Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 10 vistas

    Ajustes Loga

    Cargado por

    Jesus Quispe romeroᐛ
    Este documento trata sobre ajustes de modelos matemáticos a datos experimentales mediante regresión. Explica los tipos de regresión lineal y no lineal, y proporciona ejemplos y ejercicios resueltos sobre cómo estimar parámetros y ecuaciones de regresión usando el método de mínimos cuadrados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Ajustes Loga

    Cargado por

    Jesus Quispe romeroᐛ
    10 vistas41 páginas
    Este documento trata sobre ajustes de modelos matemáticos a datos experimentales mediante regresión. Explica los tipos de regresión lineal y no lineal, y proporciona ejemplos y ejercicios resueltos sobre cómo estimar parámetros y ecuaciones de regresión usando el método de mínimos cuadrados.

    Descripción original:

    DA

    Título original

    ajustes loga

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento trata sobre ajustes de modelos matemáticos a datos experimentales mediante regresión. Explica los tipos de regresión lineal y no lineal, y proporciona ejemplos y ejercicios resueltos sobre cómo estimar parámetros y ecuaciones de regresión usando el método de mínimos cuadrados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    10 vistas41 páginas

    Ajustes Loga

    Cargado por

    Jesus Quispe romeroᐛ
    Este documento trata sobre ajustes de modelos matemáticos a datos experimentales mediante regresión. Explica los tipos de regresión lineal y no lineal, y proporciona ejemplos y ejercicios resueltos sobre cómo estimar parámetros y ecuaciones de regresión usando el método de mínimos cuadrados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 41

    AJUSTES DE MODELO

    El método de ajuste de una ecuación matemática a los datos experimentales mediante


    el criterio de los mínimos cuadrados se denomina REGRESIÓN.
    REGRESIONES
    La regresión busca encontrar los mejores valores para los parámetros de un modelo
    matemático, minimizando la suma de los residuos al cuadrado. Hay dos tipos:
    Lineal (para ecuaciones lineales en los No lineal (para ecuaciones no
    parámetros) lineales).
    EJEMPLO N°1
    Los siguientes datos:
    X:precios en soles
    Y:cantidades vendidas(en miles de unidades)
    Son los datos de un artículo en un periodo de 8 meses.
    X 4 8 12 14 18 23 28 32
    Y 240 200 150 130 100 80 60 30

    Estime la ecuación de regresión logarítmica


    METODO DE LOS MINIMOS CUADRADOS
    El método de mínimos cuadrados se aplica para ajustar rectas a una serie de datos presentados
    como punto en el plano.

    𝑏=
    ∑ 𝑥𝑦 − 𝑛 𝑥
    ¯ȳ
    𝑎= ȳ − 𝑏 𝑥
    ¯
    ∑ 𝑥 −𝑛 ¯𝑥
    2 2

    Donde:
    x=valores conocidos de la variable independiente
    y=valores conocidos de la variable dependiente
    x̄ =promedio de x
    ȳ=promedio de y
    n=numero de datos puntuales
    a=el valor que toma y cuando x=0
    Tenemos la pendiente, hace falta la ordenada en y , se
    calcula de la siguiente manera

    𝑎= ȳ − 𝑏 𝑥
    ¯
    𝑎=6.333 −( −0.8422)(6.111)
    𝑎=11.4796
    Tenemos tanto la pendiente como la ordenada,
    construyamos la ecuación y grafiquemos

    Respuesta:

    𝑦 =− 0.8422 𝑥 +11.4796
    Ejercicios
    Ejercicios
    1) Con los datos dados encuentre la ecuacion que mejor se ajuste.
    Resolucion:

    Ordenamos los datos y procedemos a encontrar la pendiente.


    Ordenamos los datos y procedemos a encontrar la pendiente.

    𝑏=
    ∑ 𝑥𝑦 − 𝑛 𝑥
    ¯ ȳ
    ∑ 𝑥 −𝑛 ¯
    2
    𝑥
    2

    135− 8 (3.375)( 4.375)


    𝑏=
    110 − 8( 11.3906)

    𝑏=0.8940
    Teniendo la pendiente, nos enfocamos en encontrar la
    ordenada en el eje y, es decir “a”

    𝑎= ȳ − 𝑏 ¯
    𝑥
    𝑎= 4.375 − 0.8940 (3.375 )
    =1.35775

    𝑦 =1.35775 + ( 0.8940 ) 𝑥
    Construimos la ecuacion y graficamos en excel :

    Respuesta:

    𝑦 =1.35775+ ( 0.8940 ) 𝑥
    2) Segun los datos dados encuentre y en funcion x=6
    Resolucion:
    𝑦 =𝑏𝑥 + 𝑎
    𝑦 =0.25 𝑥 +1.75
    Evaluamos

    Respuesta:
    Entonces y en funcion de x=5 es
    3.25
    3)Dados los siguientes datos encontrar la ecuacion que mejor se ajuste
    Solucion:
    Eso es un ejercicio de regresion exponencial
    El cual tiene como formula:
    y=Ae^Bx
    Entonces con el fin de facilitarnos las cosas, haremos una artimaña matematica

    Donde
    Es evidente que al hacer este cambio, nuestras ecuaciones también lo hagan

    𝐵=
    ∑ 𝑥𝑦 ´ − 𝑛 𝑥¯ ȳ´
    ∑ 𝑥 − 𝑛𝑥
    2
    ¯
    2

    A ´= ȳ ´ − Bx
    A base de este cambio recopilaremos los datos
    Hacemos cuentas

    𝐵=489.570315−8(19.125)¿¿
    𝐵=−0.04879
    Ya tenemos la pendiente, ahora a encontrar A´

    A ´= ȳ ´ − Bx
    𝐴 ´ =3.735221−(− 0.04879)(19.125)
    𝐴´ =4.66832
    𝐿𝑛𝐴=4.66832
    4.66832
    𝐴= 𝑒
    𝐴=106.5186
    Construimos la ecuacion y la grafica en excel:

    𝐵𝑥
    𝑦=𝐴𝑒
    −0.04879 𝑥
    𝑦 =106.51 𝑒
    4)Dados los datos encontrar y en funcion de x=7.5 30
    Resolucion:
    𝐵𝑥
    𝑦=𝐴𝑒
    0.3055 𝑥
    𝑦 =32273 𝑒
    Evaluamos:
    0.3055(7.59)
    𝑦 =32273 𝑒
    𝑦 =319092.480 2
    Respuesta:

    Por lo tanto y en funcion de x=7.5


    es igual a 319092,4802
    5) Hallar y en funcion en x=11 con los siguientes datos:
    Resolucion:
    𝑦 =𝑏𝑥 + 𝑎
    𝑦 =− 4.8276 ( 𝑥 ) +74.567
    𝑦 =− 4.8276 ( 11 )+ 74.567
    𝑦 =21.4634
    Respuesta:

    Por lo tanto y en funcion x=11 es

    21,4634
    6) Segun los datos hallar y en funcion x=100
    Resolucion:

    Encontramos la ecuacion y evaluamos :


    𝑦 =𝑏𝑥 + 𝑎
    𝑦 =0.1819 𝑥 +2.1404
    𝑦 =20.33
    Respuesta:

    Por lo tanto y en funcion de x=100 es 20.33


    Ejercicios de aplicacion
    Ejercicio 1: ajustes de modelos
    Se tomaron las medidas de la longitud L (en centímetros) y el peso W
    (en gramos) de 16 unidades de una especie de pez, el Nemipterus
    marginatus. Se muestran los datos en la tabla. Se desea ajustar un
    modelo que explique la longitud en función del peso.
    a)¿Cuál es el mejor modelo para ajustar esos datos?
    b)Estime según el modelo seleccionado la longitud para un pez que
    pese 150 gramos.
    Resolucion:
    En primer lugar nuestra ecuación seria la siguiente:
    𝐿=𝑎+𝑏𝑊
    Y por lo tanto nuestras ecuaciones serian las siguientes:

    ∑ 𝑊𝐿− 𝑛( 𝐿𝑝𝑟𝑜𝑚)(𝑊𝑝𝑟𝑜𝑚)
    𝑏= 2 2
    ∑ 𝑤 − 𝑛 ( 𝑊𝑝𝑟𝑜𝑚 )

    𝑎= 𝐿𝑝𝑟𝑜𝑚− 𝑏(𝑊𝑝𝑟𝑜𝑚)
    Recopilamos los datos necesarios para la ecuacion
    Hacemos cuentas
    ∑ 𝑊𝐿− 𝑛( 𝐿𝑝𝑟𝑜𝑚)(𝑊𝑝𝑟𝑜𝑚)
    𝑏= 2 2
    ∑ 𝑤 − 𝑛 ( 𝑊𝑝𝑟𝑜𝑚 )

    20740.75 −16 (16.05)(66.18125)


    𝑏=
    112558.63 −16 (4379.95785)

    𝑏=0.08817
    Una vez encontrada la pendiente, encontramos la ordenada en el eje y “a”.

    𝑎= 𝐿𝑝𝑟𝑜𝑚− 𝑏(𝑊𝑝𝑟𝑜𝑚)
    𝑎=16.05 − 0.08817 (66.18125)
    𝑎=10.21479
    Construimos la ecuacion y graficamos en excel:
    𝐿=10.21479+ 0.08817( 𝑤)
    Respuestas:
    a)El mejor modelo es el de regresion lineal, al tomar la mayoria de puntos podemos

    hacer estimaciones muy precisas

    b)Para un pez de 150 gramos la longitud que este puede tener en base a los datos
    recolectados y prediccion de la recta es de 23.44cm

    𝐿=10.21479+ 0.08817( 𝑤)
    Ejercicio 2: de ajuste de modelo
    En un experimento de laboratorio, se observó el crecimiento de una población de
    bacterias(miles) en un cultivo a lo largo del tiempo(horas). Los datos recopilados se presentan a
    continuación.
    a)Escriba la ecuación de regresión exponencial
    b)Estime el número de bacterias después de 7 horas
    Resolucion:
    Construimos la ecuación
    𝐵 (𝑡 )
    𝑦=𝐴𝑒
    0.8907(𝑡 )
    𝑁𝐵=1.073 𝑒
    Tenemos la ecuación, ahora evaluamos NB en T=7 para saber el numero de bacterias
    0.8907(7)
    𝑁𝐵=1.073 𝑒

    𝑁𝐵=547.497
    Respuestas:
    a)La ecuación es la siguiente:

    b)Nos piden estimar cuantas bacterias habra en el cultivo despues de 7 horas.


    La respuesta es 547.497 bacterias despues de 7 horas

    También podría gustarte