Академический Документы
Профессиональный Документы
Культура Документы
Unidad Temtica 10
AJUSTE DE CURVAS
ASPECTOS GENERALES
Como se estudi en la unidad de interpolacin, la misma es til para trabajar con datos tabulados que no tienen
errores apreciables. Cuando dichos errores no pueden ser obviados, es necesario utilizar mtodos de ajuste de
curvas.
Es de vital importancia entender esta diferencia, para lo cual se supondr el siguiente caso: en un laboratorio se
est investigando la dependencia de una propiedad y respecto de una variable independiente x, y se han
obtenido los datos consignados en la tabla 1.
X
0.0000
1.1111
2.2222
3.3333
4.4444
5.5556
6.6667
7.7778
8.8889
10.0000
Y
1.0153
5.9241
9.8042
18.9924
22.2742
32.9625
29.7707
39.7074
43.0840
50.1481
Pgina 1 de 9
Unidad Temtica 10
Fig. 3. En color rojo se observa una recta ajustada por mnimos cuadrados.
En azul se han representado las diferencias con los valores
experimentales.
En el caso considerado de la figura 3, este error est representado por los distintos segmentos de color azul.
Para no confundir este nuevo error, con los errores experimentales incluidos en los datos, se lo suele llamar
desviacin o residuo.
Para ponderar todas las desviaciones y poder obtener un nico valor que represente la bondad de la
aproximacin de los datos experimentales mediante la recta de regresin, se utiliza el error cuadrtico medio,
ms conocido como RMS por sus siglas en ingls, expresado como:
=
Analizando la expresin, se observa claramente que si la recta pasa por todos los puntos, el RMS se anula;
adems, todas las desviaciones suman, sin importar si son positivas o negativas, ya que las mismas se
encuentran elevadas al cuadrado. Por ltimo, se puede afirmar que mientras menor sea el RMS tanto ms
prximos se encontrarn los puntos experimentales de la recta de regresin.
Para determinar los parmetros de la recta de regresin, que ajusta los puntos de manera ptima, se debe
minimizar el RMS; es decir, se debe minimizar la siguiente expresin:
,
Este error se refiere a que la curva que ajusta los datos no pasa necesariamente por los mismos, y no hace referencia al error sistemtico o
metdico asociado al mtodo experimental utilizado en la obtencin de los datos.
Pgina 2 de 9
Unidad Temtica 10
=0
=0
#$% #$ #%
#$$ #$ #$
#$$ #% #$ #$%
#$$ #$ #$
Siendo
#$ = &
#% = &
#$% = &
#$$ = &
En el ejemplo considerado, visto el resultado en la figura 3, los valores obtenidos son:
m= 4.8810148
b= 0.9632225
Para estimar que tan bueno es el resultado obtenido, se calcula el coeficiente de correlacin mediante la
siguiente expresin:
=
#$% #$ #%
Siendo
#%% = &
El coeficiente de correlacin se interpreta de la siguiente manera:
| | = 1 Existe una correlacin total; por lo cual la recta pasa por todos los puntos.
= 0 No hay ningn tipo de correlacin.
Pgina 3 de 9
Unidad Temtica 10
Por lo tanto, para los casos en que se est aplicando la regresin lineal de mnimos cuadrados, interesa que el
coeficiente de correlacin sea lo ms prximo al valor unitario. Para el ejemplo considerado, el valor es el
siguiente:
r= 0.9903329
Lo que permite deducir que los datos estn bastante bien correlacionados con la recta obtenida.
La funcin de clculo de los parmetros m, b y r de la recta de regresin lineal, se observa a continuacin:
// Funcin de clculo de regresin lineal
//
// Datos de entrada
// x: vector columna con los datos de la variable independiente
// y: vector columna con los datos de la variable dependiente
//
// Datos de salida
// m: valor de la pendiente de la recta de regresin
// b: valor de la ordenada al origen de la recta de regresin
// r: valor del coeficiente de correlacin
function [m,b,r]=regresion(x,y)
n=size(x,'r')
// Clculos de las sumatorias
Sxx=sum(x^2)
Syy=sum(y^2)
Sx=sum(x)
Sy=sum(y)
Sxy=sum(x.*y)
// Ajuste de la curva
m=(n*Sxy-Sx*Sy)/(n*Sxx-Sx*Sx)
b=(Sxx*Sy-Sx*Sxy)/(n*Sxx-Sx*Sx)
r=(n*Sxy-Sx*Sy)/(sqrt(n*Sxx-Sx*Sx)*sqrt(n*Syy-Sy*Sy))
endfunction
Exponencial creciente o
decreciente
Expresin
funcional
=)
Grfica caracterstica
*$
Pgina 4 de 9
Unidad Temtica 10
Comportamiento
Expresin
funcional
=)
Grfica caracterstica
+,$
Sigmoideo
(forma de S)
1+)
*$
*$
= ln ) + 0
Pgina 5 de 9
Unidad Temtica 10
Por lo tanto, para utilizar la funcin anteriormente vista, es necesario aplicar el logaritmo natural a los datos de
ordenadas. Una vez hecho esto se puede llamar a la funcin de regresin, pero se debe tener en cuenta que el
parmetro C del modelo exponencial es igual a la exponencial del valor de b.
Para ejemplificar la explicacin, supngase la
informacin experimental dada en la tabla 2.
X
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
Y
2.0030
1.2216
0.7429
0.4479
0.2855
0.1784
0.0957
0.0545
0.0502
0.0286
0.0021
Como se explic anteriormente, para poder aplicar el mtodo de regresin lineal, es necesario calcular el
logaritmo natural de los datos de ordenada, segn las siguientes instrucciones:
-->Y=log(y);
-->[m,b,r]=regresion(x,Y)
r =
- 0.9604504
b =
0.9307498
m =
- 5.7112412
Se observa que el valor del coeficiente de
correlacin indica un buen ajuste de la curva.
Para reconstruir el modelo exponencial, se
debe recordar que el valor de la constante b se
corresponde con el logaritmo natural de la
constante C, por lo que:
-->C=exp(b)
C =
2.5364104
Una vez conocida la constante C, es necesario
generar un conjunto de valores de abscisas
para poder evaluar la funcin de ajuste, y as
proceder a la graficacin de la misma, segn
se observa a continuacin:
-->x1=linspace(0,1,100);
Pgina 6 de 9
Unidad Temtica 10
-->y1=C*exp(m*x1);
-->plot2d(x1,y1,style=5)
Siguiendo un procedimiento similar al visto, se puede demostrar que la linealizacin de los otros modelos no
lineales, son las dadas a continuacin:
Expresin no lineal
=)
Linealizacin
1=2 3 4
+,$
=
1+)
Expresin linealizada
2 3 4 = ln ) 5
= ln )
= 5
1 = 2 6 17
2 6 17 = ln ) + 0
= ln )
=0
*$
= 8)* )9:
Donde k es el coeficiente cintico de la reaccin, el cual depende de la temperatura. Estudiar la dependencia del
coeficiente cintico con la temperatura es importante, ya que permite determinar el comportamiento de la
velocidad de reaccin a medida que la temperatura de un reactor qumico cambia. Para poder hacer esto,
normalmente se utilizar en modelo de Arrhenius, que se muestra a continuacin:
8=0
;
<=
Donde A y E son valores constantes, denominados factor de frecuencia y energa de activacin respectivamente.
Por otro lado, R y T son la constante universal de los gases y la temperatura absoluta a la cual se desarrolla la
reaccin. Las unidades de A se corresponden con las de k, mientras que las de E depende del valor utilizado en
la constante R, si el mismo es 8.31434 J/mol K, entonces E est medida en J/mol.
En el diseo de reactores no isotrmicos es importante conocer los valores de A y E, los cuales se determinan de
manera emprica.
Para poder ajustar los datos experimentales, por el mtodo de regresin lineal visto, es necesario linealizar la
ecuacin de clculo del coeficiente cintico, de la siguiente manera:
Aplicando logaritmos a ambos miembros:
ln 8 =
>?
+ ln 0 =
1
+ ln 0
> ?
.
>
Pgina 7 de 9
Unidad Temtica 10
1
?
= ln 0
Reemplazando, la expresin linealizada de clculo del coeficiente cintico queda:
=
Por lo que se puede aplicar el mtodo visto para ajustar los datos experimentales, tal cual se ver con el
siguiente ejemplo.
Dado el caso de una
descomposicin, del tipo:
reaccin
de
0A+)
Se han determinado los coeficientes
cinticos para distintas temperaturas, tal
cual se observa en la siguiente tabla.
T [C]
5
15
25
35
k [s-1]
1.5d-6
8.0d-6
4.1d-5
2.0d-4
Para ajustar estos datos experimentales se utilizar el modelo exponencial de Arrhenius, utilizando la
linealizacin previamente explicada, las instrucciones sern las siguientes:
-->t=[5; 15; 25; 35];
-->k=[1.5d-6; 8.0d-6; 4.1d-5; 2.0d-4];
-->T=t+273.15;
-->x=1 ./T;
-->y=log(k);
-->[m,b,r]=regresion(x,y)
r =
- 0.999832
b =
36.80809
m =
- 13977.36
-->t1=linspace(5,35,100);
-->T1=t1+273.15;
-->A=exp(b);
-->R=8.31434;
-->E=-m*R
-->k1=A*exp(-E./(R*T1));
-->plot2d(T,k,style=-9)
-->plot2d(T1,k1,style=5)
Pgina 8 de 9
Unidad Temtica 10
Analizando el valor del coeficiente de correlacin, la calidad del ajuste es muy buena, por lo que se puede afirmar
que los valores del factor de frecuencia y de la energa de activacin son:
-->A
A =
9.67276D+15
-->E
E =
1.16213D+05
Considerando las unidades correspondientes, se puede afirmar que los resultados son:
0 = 9,67276. 10 F G +
I
= 116213
J2
Pgina 9 de 9