Laboratorio 13 2020-1

UNIVERSIDAD PERUANA 2020-1
CAYETANO HEREDIA
FACULTAD DE CIENCIAS Y FILOSOFÍA ALBERTO CAZORLA TALLERI
DEPARTAMENTO ACADÉMICO DE CIENCIAS EXACTAS
SECCIÓN FÍSICA, INFORMÁTICA Y MATEMÁTICAS
MATEMÁTICAS II
LABORATORIO 13
A lo largo de los dos cursos de matemáticas se han visto funciones aplicadas, muchas de las
cuales han sido obtenidas de investigaciones publicadas. Un procedimiento común para
asociar una función con un fenómeno físico observado es reunir datos, trazarlos en una
gráfica y luego hallar una función cuya gráfica “ajuste mejor” los datos de alguna forma
matemáticamente significativa. A continuación, desarrollaremos un procedimiento, llamado
método de mínimos cuadrados o análisis de regresión.
Suponga que usted desea hallar una función y=f(x) que ajusta razonablemente bien un
conjunto particular de datos. El primer paso es determinar con qué tipo de función
intentarlo. A veces esto se puede hacer con un análisis teórico del fenómeno observado y a
veces inspeccionando los datos graficados. En la figura se grafican dos conjuntos de datos.
Esas gráficas reciben el nombre de diagramas de dispersión. En la figura 11 a), los puntos
se encuentran aproximadamente a lo largo de una recta, lo cual sugiere que se use una
función lineal y = mx +b. Sin embargo, en la figura 11 b), los puntos parecen seguir una
curva exponencial, y sería más apropiado usar una función de la forma y = A e− kx.
Figura 11.a Figura 11.b
Una vez seleccionado el tipo de función, el siguiente paso es determinar la función

particular de este tipo, cuya gráfica sea “más cercana” al conjunto dado de puntos. Una
forma conveniente para medir lo cercano de la curva a un conjunto de datos es calcular la
suma de los cuadrados de las distancias verticales desde los puntos de la curva. En la figura
11 c), por ejemplo, esto es la suma d21+ d22 + d23. Cuando más cerca cercana está la curva a
los puntos, menor será esta suma y la curva para la cual esta suma es más pequeña, se dice
que ajusta mejor los datos según el criterio de mínimos cuadrados.
1

y i = b0 + b1 xi
^
yi

ei = y i − y i
yi
xi
Figura 11 c
PROBLEMA. Dados n puntos (x1, y1), ( x2, y2),... ,(xn , yn,) en el plano XY, queremos
determinar la recta y = mx + b tal que la suma de los cuadrados de las distancias verticales
de los puntos a la recta sea mínima; es decir queremos minimizar
f( m , b) = ( y i − mxi − b)2
Note que los xi , yi están fijos
Al resolver este problema se tiene
n xy −  x  y
m=
n x 2 − ( x )2
b=
 x 2  y −  x  xy
n x 2 − ( x )2
Fórmulas que deberá tener recordar de ahora en adelante debido a que su deducción es
trabajosa. Afortunadamente los programas que permiten el cálculo harán que Ud. no
necesite memorizarlas.
EJEMPLO 1. Se ha examinado una serie de soluciones estándar de fluoresceína en un

fluorímetro, y condujo a las siguientes intensidades de fluorescencia (en unidades
arbitrarias):
Intensidad de fluorescencia (Y) Concentración, pg/ml (X)

2.1 0
5.0 2
9.0 4
12.6 6
17.3 8
21.0 10
24.7 12
2
a) Trace el diagrama de dispersión.
b) Hállese la expresión de la ecuación lineal que mejor exprese la intensidad de la
Fluorescencia en función de la concentración
c) Estime la intensidad de fluorescencia si la concentración es de 9 pg/ml.
EJEMPLO 2. Se lleva un estudio sobre las características corporales y el modo de actuar

de los levantadores de peso olímpicos, superiores y de primera clase. Se estudian dos
variables, la X, peso corporal del sujeto, e Y, su mejor levantamiento dictaminado en
cuando a limpieza y empuje. Se obtuvieron los siguientes datos en libras:
x y x y
134 185 190 336
138 238 190 339
154 260 205 341
178 290 205 358
176 312 206 359
a) Dibujar la nube de puntos. Basándose en ella, ¿se puede esperar que b sea positivo o
negativo?
b) Comprobar la idoneidad del modelo lineal de regresión. Si es adecuado, hallar la
línea de regresión estimada de Y sobre X y utilizarla para estimar el mejor
levantamiento en cuanto a limpieza y empuje para un levantador de peso que pese
200 libras.
AJUSTE NO LINEAL DE CURVAS

Cuando las curvas por ajustar no son rectas se recurre a ciertas modificaciones apropiadas
que permiten usar el procedimiento anteriormente descrito.
Modelos que se reducen a ecuaciones lineales.
1) Si la relación es y = Aemx tomando logaritmos en ambos miembros

Ln y = ln A + m x, si pone Lny = u , Ln A = b se tendrá u = mx+ b
Observe que en una gráfica de U vs x se tendrá una recta por lo que el método
descrito en esta clase es aplicable.
2) Si la relación es y = A xc , como en el caso anterior

Ln y = lnA + cLnx
Ponemos ahora ln y = u ln x = v, ln A = b, c = m y se tendrá u = m v + b. Una
gráfica de u vs v es una recta y otra vez concluimos que se puede aplicar el método
descrito.
Modelos que no se reducen a ecuaciones lineales.

En este caso el análisis no es simple y Ud. deberá consultar a un estadístico especialista en
esta materia.
EJEMPLO 3: Crecimiento de bacterias. Un biólogo que estudia una colonia de bacteria

mide su población cada hora y registra estos datos:
Tiempo t (horas) 1 2 3 4 5 6 7 8
Población P(t) (miles) 280 286 292 297 304 310 316 323
3
a) Trace estos datos en una gráfica. ¿Sugiere el diagrama de dispersión que el crecimiento
poblacional es lineal o exponencial?
b) Si usted piensa que el diagrama de dispersión del inciso a) sugiere crecimiento lineal,
encuentre una función de población de la forma P(t) = mt + b que mejor ajuste los
datos. No obstante, si usted piensa que el diagrama de dispersión sugiere crecimiento
exponencial, modifique el procedimiento de mínimos cuadrados, para obtener una
función de población de mejor ajuste de la forma P(t) = Aekt.
c) Use la función de población obtenida en el inciso b) para pronosticar cuánto tardará la
población en llegar a 400,000. ¿Cuánto tardará en duplicarse la población?
EJEMPLO 4: Propagación del sida. El número de casos de sida reportados en Estados

Unidos por año, a intervalos de 4 años desde 1980. Está dado en esta tabla:
Año 1980 1984 1988 1992 1996 2000

t 0 4 8 12 16 20
Casos de sida reportados 99 6 360 36 064 79 477 61 109 42 156
a) Trace estos datos en una gráfica con el tiempo t (años después de 1980) en el eje x.
b) Encuentre la ecuación de la recta de mínimos cuadrados para los datos dados.
c) ¿Cuántos casos de sida pronostica la recta de mínimos cuadrados del inciso b) que se
reportarán en 2005?
d) ¿Piensa Ud. que la recta de mínimos cuadrados ajusta bien los datos dados? Si no es así,
escriba un párrafo que explique cuál (si lo hay) de los siguientes cuatro tipos de curva
ajustaría mejor los datos:
1. Cuadrática y = At2 + Bt + C
2. Cúbica y = At3 + Bt2 + Ct + D
3. Exponencial y = Aekt
EJEMPLO 5. La siguiente tabla, relaciona el peso C de la pinza grande de un cangrejo

barrilete con el peso W del resto del cuerpo del cangrejo, ambos medidos en miligramos
(mg).
Peso W (mg) 57.6 109.2 199.7 300.2 355.2 420.1 535.7 743.3
del cuerpo
Peso C (mg) 5.3 13.7 38.3 78.1 104.5 135.0 195.6 319.2
de la pinza
a) Para cada punto de datos (W, C) de la tabla, trace el punto (ln W, ln C) en una
gráfica. Note que el diagrama de dispersión sugiere que y = ln C y x = ln W , están
linealmente relacionados.
b) Encuentre la recta de mínimos cuadrados y = mx + b para los datos (ln W, ln C)
obtenidos en el inciso a).
c) Encuentre números positivos a y k de modo que C= aW k . [Sugerencia: Sustituya
y = ln C y x = lnW del inciso a) en la ecuación de mínimos cuadrados del inciso
b)].

Laboratorio 13 2020-1

Cargado por

Copyright:

Formatos disponibles

Laboratorio 13 2020-1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Laboratorio 13 2020-1

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PERUANA 2020-1

Figura 11.a Figura 11.b

Una vez seleccionado el tipo de función, el siguiente paso es determinar la función

Note que los xi , yi están fijos

Al resolver este problema se tiene

EJEMPLO 1. Se ha examinado una serie de soluciones estándar de fluoresceína en un

Intensidad de fluorescencia (Y) Concentración, pg/ml (X)

EJEMPLO 2. Se lleva un estudio sobre las características corporales y el modo de actuar

AJUSTE NO LINEAL DE CURVAS

Modelos que se reducen a ecuaciones lineales.

1) Si la relación es y = Aemx tomando logaritmos en ambos miembros

2) Si la relación es y = A xc , como en el caso anterior

Modelos que no se reducen a ecuaciones lineales.

EJEMPLO 3: Crecimiento de bacterias. Un biólogo que estudia una colonia de bacteria

EJEMPLO 4: Propagación del sida. El número de casos de sida reportados en Estados

Año 1980 1984 1988 1992 1996 2000

EJEMPLO 5. La siguiente tabla, relaciona el peso C de la pinza grande de un cangrejo

También podría gustarte