
polinomios de orden impar contra la funcin original y el efecto que tiene la presencia de ruido
blanco en los datos bajo los que se estimaron las funciones, poly2, todo esto a partir de las
grficas contenidas en la FIGURA 3.
Por ltimo y para completar las herramientas para realizar el anlisis de los datos obtenidos en
el taller, se graficaron los valores de los errores para cada polinomio con el cual permite
evidenciar de forma ms clara la diferencia que hay entre los resultados obtenidos en cuanto a la
forma en que calculamos el error, ver FIGURA 4 en los anexos.
Se logra un claro ejemplo del comportamiento del ajuste polinomial de curvas para el caso en el
que los datos estn contaminados con ruido blanco. Empezaremos nuestro anlisis con los datos
registrados en la TABLA 2 de los cuales podemos decir que los polinomios cambian con cada
aumento del grado del polinomio encontrado no presenta unos valores fijos como se presentaba
en el caso anterior. En cuanto a el resultado del error de entrenamiento y el error entre las
funciones podemos ver que tiene un comportamiento inverso, en el caso del error d
entrenamiento; su valor se hace cada vez ms pequeo a medida que se aumenta el grado del
polinomio. Por otro lado, el error entre funciones va aumentando su valor a media que aumenta
el grado del polinomio. En cuanto a la FIGURA 3 se observa claramente que la grfica de la
funcin estimada se acerca mucho a la grfica de la funcin original para el polinomio de orden
n=5 pero al aumentar el orden del polinomio encontrado podemos observar que la funcin
estimada se aleja cada vez ms de la funcin original pero sigue pasando por los puntos de los
datos poly2, cosa que se esperaba de acuerdo a os datos que registran el valor del error en la
TABLA 2.
A partir de la FIGURA 3, queda totalmente claro el comportamiento del error tanto de
entrenamiento como entre funciones, confirmamos as el planteamiento realizado anteriormente
en el cual se tiene que el error de entrenamiento tiende a cero mientras que el error entre
funciones tiende a crecer a valores muy grandes.

CONCLUSIONES
Se logr demostrar el efecto que tiene el hecho de que los datos sobre los cuales trabajamos
en particular para el ajuste polinomial de curvas este contaminados con ruido, ya que esto
afecta los resultados de forma importante, el ruido que contamino los datos de poly2
causaron que el ajuste obtuviera una muy buena aproximacin en el polinomio de orden 4
pero al aumentar el orden la funcin estimada se modificaba y se alejaba cada vez ms de la
funcin original cosa contraria a lo que ocurra con los resultados de poly1.
Lo cual establece que cuando estamos trabajando con la tcnica de ajuste polinomial de
curvas uno de los aspectos ms importantes a tener en cuenta es que los datos sobre los que
vamos a trabajar deben estar en lo posible libres de todo ruido para lograr obtener una buena
aproximacin a la funcin que estamos buscando.
De acuerdo a los resultados de los errores obtenidos se mostr que en el caso de poly1 los
errores tienen un comportamiento muy similar y ambos tienden a cero, por el contrario los
errores obtenidos con poly2 se comportan de forma contraria mientras el error de
entrenamiento se acerca a cero el error entre funciones se hace cada vez ms grande.
Por tanto, en caso de tener datos contaminados con ruido el error de entrenamiento no es
una buena de saber forma de saber cundo nos estamos acercando a la funcin original ya
que a pesar de que las funciones pasen por los puntos conocidos pueden estar alejndose de
la funcin original como vimos en este documento.

ANEXOS
TABLA 1 - POLINOMIOS DE ORDEN n QUE MINIMIZA EL ERROR CUADRADO SOBRE EL CONJUNTO DE DATOS POLY1
n

Error Entrenamiento

Polinomio Encontrado

Error entre funciones

ee1 (%)*

ee2 (%)*

ef3 (%)*

ef4 (%)*

1
2
3
4
5
6
7
8
9
10

87,78
8,19
2,68
-27
4,3010
-27
2,6710
-27
2,1810
-27
3,7410
-27
2,0910
-27
8,0810
-27
8,9910

24,19
7,39
4,23
-13
1,6910
-13
1,3310
-13
1,2010
-13
1,5810
-13
3,7310
-13
2,3210
-13
2,4410

87,7825
8,1936
2,6867
-27
4,3010
-27
2,6710
-27
2,1810
-27
3,7410
-27
2,0910
-27
8,0810
-27
8,9910

28,0534
8,7267
6,2268
-13
1,6710
-13
1,0910
-13
1,0210
-13
2,2010
-13
6,8010
-12
2,2510
-13
9,2510

11

4,0710

12

1,0610

13

9,5710

14

4,1510

15

1,1610

-27

1,6410

-26

2,6610

-27

2,5210

-27

1,6610

-26

2,7810

*ee1: hace referencia al error de entrenamiento e(n)=sum((xi-poly1(:,2)).^2)*100;

*ee2: hace referencia al error cuadrtico medio de entrenamiento ecm(n)=sqrt(sum((xi-poly1(:,2)).^2)/n)*100;
*ef1: hace referencia al error entre funciones et(n)=sum((y-yn).^2)*100;

( )

( )

*ef2: hace referencia al error cuadrtico medio entre funciones ecmt(n)=sqrt(sum((y-yn).^2)/length(y))*100;

( )

( )

-13

4,0710

-27

5,0310

-13

1,0610

-13

9,5710

-13

4,1510

-13

1,1610

-12

-26

1,2110

-27

2,2010

-27

2,6610

-26

2,3310

-11
-11
-10
-10

FIGURA 1 GRAFICAS DE LAS FUNCIONES OBTENIDAS PARA POLY1 DE GRADO n IMPAR (Verde) Y LA FUNCION ORIGINAL (Rojo)

Grafica Original y Puntos Conocidos

Polinomio Grado 1

Polinomio Grado 3

-0.5

-0.5

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.2

0.4

0.6

0.8

0.2

Polinomio Grado 5

0.4

0.6

0.8

Polinomio Grado 7
-0.5

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.2

0.4

0.6

0.8

0.2

Polinomio Grado 11

0.4

0.6

0.8

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.4

0.6

0.8

0.2

0.4

0.6

0.6

0.8

0.4

0.6

0.8

0.8

Polinomio Grado 15

-0.5

0.2

0.2

Polinomio Grado 13

-0.5

0.4

Polinomio Grado 9

-0.5

0.2

0.8

0.2

0.4

0.6

FIGURA 2 COMPARACION ENTRE LOS ERRORES OBTENIDOS POR LOS DATOS DE POLY1 (derecha) Y LAS FUNCIONES (izquierda)

Error de Entrenamiento

Error entre Funciones

60

60

50

50

40

40

30

30

20

20

10

10

10

15

10

15

TABLA 2 - POLINOMIOS DE ORDEN n QUE MINIMIZA EL ERROR CUADRADO SOBRE EL CONJUNTO DE DATOS POLY2 CON RUIDO =0.05
n

Polinomio Encontrado

ErrorEntrenamiento

ee1

ee2

ErrorFunciones

ef3

ef4

1
2
3
4
5
6
7
8
9
10

105,3057
14,2187
10,5779
5,7874
5,7614
5,4906
5,3280
5,2860
5,2859
4,5224

26,496
9,736
8,397
6,211
6,197
6,050
5,959
5,936
5,936
5,490

165,317
15,718
8,377
2,486
1,7872
10,595
36,235
16,233
17,436
998,056

11

2,8259

4,340

2,456x

342,028

12

2,0765

3,720

1,549x

858,956

13

2,0649

3,710

1,242x

769,106

14

8,449x

-8

0,75x

6,473x

1,755x

15

3,196x

-8

0,461x

5,703x

1,648x

-3
-3

28,057
8,651
6,315
3,441
2,917
7,103
13,135
8,792
9,112
68,939

FIGURA 3 GRAFICAS DE LAS FUNCIONES OBTENIDAS PARA POLY2 DE GRADO n IMPAR (Verde) Y LA FUNCION ORIGINAL (Rojo)

Grafica Original y Puntos Conocidos

Polinomio Grado 1

Polinomio Grado 3

-0.5

-0.5

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.2

0.4

0.6

0.8

0.2

Polinomio Grado 5

0.4

0.6

0.8

Polinomio Grado 7
-0.5

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.2

0.4

0.6

0.8

0.2

Polinomio Grado 11

0.4

0.6

0.8

-0.5

-1

-1

-1

-1.5

-1.5

-1.5

0.4

0.6

0.8

0.2

0.4

0.6

0.6

0.8

0.4

0.6

0.8

0.8

Polinomio Grado 15

-0.5

0.2

0.2

Polinomio Grado 13

-0.5

0.4

Polinomio Grado 9

-0.5

0.2

0.8

0.2

FIGURA 2 COMPARACION ENTRE LOS ERRORES OBTENIDOS POR LOS DATOS DE POLY2 (derecha) Y LAS FUNCIONES (izquierda)

0.4

0.6

Error de Entrenamiento

Error entre Funciones

60

200

180
50
160

140
40
120

30

100

80
20
60

40
10
20

10

15

10

11