METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 1

Introduccin

Esta parte describe las tcnicas para ajustar curvas en base a
datos para estimaciones intermedias. Una manera de hacerlo es
calcular los valores de la funcin en un numero discreto de
valores en el intervalo de inters. Despus se obtiene una
funcin ms simple para ajustar dichos valores. Estas dos
aplicaciones se conocen como ajuste de curvas.

Existen dos mtodos para el ajuste de curvas que se distinguen
entre si al considerar la cantidad de error asociado con los
datos. Primero, si los datos exhiben un grado significativo de
error o ruido, la estrategia ser obtener una sola curva que
represente la tendencia general de los datos.
Se construye una curva que siga la tendencia de los puntos
tomados como un grupo. Un procedimiento de este tipo se
llama REGRESION POR MINIMOS CUADRADOS.

Segundo, si se sabe que los datos son muy precisos, el
procedimiento bsico ser colocar una curva o una serie de
curvas que pasen por cada uno de los puntos en forma directa.
La estimacin de valores entre puntos discretos bien conocidos
se llama INTERPOLACION.


ANTECEDENTE MATEMATICOS

La regresin por mnimos cuadrados requiere adems de la
informacin en el campo de la estadstica. Si usted conoce los
conceptos de la media, desviacin estndar, suma residual de
los cuadrados, distribucin normal e intervalos de confianza. Se
repasara el estudio del siguiente material como introduccin.





METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 2

ESTADISTICA SIMPLE

Supngase que la tabla 1 contiene 24 lecturas del coeficiente
de expansin trmica del acero. Tomados as, los datos ofrecen
una informacin limitada (tienen un mnimo y un mximo). Se
obtiene una mayor comprensin al analizar los datos mediante
uno o ms estadsticos, bien seleccionados, que den tanta
informacin como sea posible acerca de las caractersticas
especificas del conjunto de datos.

TABLA 1. MEDICIONES DEL COEFIC. DE EXPANSION TERMICA DEL
ACERDO. (IN F)
6.495 6.595 6.615 6.635 6.485 6.555
3.665 6.505 6.435 6.625 6.715 6.655
6.755 6.625 6.715 6.575 6.655 6.605
6.565 6.515 6.555 6.395 6.775 6.685



Esos estadsticos descriptivos se seleccionan para presentar:
1. La posicin del centro de la distribucin de los datos.
2. El grado de dispersin de los datos.




El estadstico de posicin ms comn es la media aritmtica.
Donde define como la suma de los datos (yi) dividida entre el
nmero de datos (n).
yi
y
n

METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 3


La medida de dispersin ms comn para una muestra es la
desviacin estndar (sy) respecto a la media;
1
t
y
S
S
n

Donde St es la suma total de los cuadrados de las diferencias
entre los datos y la media, o


2
( )
t i
S y y

As, si las mediciones se encuentran muy dispersas alrededor de
la media, St, ser grande. Si estn agrupadas cerca de ella, la
desviacin estndar ser pequea. La dispersin tambin se
puede representar por el cuadrado de la desviacin estndar,
llamada varianza.

2
1
t
y
S
S
n

Un estadstico final que tiene utilidad para cuantificar la
dispersin de los datos es el coeficiente de variacin (c.v.). Es el
cociente de la desviacin estndar entre la media. De esta
manera, proporciona una medicin normalizada de la
dispersin.

. . 100%
y
S
c v
y

METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 4



Esta es la razn de una medicin de error (sy) respecto a un
estimado para los datos del valor verdadero (
y
).



Otra caracterstica til en el presente anlisis es la distribucin de
datos. Un histograma proporciona una representacin visual
simple de la distribucin. Si se tiene un conjunto de datos muy
grande, el histograma se puede aproximar mediante una curva
suave. La curva simtrica en forma de campana que se
sobrepone llamada distribucin normal.























METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 5

De la tabla 1. Calcular la media, la varianza, la desviacin
estndar y el coeficiente de variacin para lo sdatos de la
tabla.

i yi
2
( ) yi y
1 6.395 0.042025
2 6.435 0.027225
3 6.485 0.013225
4 6.495 0.011025
5 6.505 0.009025
6 6.515 0.007225
7 6.555 0.002025
8 6.555 0.002025
9 6.565 0.001225
10 6.575 0.000625
11 6.595 0.000025
12 6.605 0.000025
13 6.615 0.000225
14 6.625 0.000625
15 6.625 0.000625
16 6.635 0.001225
17 6.655 0.003025
18 6.655 0.003025
19 6.665 0.004225
20 6.685 0.007225
21 6.715 0.013225
22 6.715 0.013225
23 6.755 0.024025
24 6.775 0.30625
Sumatoria 158.4 0.217000







METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 6

Media


=
158.4
6.6
24



Desviacin estndar.
1
t
y
S
S
n

0.217000
0.097133
24 1

La varianza.

2
y
S = 0.009435


Y el coeficiente de variacin.

c.v.=
0.097133
100% 1.47%
6.6













yi
y
n

METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 7

/
2
y x
Sr
S
n

FORMULARIO
yi
y
n

Suma total de los cuadrados Desviacin Estndar Varianza



/
( 1)
y x
Sr
S
n m

Coeficiente Variacin



Regresin lineal
Ecuaciones normales lnea recta




Suma de los cuadrados(respecto a lnea recta) Error estndar estimado
2
0 1
( ) Sr yi a a xi

Coeficiente de determinacin Coeficiente de correlacin




Regresin Polinomial 2 grado

Ecuaciones Normales
2
0 1 2
y a a x a x
Suma de los cuadrados



Error estndar estimado




Coeficiente de determinacin Coeficiente de correlacin



xi
x
n

2
( )
t i
S y y

1
t
y
S
S
n

2
1
t
y
S
S
n

0 1
a y a x
1 2 2
( )
n xiyi xi yi
a
n xi xi

St Sr
r
St

2
St Sr
r
St

0 1
y a a x
2
0 1 2
2 3
0 1 2
2 3 4 2
0 1 2
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
na xi a xi a yi
xi a xi a xi a xiyi
xi a xi a xi a xi yi






2 2
0 1 2
( ) Sr yi a a xi a xi

. . *100%
y
S
CV
y

St Sr
r
St

2
St Sr
r
St

/
( 1)
y x
Sr
S
n m

METODOS NUMERICOS UNIDAD

ING. ADA PAULINA MORA GONZALEZ Pgina 8


EJEMPLO DE UNA REGRESION LINEAL DANDO VALORES A x Y y, checar el formulario para ver
qu datos se necesitaron y hacer los clculos para rectificar resultados.







































Esta es la ecuacin de la Recta para cualquier valor de x que le queramos asignar y con ello
formar la recta para mostrar la tendencia de los datos.