16
1 MÉTODO DE MÍNIMOS CUADRADOS x y

1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

Embed Size (px)

Citation preview

Page 1: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

1

MÉTODO DE MÍNIMOS CUADRADOS

x

y

Page 2: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

2

0m

S 0

b

S

N

ii

N

ii yxbaN

11

(xi,yi)

y = b+mxyi -b-m xi

N

iii mxbyS

1

2)(

CRITERIO: Minimizar SCRITERIO: Minimizar S

AJUSTE POR MÍNIMOS CUADRADOS

(Ajuste lineal)

N

iii

N

ii

N

ii yxxbxa

11

2

1

Page 3: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

3

MÍNIMOS CUADRADOS (Ajuste lineal de N puntos)

22 xNx

xyNyxm

22

2

xNx

xyxyxb

N

xx

N

yy

222

xy m

22

2

xxN

Nm

22

22

xxN

xb

DESVIACIONES (ERRORES EN LOS DATOS)

Coeficiente de correlación

2222 11y

Nyx

Nx

Nyx

xyr

Page 4: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

4

MÍNIMOS CUADRADOS (Ejemplo)

0

10

20

30

40

50

60

70

0 10 20 30 40 50 60

x

y

x x y y

50 2 10 2

40 2 21 2

30 2 31 2

20 2 43 2

10 2 54 2

09.010.1 m

365b

99967.0r

bmxy

x x y y xy x^2 y^2

150 10 159 10 3670 5500 6267

x x y y xy x^2 y^2

50 2 10 2 500 2500 100

40 2 21 2 840 1600 441

30 2 31 2 930 900 961

20 2 43 2 860 400 1849

10 2 54 2 540 100 2916

Page 5: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

5

EJEMPLO 2: Índice de refracción

• Medida del índice de refracción de una lámina de vidrio

i

r

n

sen i = n sen r

Page 6: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

6

i i r r

25 1 15 1

30 1 20 1

35 1 21 1

40 1 24 1

45 1 27 1

50 1 29 1

55 1 30 1

60 1 32 1

65 1 33 1

70 1 36 1

bmxy

x x y y

sen r sen r sen i sen i

1 0,2588 0,0169 0,4226 0,0158

2 0,3420 0,0164 0,5000 0,0151

3 0,3584 0,0163 0,5736 0,0143

4 0,4067 0,0159 0,6428 0,0134

5 0,4540 0,0156 0,7071 0,0123

6 0,4848 0,0153 0,7660 0,0112

7 0,5000 0,0151 0,8192 0,0100

8 0,5299 0,0148 0,8660 0,0087

9 0,5446 0,0146 0,9063 0,0074

10 0,5878 0,0141 0,9397 0,0060

Medidas en grados sexagesimales

Índice de refracción: medidas (2)

rni sinsin

iiii

ii

cossin

sin

09.069.1 m

04.004.0 b

99301.0r

rrrr

rr

cossin

sin

Page 7: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

7

0,0

0,2

0,4

0,6

0,8

1,0

1,2

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

sen r

sen

i

09.069.1 m

04.004.0 b

99301.0r

Índice de refracción: gráfica (3)

Índice de refracción

Page 8: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

8

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

EJEMPLO 3. EXPONENCIALES

0 100 200 300 400 500 600 7000

1

2

3

4

5

t (s)

V (volts)

0 100 200 300 400 500 600 7000

1

2

3

4

5

/0

teVV

V )004.0008.5(0 V

s )2.05.251(

0 100 200 300 400 500 600 7000

1

2

3

4

5

t

eVV /0

Descarga de un condensador

Page 9: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

9

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

Las exponenciales se transforman en lineales tomando logaritmos

1

1 a

0 100 200 300 400 500 600 700-3,0

-2,5

-2,0

-1,5

-1,0

-0,5

0,0

t (s)

ln (V/V0)

0 100 200 300 400 500 600 700-3,0

-2,5

-2,0

-1,5

-1,0

-0,5

0,0

0 100 200 300 400 500 600 700-3,0

-2,5

-2,0

-1,5

-1,0

-0,5

0,0t

VV )/ln( 0

taay 10

)002.0015.0(0 a1-

1 s )000004.0003930.0( a

Page 10: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

10

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

s

s’

ss

f1

'1

'1

f’

sf

s1

'1

'1

Ecuación de las lentes: forma de Gauss

EJEMPLO 4. FUNCIONES INVERSAS

Focal de una lente

Page 11: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

11

s (cm) s’ (cm) 1/s (cm-1) 1/s’ (cm-1)97.50 67.65 0.010256 0.014782

106.00 63.95 0.0094340 0.015637

113.50 61.50 0.0088106 0.016260

120.30 59.70 0.0083126 0.016750

126.80 58.20 0.0078864 0.017182

(distancias s y s’ medidas con 0.05 cm)

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

Focal de una lente: tabla de valores

Page 12: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

12

1.45 10-2

1.50 10-2

1.55 10-2

1.60 10-2

1.65 10-2

1.70 10-2

1.75 10-2

7.50 10-3 8.00 10-3 8.50 10-3 9.00 10-3 9.50 10-3 1.00 10-2 1.05 10-2

1/s'

1/s

12 cm10003.0510.2'

1 f

a

004.0004.1 b

99998.0r

sb a

s

1

'

1

DETERMINACIÓN DE LA ORDENADA EN EL ORIGEN

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

Page 13: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

13

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

cm84.3910510.2

11'

2

a

f

cm05.0

10510.2

10003.01'

22

2

2

a

af

Page 14: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

14

AJUSTE DE FUNCIONES SENOIDALES

Page 15: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

15

Ejemplo 5. Ley de Malus

cos I = I 20

Page 16: 1 MÉTODO DE MÍNIMOS CUADRADOS x y. 2 (x i,y i ) y = b+mxy i -b-m x i CRITERIO: Minimizar S AJUSTE POR MÍNIMOS CUADRADOS (Ajuste lineal)

16

Ley de Malus (2)0 16110 12520 8730 5440 2845 1750 1055 660 465 770 1475 2280 3390 63100 94110 130120 158130 190140 207150 214160 205170 179180 147

(º) I (lux)

0

50

100

150

200

250

0 40 80 120 160

I = m1 + m2 cos2(+m3)

m1 = (5.6±1.0) lux m2 = (204.9±1.8) lux

m3 = (31.2±0.3) º r = 0.99924