Professional Documents
Culture Documents
RESUMEN
Es comn que los datos se dan como valores discretos, y es posible que se requiera estimar el valor de un punto
entre estos valores discretos, realizar predicciones o probar hiptesis. Adems, se puede necesitar una versin
simplificada de una funcin complicada. Las aplicaciones para esto se conocen como ajuste de curvas, porque en
general no se conoce la curva exacta y tan solo se halla una curva aproximada. Existen dos mtodos:
Regresin por mnimos cuadrados.
Interpolacin.
ABSTRAC
It is common that the data are given like discreet values, and it is possible that you require to be considered the
value of a point among these discreet values, to carry out predictions or to prove hypothesis. One can also need a
simplified version of a complicated function. The applications for this are known like adjustment of curved. This is
because in general the exact and so alone curve is not known he/she is an approximate curve. Two methods exist:
- Regression for square minima.
- Interpolation.
S
S y =t donde
n-1
St
S =
n-1
Donde:
Y
a0 y a1
Es el valor verdadero
son la ordenada al origen y la
Pendiente de la lnea recta
Respectivamente.
e
es el error o diferencia entre el modelo
y las observaciones, el cual se
representa al reordenar la ecuacin
Como: e = y - a0 - a1x
a0 + a1x es el valor pronosticado de la variable
Dependiente.
Sr =
ei2
i=
n1
=
(yi - a 0 - a1 X ) 2
i=
1
y
y =i
n
St =
(yi - y ) 2
S y/x
S
=r
n-2
de i =
1...n
St - S
r =
St
y =
a0 +
a1 x +
a2 x 2 +
..... +
an x n =
ai x i
i =
0
yp =
a0 +
a1 x ++
a2 x 2
. . . . . ++
an x n e
Donde ai son coeficientes y e es el error. Una estrategia es minimizar la suma de los cuadrados de los residuos (Sr
), entre la y medida y la y calculada con el modelo lineal, est dada por:
Sr =
ei2 =
(yi , medida - yi , modelo ) 2 =
( yi - a0 a1 xi - a2 xi 2 ..... an xi n ) 2
Esto es:
S r =
( yi - a0 a1 xi - a2 xi 2 ..... an xi n )2
a0
a0
S r =
(yi - a0 a1 xi - a2 xi 2 ..... an xi n ) 2
a1
a1
Sr =
-2
(yi - a0 a1 xi - a2 xi 2 ..... an xi n )
a0
Sr =
-2
(yi - a0 a1 xi - a2 xi 2 ..... an xi n )
a1
Y as sucesivamente hasta la n ecuacin
S r =
( yi - a0 a1 xi - a2 xi 2 ..... an xi n )2
an
an
Igualando a 0 las ecuaciones:
Sr =
0 ...
a1
Sr =
0
a0
Sr =
0
an
Omitiendo los pasos siguientes, reordenando, para desarrollar el siguiente sistema de ecuaciones normales:
a0 (m) +
a1
xi +
a2
x i2 +
... +
an
x in
a0
a0
a0
=
yi
1
xi +
a1
xi2 +
a2
x 3i +
... +
an
x in +
=
yi x i
2
4
i
n+
2
i
x +
a
x +
a
x +
... +
a
x
=
y x
x +
a
x
+
a
x
+
... +
a
x =
y x
n+
1
n+
2
i
80
2n
i
s y/x
S
= r
m - (n +
1)
1996
1997
1998
2003
2004
precio 133,198 103,894 103,224 74,974 71,38 82,294 71,566 70,647 80,734 130.106
m
x
x2
y
a0
x
x2
x3
a
=
yx
3
4
2
a2
x
x
x
yx
Sx a =
Sxy
donde:
Sx: Matriz de sumatorias de potencias de x.
Sx
1995
m
x
x2
...
xn
2
3
n+
1
x
x
x
...
x
2
3
4
n+
2
x
x
x
...
x
n+
1
n+
2
2n
x
x
x
...
x
a0
yx
a
a2
yx
a =
S xy =
.
.
.
.
n
an
yx
m =
10
xi =
55
x2 =
385
y =
974,481
x3 =
3025
yx =
5072,069
x4 =
25 333
yx 2 =
35 398,6254
10
55
55
385
385 3 025
a0
385
974,481
3 025
a1
=
5 072,069
25 333
35
398,625
a
La solucin es:
160,1386
a =
25,2452
1,9781
Lineal
Grado 2
Grado 4
Grado 6
Ao 2005
78,2761
121,7915
233,6
519,25
Ao 2006
74,79
142,0426
419,43
1573,71
39,27 %
68,7 %
84,8 %
90,75 %
Coeficiente de
correlacin
S
sy / x = r
m - (n +
1)
3431,54809
sy / x =
=
22,1409
10 - (2 +
1)
La curva que mejor est prediciendo los
precios es la de cuarto grado, segn se aprecia
en especial en ajustar los 4 ltimos aos; sin
embargo, a medida que aumenta el grado del
polinomio el sistema de ecuaciones tiende a ser
ms inestable, y es ms probable que ms
adelante existan oscilaciones.
(St) = 6500.018555
(Sy) = 26.874231
(Sy/x) = 22.140938
Coeficiente de determinacin
(r 2) = 0.472071
Coeficiente de correlacin
(r)
= 0.687074
II.
Se ha efectuado una simulacin para diferentes grados
del polinomio, obteniendo los siguientes resultados:
BIBLIOGRAFA
Chapra, Steven y Canale, Raymond. Mtodos
numricos para ingenieros. McGraw-Hill
Interamericana de Mxico, S.A. De C.V. 4ta.
edicin 2003
Gerald Curtis F.; Wheatley Patrick O. Applied
numerical analysis., 4 edicin, Addison Wesley
Publishing Company. New York, 1984.
Heath, Michael T. Scientific computing McGrawHill, United States of America, 1997
Hunt, B. R., Lipsman, R.L. and Rosenberg, J.
M. A Guide to MATLAB. For Beginners and
Experienced Users. Cambridge University Press.
2000.
82