Ajuste de curvas
Unidad II
AJUSTE DE CURVAS Regresión polinomial Regresión lineal múltiple
Primavera 2009
LMM
Análisis Numérico y Programación
2.2 Regresión polinomial
• Ajuste a polinomio de grado 2: • Nuestro modelo considera que el comportamiento del sistema es parabólico
y = a0 + a1 x + a2 x 2 + e
Intersección con eje y
¿Cuál es la mejor parábola?Error o residuo: diferencia entre el modelo y las observaciones
Ajuste por mínimos cuadrados Minimizar la suma Sr de los cuadrados de los residuos entre la y medida y la y calculada con el modelo lineal
2
Primavera 2009 LMM
Análisis Numérico y Programación
Suma de cuadrados de los residuos entre la y medida y la y calculada con el modelo
y
Medición
yi
ei = yi − a0 − a1 xi − a2x 2
y calculada a0 X
xi
Sr = ∑ ei2 = ∑ ( yi ,medida − yi ,mod elo ) 2 = ∑ ( yi − a0 − a1 xi − a2 x 2 ) 2
i =1 i =1
3
Primavera 2009 LMM
n
n
Análisis Numérico y Programación
Reducción a un sistema de ecuaciones lineales con a0 , a1 y a2 como incógnitas
Similarmente, minimizamos igualando derivadas parciales a cero
n ⎛ n ⎞ ⎛ n 2⎞ na0 + ⎜ ∑ xi ⎟a1 + ⎜ ∑ xi ⎟a2 = ∑ yi i =1 ⎝i =1 ⎠ ⎝ i =1 ⎠
n ⎛ n ⎞ ⎛ n 2⎞ ⎛ n 3⎞ ⎜ ∑ xi ⎟a0 + ⎜ ∑ xi ⎟a1 + ⎜ ∑ xi ⎟a2 = ∑ xi yi i =1 ⎝ i =1 ⎠ ⎝ i =1 ⎠ ⎝ i =1 ⎠ n ⎛ n 2⎞ ⎛ n 3⎞ ⎛ n 4⎞ ⎜ ∑ xi ⎟a0 + ⎜ ∑ xi ⎟a1 + ⎜ ∑ xi ⎟a2 = ∑ xi2 yi i =1 ⎝ i =1 ⎠ ⎝ i =1 ⎠ ⎝ i =1 ⎠
4
Primavera 2009 LMM
Análisis Numérico y Programación
Matriz aumentada
Columna j
i=1 i=2 i=3
⎛ ⎜ n ⎜ ⎜ x ∑i ⎜ ⎜ 2 ∑ xi ⎜ ⎝
j=1
j=2
i
j=3
2 i 3 i∑x ∑x ∑x ∑x ∑x ∑x
2 i 3 i
Primavera 2009
4 i
⎞ ∑ yi ⎟ ⎟ xi yi ⎟ ∑ ⎟ ⎟ 2 ∑ xi yi ⎟ ⎠
Renglón i
Potencia de elemento i,j es i+j-2
Potencia de x es i-1 5
LMM
Análisis Numérico y Programación
Pseudocódigo para generar coeficientes del sistema de ecuaciones
m grado del polinomio=orden n número de datos
DOFOR i=1,orden DOFOR j=1,i k=i+j-2 sum=0 DOFOR l=1,n sum=sum+xlk ENDDOai,j=sum aj,i=sum
Renglón I Columna j
Sumatoria de potencias Coeficiente i,j La matriz es simétrica
6
Primavera 2009 LMM
Análisis Numérico y Programación
Pseudocódigo
sum=0 DOFOR l=1,n sum=sum+yl xli-1 ENDDO sum=0 ci=sum ENDDO Término independiente Producto de y con potencias de x
7
Primavera 2009 LMM
Análisis Numérico y Programación
“Bondad” del ajuste
Coeficiente decorrelación r: cuantifica la mejora o reducción del error al describir los datos mediante una línea recta en lugar de un valor promedio. Notar que está normalizada
r=
St − S r St
S t = ∑ ( yi − y ) 2
i =1
n
Sr=0 Sr=St
r =1 ajuste perfecto,la línea describe al 100% los datos. r =0 el ajuste no representa ninguna mejora.
8
Primavera 2009 LMM
Análisis Numérico yProgramación
Otras cantidades
Error estándar del estimado Sy/x cuantifica la dispersión de los datos alrededor de la línea de regresión
Sy / x =
Sr n − ( m + 1)
Coeficiente de determinación r2
9
Primavera 2009 LMM
Análisis Numérico y Programación
Ejemplo Ajuste a un polinomio de
segundo grado
i 1 2 3 4 5 6
xi 0 1 2 3 4 5
yi 2.1 7.7 13.6 27.2 40.9 61.1
15 55 ⎞⎛ a0 ⎞ ⎛152.6 ⎞ ⎛ 6 ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 15 55 225 ⎟⎜ a1 ⎟ = ⎜ 585.6 ⎟ ⎜ 979 225 979 ⎟⎜ a ⎟ ⎜ 2488.8 ⎟ ⎝ ⎠⎝ 2 ⎠ ⎝ ⎠
Compruebe que syx = 1.12 r2 = 0.9993 Y el ajuste por mínimos cuadrados es
y = 2.47857 + 2.35929 x + 1.86071 x2
Primavera 2009
10
LMM
Análisis Numérico y Programación
Gráfica
11
Primavera 2009 LMM
Análisis Numérico y Programación
Ejercicios
• Haga un programa en el cual,además del número de datos, otro dato de entrada sea el orden del polinomio. • Utilice la subrutina que resuelve el sistema de ecuaciones usando eliminación gaussiana. • Reproduzca los resultados de la tabla anterior. a) Cree un archivo con los datos b) Haga la gráfica correspondiente Resuelva los problemas 14, 15, 18 y 24 del Cap. 17
12
Primavera 2009 LMM
Análisis Numérico y Programación...
Regístrate para leer el documento completo.