Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

Ajuste de Curvas e Interpolación: Métodos Numéricos para Ingeniería, Diapositivas de Métodos Numéricos

Estos apuntes de clase exploran los métodos numéricos para el ajuste de curvas e interpolación, esenciales en ingeniería. Se abordan técnicas como la interpolación lineal y cuadrática, polinomios de interpolación de newton y lagrange, y la regresión por mínimos cuadrados. Se incluyen ejemplos prácticos y ejercicios para comprender la aplicación de estos métodos en la resolución de problemas de ingeniería.

Tipo: Diapositivas

2023/2024

Subido el 06/11/2024

omar-fisher-camacho
omar-fisher-camacho 🇲🇽

1 documento

1 / 29

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Ajuste de curvas
e interpolación
UNIDAD 4
4.1 Interpolación: Lineal y cuadrática.
4.2 Polinomios de interpolación:
Diferencias divididas de Newton y de Lagrange.
4.3 Regresión por mínimos cuadrados: Lineal y
Cuadrática.
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d

Vista previa parcial del texto

¡Descarga Ajuste de Curvas e Interpolación: Métodos Numéricos para Ingeniería y más Diapositivas en PDF de Métodos Numéricos solo en Docsity!

Ajuste de curvas

e interpolación

UNIDAD 4

4.1 Interpolación: Lineal y cuadrática. 4.2 Polinomios de interpolación: Diferencias divididas de Newton y de Lagrange. 4.3 Regresión por mínimos cuadrados: Lineal y Cuadrática.

Ajuste de curvas

Es común que datos que se dan como valores discretos a lo largo de un continuo, requieran la estimación de un punto entre valores discretos. METODOS: Si los datos exhiben un grado significativo de error , la estrategia será obtener una sola curva que represente la tendencia general de los datos. Si los datos son muy precisos, el procedimiento será colocar una curva o una serie de curvas que pasen por cada uno de los puntos en forma discreta.

Métodos sin computadora para el

ajuste de curvas

El segundo usó segmentos de línea recta o interpolación lineal para unir los puntos. Si los valores se encuentran cercanos a ser lineales , tal aproximación ofrece estimaciones que son adecuadas en muchos cálculos de ingeniería. Si la relación es altamente curvilínea o los datos están muy espaciados , es posible introducir errores mediante esa interpolación lineal.

Métodos sin computadora para el

ajuste de curvas

El tercer ingeniero utiliza curvas suaves para tratar de capturar el serpenteado sugerido por los datos.

REGRESIÓN Analiza la relación entre dos o más variables para determinar una predicción. A veces, basándose en los datos muestrales, se desea estimar el valor de una variable Y correspondiente a un valor dado de una variable X. La curva resultante se llama: Curva de regresión de Y sobre X , puesto que Y se estima a partir de X. ( Y es la variable dependiente y X es la variable independiente)

Tipos de relaciones

¿Como determinar la relacion entre variables?

Los ajustes de regresion y de correlacion se basan en la relacion, o

asosiacion, entre 2 o mas variables.

Velocidad de un motor, más desgaste de sus componentes.

La variable o variables conocidas se llaman variables independientes,

la que tenemos que predecir es la variable dependiente.

Prueba de hipótesis.

  • (^) Un modelo matemático existente se compara con los datos

obtenidos.

  • (^) Si se desconocen los coeficientes del modelo, será necesario

determinar los valores que mejor se ajusten a los datos

observados.

  • (^) Por otro lado, si ya se dispone de la estimación de los coeficientes

del modelo sería conveniente comparar los valores predichos

del modelo con los observados para probar qué tan

adecuado es el modelo.

  • (^) Con frecuencia, se comparan modelos alternativos y se elige

Cuando los datos tienen errores sustanciales, la interpolación polinomial es inapropiada y puede dar resultados poco satisfactorios cuando se utiliza para predecir valores intermedios. Con frecuencia los datos experimentales son de este tipo. Por ejemplo, en la figura se muestran siete datos obtenidos experimentalmente que presentan una variabilidad significativa. Una inspección visual de esos datos sugiere una posible relación entre y y x. REGRESION POR MINIMOS CUADRADOS

Una estrategia más apropiada en tales casos consiste en obtener una función de aproximación que se ajuste a la forma o a la tendencia general de los datos , sin coincidir necesariamente en todos los puntos. La figura c ilustra como se utiliza una línea recta para caracterizar de manera general la tendencia de los datos sin pasar a través de algún punto específico.

Interpolación Significa encontrar un valor intermedio entre dos o más puntos base conocidos , los cuales se pueden aproximar mediante polinomios. En ocasiones se plantea el problema de que se conoce una tabla de valores de una función desconocida o difícil de maneja r, y nos interesa conocer un valor, pero este no se encuentra dentro de esta tabla de valores. Tenemos esta tabla de valores conocida, pero queremos saber cuanto recorre en 2. horas, este valor es desconocido; por lo tanto, para tener una aproximación del valor que queremos conocer necesitamos utilizar algún método de interpolación.

Interpolación lineal Con base al polinomio de interpolación de Newton en diferencias divididas Consiste en unir 2 puntos con una línea recta

Problema

● Estime el logaritmo natural de 2 mediante interpolación lineal.

Primero, realice el cálculo por interpolación entre ln 1 = 0 y ln 6 =

● Después, repita el procedimiento, pero use un intervalo menor de

ln 1 a ln 4 (1.386294).

● Observe que el valor verdadero de ln 2 es 0.6931472.

Interpolación cuadrática

Una estrategia para mejorar la estimación consiste en introducir alguna

curvatura a la línea que une los puntos.

Si se tienen tres puntos como datos, éstos pueden ajustarse en un

polinomio de segundo grado (también conocido como polinomio

cuadrático o parábola). Una forma particularmente conveniente para ello

es