Como se ha visto en teoría, el ajuste por mínimos cuadrados de un conjunto de valores. forman una base de un espacio de funciones, conducen al sistema
|
|
- Ángel Saavedra Calderón
- hace 5 años
- Vistas:
Transcripción
1 UNIVERSIDAD DE OVIEDO DEPARTAMENTO DE MATEMÁTICAS Asignatura Cálculo Numérico Página 1 de 7 Tema Aproimación y ajuste Mínimos cuadrados Práctica 10 Autor César Menéndez Fernández 1 Mínimos cuadrados Como se ha visto en teoría, el ajuste por mínimos cuadrados de un conjunto de valores m, y 1 i i i N mediante una función y ckk donde 1,, 3, N k 1 forman una base de un espacio de funciones, conducen al sistema m m m m 1k1k 1kk 1kNk 1kyk k1 k1 k1 k1 c1 m m m m 1kk kk knk c kyk k1 k1 k1 k1 Ac b c m m m N m 1kNk knk 3kNk Nky k k1 k1 k1 k1 Donde la matriz del sistema y el segundo miembro se pueden poner como N N y y N 3 3 t t Α X X b X Y donde X Y y 1m m 3m Nm y m Base genérica Se puede aplicar directamente lo visto en teoría. Por ejemplo, ajustar un conjunto de datos a la función: y c c c sin c log y representar los datos y la función. 1 3 k Comenzamos planteando y resolviendo el sistema lineal para obtener los coeficientes» =[0.1600,0.9700,0.9600,0.4900,0.8000,0.1400,0.400,0.900,0.7900,0.9600];» y =[0.508,0.7583,0.7396,0.3414,0.5011,0.5368,0.3549,0.6693,0.4899,0.7396];» f1=inline('ones(size())');» f=inline('.^');» f3=inline('sin()');» f4=inline('log10()');» X=[f1();f();f3();f4()]';» c=(x'*x)\(x'*y ) c =
2 Calculamos el error cuadrático» norm(c(1)*f1()+c()*f()+c(3)*f3()+c(4)*f4()-y) ans = e-005 Y finalmente se generan los puntos de representación y la figura» =linspace(0,1);» yy=c(1)*f1()+c()*f()+c(3)*f3()+c(4)*f4();» plot(,y,'*',,yy);grid on;» label('abcisas');ylabel('ordenadas');» legend('datos','ajuste')» title('minimos cuadrados') Minimos cuadrados Datos Ajuste 0.8 ordenadas abcisas Ejercicios recomendados: 1. Los siguientes datos recogen el censo asturiano en los s indicados 1 Año: {1986, 1987, 1988, 1989, 1990, 1991, 199, 1993, 1994, 1995, 1996, 1998, 1999, 000, 001, 00, 003, 004, 005, 006, 007, 008} Censo={111186, , , , 11837, , , , , , , , , , , , , , , , , } Ajustar los datos con los siguientes tipos de curvas y calcular su error cuadrático y1 c1 c y sin c3 c4 c5 Solución: c 1 =-3.891e+006, c =9.9585e+009, c 3 =6.0705e+006, c 4 =-.4917e+003, c 5 = e+00, EC 1 =4.6891e+004, EC =.334e Por César Menéndez Fernández Página de 7
3 3 106 Poblacion en Asturias Datos Ajuste1 Ajuste Base polinómica Cuando la base es polinómica, no es necesario realizar los pasos anteriores, ya que MATLAB dispone de la instrucción polyfit que realiza simultáneamente el cálculo de los coeficientes y el error. Para evaluarla en un punto determinado, se emplea polyval. Ejemplo:. Realizar el ajuste de los datos del censo asturiano utilizando polinomios de primer, segundo, tercer y cuarto grado, y representar las funciones así como el margen del ajuste del 50%. vary=var(y);n=length(); for i=1:4; [p,s,mu] = polyfit(,y,i),[yy,delta] = polyval(p,,s,mu); subplot(,,i);plot(,y,'*',,yy,'r',,yy-delta,'r:',,yy+delta,'r:'); grid on;label('');ylabel(''); title(['poblacion en Asturias (grado ',numstr(i),')']); tet(0.8,0.9,['error: ',numstr(s.normr)],'units','normalized'); r=1-s.normr.^/vary/(n-i); tet(0.8,0.8,['r: ',numstr(sqrt(r))],'units','normalized'); end Poblacion en Asturias (grado 1) Poblacion en Asturias (grado ) error: error: r: r: Poblacion en Asturias (grado 3) Poblacion en Asturias (grado 4) 1 error: r: error: r: Por César Menéndez Fernández Página 3 de 7
4 1.3 Ajuste no lineal El ajuste por mínimos cuadrados eige que la función de ajuste se pueda poner como combinación lineal de funciones de base, por lo que cuando esto no sucede es necesario, cuando sea posible, linealizar la función. A continuación se muestran como ejemplos los ya vistos en teoría: b ˆ ˆ b y a ln y ln a ln a bln y A» p = polyfit(log(),log(y),1)» b=p(1),a=ep(p())» yy = a*.^b; % dos formas de evaluar la función de ajuste» yy = ep(polyval(p,log()); y ae ln y ln ae ln a y A ˆ» p = polyfit(,log(y),1)» b=p(1),a=ep(p())» yy = a*ep(*b); % dos formas de evaluar la función de ajuste» yy = ep(polyval(p,)); 1 a b 1 y ab yˆ aˆ a b y» p = polyfit(1./,1./y,1)» yy =./(p()*+p(1)); % dos formas de evaluar la función de ajuste» yy = 1./polyval(p,1./); Ejercicios recomendados: 3. Representar las funciones de ajuste para diferentes valores de a y b. 30 a*. b 5 a*ep(.*b) 5 0 [a,b]=[1,-1] [a,b]=[1,] [a,b]=[,-1] [a,b]=[,] [a,b]=[3,-1] [a,b]=[3,] 0 15 [a,b]=[1,-1] [a,b]=[1,] [a,b]=[,-1] [a,b]=[,] [a,b]=[3,-1] [a,b]=[3,] /(a*+b) [a,b]=[1,0] [a,b]=[1,] [a,b]=[,0] [a,b]=[,] [a,b]=[3,0] [a,b]=[3,] Por César Menéndez Fernández Página 4 de 7
5 4. El fichero IG_pr10D1.tt contiene los valores de la edad y su correspondiente esperanza de vida. Leer el fichero y ajustar mediante la función no lineal más adecuada de las vistas, calculando para cada una su error cuadrático 1.4 Ajuste multimodal Se puede etender la teoría vista al ajuste de funciones de varias variables, siempre que sea posible epresar la función de ajuste de forma lineal en los parámetros. n n n ii i ijij i, j y a b. i1 i1 j1 Ejercicios recomendados: 5. El fichero IG_pr10D.tt contiene los valores de la edad y su correspondiente esperanza de vida para varios s. Leer el fichero y ajustar mediante un ajuste multimodal de la forma y a a a a a a, calculando su error cuadrático Por César Menéndez Fernández Página 5 de 7
6 Aneo: Instrucciones necesarias.1 Ajuste polinómico p = polyfit(,y,n) [p,s] = polyfit(,y,n) [p,s,mu] = polyfit(,y,n) p = polyfit(,y,n) calcula los coeficientes del polinomio p() de grado n que ajusta los valores (i,yi) por mínimos cuadrados. El resultado es un vector fila con los n coeficientes del polinomio en orden de potencias decrecientes. [p,s] = polyfit(,y,n) calcula los coeficientes del polinomio y la estructura S que al usar con polyval permite obtener una estimación del error de predicción. La estructura S contiene los campos R, df y normr que almacenan la matriz que realiza la factorización QR de la matriz de Vandermonde X, los grados de libertad y la norma del residuo respectivamente. Si los el error de los datos es ruido blanco, polyval produce límites de error que deben contener al menos el 50% de las predicciones. [p,s,mu] = polyfit(,y,n) normaliza previamente los datos, almacenando en mu los valores de la media y la desviación típica. Esta transformación mejora los resultados tanto del polinomio de interpolación como de su evaluación. En este caso es necesario transformar de igual modo los valores antes de evaluarlos, es decir, mediante k k 1 y = polyval(p,) y = polyval(p,,[],mu) [y,ey] = polyval(p,,s) [y,ey] = polyval(p,,s,mu) y = polyval(p,) evalúa el polinomio p() en. y = polyval(p,,[],mu) uses k 1 k in place of. [y,ey] = polyval(p,,s) and [y,ey] = polyval(p,,s,mu) utilize la estructura S para generar una banda y±ey que contiene al menos el 50% de las predicciones si los errores son ruido blanco. Aproimación en general Función Toolbo Notas lscurvefit Optimization Resuelve por mínimos cuadrados el ajuste no lineal de una función lsqlin Optimization Resuelve por mínimos cuadrados un problema de optimización lineal con restricciones lsqnonlin Optimization Resuelve un sistema no lineal mediante minimización por mínimos cuadrados del funcional asociado lsqnonneg Optimization Resuelve por mínimos cuadrados un problema lineal con restricciones no negativas tnlinfir Statistic Regresión no lineal Por César Menéndez Fernández Página 6 de 7
7 .3 Lectura de ficheros Función Datos Delimitadores Notas csvread Numéricos comas Usado fundamentalmente con hojas de cálculo dlmread Numéricos Cualquier carácter Fleible y fácil de usar fclose No Cierre de un fichero fopen No Apertura de un fichero para su posterior lectura fread Numéricos Sólo válido con ficheros binarios fscanf Alfabéticos y numéricos, pero se devuelve en una Cualquier carácter Fleible pero eige una programación compleja única variable load Numéricos Espacio, tabulador, comma o punto y coma Fácil de usar y admite comentarios de Matlab tetscan Alfabéticos y numéricos Cualquier carácter Fleible, potente y fácil de usar. Puede haber cabeceras y comentarios También se pueden importar datos desde el entorno de Matlab, mediante: la selección de Import Data del menú File ejecutando uiimport -file, y pulsando Enter ejecutando uiimport, pulsando Enter, and seleccionado File en el diálogo Import Data. Por César Menéndez Fernández Página 7 de 7
Concepto de Ajuste de Curvas (Diferencia con Interpolación)
Ajuste de Curvas Contenido Concepto de Ajuste de Curvas (Diferencia con Interpolación) Estimación de Parámetros Lineales por Mínimos Cuadrados Ajuste Polinomial Estimación de Parámetros No Lineales por
Más detallesPráctica 2. Identificación de sistemas
Asignatura: Sistemas Electrónicos de Control Curso: 213/214-1 Realización: D4-5, 15/3/13 (g19), 18/3/13 (g12), 18h-2h Nota: Para la realización de la práctica es imprescindible traer el estudio previo
Más detallesProgramación MATLAB: Ecuaciones, polinomios, regresión e interpolación.
Programación MATLAB: Ecuaciones, polinomios, regresión e interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesProgramación MATLAB: Ecuaciones, polinomios, regresión e interpolación.
Programación MATLAB: Ecuaciones, polinomios, regresión e interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesInterpolación polinómica
Interpolación polinómica Contenidos Polinomio interpolante Interpolación mediante los polinomios fundamentales de Lagrange Interpolación mediante diferencias divididas Interpolación con órdenes Matlab
Más detallesAlgoritmos y análisis de datos. Informática aplicada al medio ambiente curso 2010/2011
Algoritmos y análisis de datos Informática aplicada al medio ambiente curso 2010/2011 Extracción de información Fuentes: Datos históricos sobre distintas variables Imágenes: Radar, satélite, etc. Formatos:
Más detallesTRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE AGRONOMIA Y AGROINDUSTRIAS DEPARTAMENTO FISICO- MATEMATICO CATEDRA DE CALCULO NUMERICO TRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
Más detallesCurso de Métodos Numéricos. Ajuste de curvas. Regresión.
Curso de Métodos Numéricos. Ajuste de curvas. Regresión. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Universidad: ITESM CEM Fecha: Lunes, 20 de octubre de 2014 Tópicos
Más detallesAjuste de curvas. Regresión.
Ajuste de curvas. Regresión. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM Tópicos
Más detallesM a t L a b. Oriol Roca POLINOMIOS EN MATLAB.
POLINOMIOS EN MATLAB Polinomios Los polinomios son expresiones matemáticas utilizadas muy frecuentemente en el modelado de problemas científicos x 4-12x 3 +25x+116 Polinomios Matlab proporciona poderosas
Más detallesCalle 34 Nº 7-32, La Sabana, Los Patios Teléfono , Celular , corre:
ASIGNATURA MATEMATICAS GRADO 9 FECHA ESTUDIANTE NOTA DOCENTE KARINA VERA RINCON TRABAJO DE RECUPERACION DE MATEMATICAS 1. Todo número racional se pueden representar mediante: a) Expresión decimal finita
Más detallesM a t L a b. Oriol R oca POLINOMIOS EN MATLAB.
POLINOMIOS EN MATLAB Polinomios Los polinomios son expresiones matemáticas utilizadas muy frecuentemente en el modelado de problemas científicos x 4-12x 3 +25x+116 Polinomios Matlab proporciona poderosas
Más detallesAjuste de curvas. Interpolación.
Ajuste de curvas. Interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesAjuste de curvas. Interpolación.
Ajuste de curvas. Interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesPreliminares Métodos de Ajuste de Curvas AJUSTE DE CURVAS AJUSTE DE CURVAS
Contenido 1 Preliminares Definiciones 2 Definiciones Contenido 1 Preliminares Definiciones 2 Definiciones Definiciones En ciencias e ingeniería es frecuente que un experimento produzca un conjunto de datos
Más detallesTema 12: Ecuaciones diferenciales de primer orden Métodos elementales de integración. Teoremas de existencia y unicidad. Aplicaciones.
Álgebra Tema 1: Fundamentos Lógica matemática. Teoría de conjuntos. Tema 2: Combinatoria Combinatoria. Conjuntos parcialmente ordenados. Tema 3: Sistemas de ecuaciones lineales Eliminación gaussiana. Sistemas
Más detallesSplines (funciones polinomiales por trozos)
Splines (funciones polinomiales por trozos) Problemas para examen Interpolación lineal y cúbica 1. Fórmulas para la interpolación lineal. Dados t 1,..., t n, x 1,..., x n R tales que t 1
Más detallesAuxiliar 15. Laboratorio de Matlab COMPUTACIÓN I - CC
Auxiliar 15 Laboratorio de Matlab 1 Matlab es un programa de computación numérica que permite una amplia gama de operaciones matemáticas. Matlab es la sigla de MATRIX LABORATORY y no de mathematics lab,
Más detallesMétodo de mínimo cuadrados (continuación)
Clase No. 10: Método de mínimo cuadrados (continuación) MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesMétodo de mínimos cuadrados (Continuación)
Clase No. 11: MAT 251 Método de mínimos cuadrados (Continuación) Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesMétodos Numéricos Cap 5: Interpolación y Aproximación polinomial
1/12 Aproximación funcional e Interpolación Representación mediante funciones analíticas sencillas de: Información discreta. (Resultante de muestreos). Funciones complicadas. Siendo y k = f(x k ) una cierta
Más detallesEsta es el borrador de algunos ejemplos de 5Ed- Está en proceso de depuración.
Esta es el borrador de algunos ejemplos de 5Ed- Está en proceso de depuración. A.Cervantes Ejemplos de Métodos numéricos (borrador) Page 1 A.Cervantes Ejemplos de Métodos numéricos (borrador) Page 2 A.Cervantes
Más detallesGuión de prácticas de los Temas 3 y 4 de Cálculo Numérico
Guión de prácticas de los Temas 3 y 4 de Cálculo Numérico José Luis Bravo Trinidad, Pedro Martín Jiménez Preliminares Antes de comenzar la práctica, descárgate los archivos de ejemplo de Avuex. Después,
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
Más detallesEjercicios de optimización sin restricciones
Ejercicios de optimización sin restricciones Programación Matemática Licenciatura en Ciencias y Técnicas Estadísticas Curso 5/6 Indica la dirección que el método de Newton (sin modificaciones calcularía
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesFunciones de Interpolación para Termómetros Digitales
Funciones de Interpolación para Termómetros Digitales Andy Barrientos A. Laboratorio de Termometría 01. Introducción. La presentación propone considerar funciones interpoladoras del tipo polinomial; así
Más detallesTema 5: Calibración de modelos. Modelado y simulación en Ingeniería Química. Manuel Rodríguez
Tema 5: Calibración de modelos ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesAproximación. Ultima actualización: 15/01/2008
Asignatura: Autor: Análisis umérico César Menéndez Ultima actualización: 5/0/008 Titulación: Planificación: Materiales: Conocimientos previos: Ingeniero Técnico Informático 6 Teoría+Talero+0.5Laoratorio
Más detallesTaller de Informática I Dpto. Computación F.C.E. y N. - UBA
Ajuste de Curvas El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de puntos {xi, yi} (siendo x la variable independiente e y la dependiente), se determina una función matemática
Más detallesDepartamento de Matemáticas IES Valsequillo
Departamento de Matemáticas IES Valsequillo Programación de 3º ESO - MATEMÁTICAS ACADÉMICAS Criterios de Evaluación, Contenidos y Estándares de Aprendizaje Prueba extraordinaria Criterio de Evaluación
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detalles1º BACH MATEMÁTICAS I
1º BACH MATEMÁTICAS I Ecuaciones, inecuaciones y sistemas Trigonometría Vectores Nº complejos Geometría Funciones. Límites. Continuidad. Derivadas Repaso en casa Potencias Radicales. Racionalización. (pag.
Más detallesCaso 201 : Recta de calibrado para análisis de fosfato (Regresión lineal sin pesos estadísticos) (F. J. Burguillo, USAL)
Caso 201: Recta de Calibrado para fosfato 1 Caso 201 : Recta de calibrado para análisis de fosfato (Regresión lineal sin pesos estadísticos) (F. J. Burguillo, USAL) CASO PRÁCTICO Uno de los procedimientos
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detallesINGENIERÍA EN PROCESOS BIOALIMENTARIOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MATEMÁTICAS AVANZADAS
INGENIERÍA EN PROCESOS BIOALIMENTARIOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MATEMÁTICAS AVANZADAS UNIDADES DE APRENDIZAJE 1. Competencias Administrar los recursos y procesos alimentarios a través
Más detallesLÍMITES. Ing. Ronny Altuve
UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE CIENCIAS ADMINISTRATIVAS Unidad Curricular: Matemática II LÍMITES Elaborado por: Ing. Ronny Altuve Ciudad Ojeda, septiembre 2016 INDICADOR DE LOGRO Aplicar la definición
Más detallesINGENIERÍA EN PROCESOS BIOALIMENTARIOS
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Matemáticas avanzadas 2. Competencias Administrar los recursos y procesos alimentarios a través de la planeación, ejecución
Más detalles2 Operaciones de producto y división de polinomios
I. TELECOMUNICACION. ALGEBRA LINEAL Sesión de laboratorio 1. Polinomios y algoritmo de Horner Esta primera sesión intenta familiarizar al estudiante con la representación y manejo de los polinomios en
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesAplicar este algoritmo para resolver el sistema de ecuaciones: º «« º ««
Introducción al Cálculo Numérico y Programación 1 MÓDULO 8: SISTEMA DE ECUACIONES LINEALES. A- MÉTODOS DIRECTOS 6LVWHPDVIiFLOHVGHUHVROYHU Ejercicio 1: Escribe una función MATLAB llamada =sp(a,b) que admita
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesPráctica 2: Representación de datos y ajuste de curvas
Modelado matemático de los sistemas ecológicos Facultad de Biología Universidad de Oviedo Curso 2007-2008 Práctica 2: Representación de datos y ajuste de curvas 1. Lectura de datos externos Es posible
Más detallesAJUSTE PLANTEAMIENTO DEL PROBLEMA
AJUSTE PLANTEAMIENTO DEL PROBLEMA DIFERENCIA ENTRE INTERPOLACIÓN Y AJUSTE METODOLOGÍA DEL AJUSTE MÉTODO DE MÍNIMOS CUADRADOS MODELO LINEAL MODELO EXPONENCIAL EJEMPLO PLANTEAMIENTO DEL PROBLEMA Cuando los
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesResolver ecuaciones cuadráticas. Departamento de Matemáticas Universidad de Puerto Rico - Arecibo
Resolver ecuaciones cuadráticas Departamento de Matemáticas Universidad de Puerto Rico - Arecibo Ecuación cuadrática en forma general Una ecuación cuadrática tiene una forma general como sigue ax + bx
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesLÍMITES. Ing. Ronny Altuve
UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE CIENCIAS ADMINISTRATIVAS Unidad Curricular: Matemática II LÍMITES Elaborado por: Ing. Ronny Altuve Ciudad Ojeda, Enero de 2016 INDICADOR DE LOGRO Aplicar la definición
Más detallesEstructuras de datos
Estructuras de datos Ejemplo: Cálculo de la integral de un polinomio en un intervalo [a,b] dado. N: número de subintervalos en [a,b] a b x i x i+1 x i x i+1 h x f x f area i i 2 ) ( ) ( 1 + + = + + = +
Más detallesHerramientas básicas I
Curso: Modelización y simulación matemática de sistemas Metodología para su implementación computacional Herramientas básicas I Alejandro D. Otero (aotero@fi.uba.ar) Facultades de Ciencias Exactas y Naturales
Más detallesApellidos: Nombre: NIF:
Universidad de Oviedo EPS de ingeniería de Gijón Dpto. Matemáticas Algebra Lineal 7/06/008 Segunda parte Apellidos: Nombre: NIF: Ejercicio 1 Sea f : R 3 R [x] una aplicación lineal definida en las bases
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detallesCentro. Asignatura. Convocatoria Junio (Curso )
UNIVERSIDAD DE OVIEDO Fecha Lunes, 6/5/ Página de 9 Centro DEPARTAMENTO DE MATEMÁTICAS Asignatura Análisis Numérico Convocatoria Junio (Curso 9-) Ejercicio.- Dado el problema de valor inicial y y t aty
Más detallesPROPUESTA A., se pide: a) Calcula las asíntotas verticales y oblicuas de f(x). (1,25 puntos)
PROPUEST. Dada la función f ( ), se pide: a) Calcula las asíntotas verticales y oblicuas de f(). (, puntos) b) Coordenadas de los máimos y mínimos relativos de f(). (, puntos). Calcula las siguientes integrales:
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesAlgebra I Enero 2015
Laboratorio # 1 Ecuaciones Cuadráticas I I.-Resolver las ecuaciones siguientes usando el método de factorización. 1) 5) 2) 6) 3) 7) II.- Resolver las ecuaciones siguientes usando el método completando
Más detallesMATEMÁTICAS II MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II ESTÁNDARES DE APRENDIZAJE AL BLOQUE
MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II BLOQUES DE CONTENIDO PORCENTAJE ASIGNADO AL BLOQUE ESTÁNDARES DE APRENDIZAJE Bloque 1. Procesos, métodos y actitudes en matemáticas. 30 % Expresa
Más detallesUNIDAD 2: Expresiones Algebraicas
UNIDAD : Epresiones Algebraicas Unidad Epresiones Algebraicas A - DEFINICIONES Epresión literal: Es la reunión de letras (variables) y cifras (números reales) combinados entre sí y sometidos a operaciones
Más detallesTema 7. Estadística. Introducción. Estadística unidimensional. Cálculo de la media, varianza y desviación típica: o Con datos simples.
Tema 7 Estadística Introducción. Estadística unidimensional. Cálculo de la media, varianza y desviación típica: o Con datos simples. o Con datos agrupados por frecuencias. Cálculo de probabilidades en
Más detallesPOLINOMIOS Y VALOR NUMÉRICO
Guía Académica I - Ciencias (S-SM-7) POLINOMIOS Y VALOR NUMÉRICO PRÁCTICA PARA LA CLASE. Sabiendo que P()=3+ y P(g())=6+5 calcule g()+g( 3). A) B) 5 C) D) 5 E) 0. Si P(+5)=3 halle el valor de m, si P(+m)=6+7.
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesAproximación funcional. Introducción
Aproximación funcional. Introducción Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Objetivos Entender
Más detallesPrograma de Asignatura
Departamento de Ingeniería Industrial Programa: Ingeniería Mecatrónica Plan 007- Asignatura: Análisis numérico y programación Clave: 9957 Semestre: VI Tipo: Obligatoria H. Teoría: H Práctica: 3 HSM: 5
Más detallesLinealidad. Opciones de Shazam para contrastar la linealidad del modelo
Linealidad Opciones de Shazam para contrastar la linealidad del modelo Forma funcional La forma funcional lineal es muy importante para la validez del modelo, por ello interesa buscar esa forma cuando
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detalles12.5. CONTENIDOS MATEMÁTICAS 1º BACHILLERATO CCSS Dados varios números, los clasifica en los distintos campos numéricos. Aproxima números decimales
12.5. CONTENIDOS MATEMÁTICAS 1º BACHILLERATO CCSS Dados varios números, los clasifica en los distintos campos numéricos. Aproxima números decimales con la cantidad de cifras que se requiera, redondeando
Más detallesTutorial de Polinomios de Lagrange en MATLAB
Tutorial de Polinomios de Lagrange en MATLAB Contents 1. MATLAB manipula polinomios almacenado 2. MATLAB posee diversas rutinas que nos permiten 3. El comando 'conv' se puede usar para multiplicar 4. La
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesACTIVIDADES INICIALES
2 Determinantes ACTIVIDADES INICIALES I. Enumera las inversiones que aparecen en las siguientes permutaciones y calcula su paridad, comparándolas con la permutación principal 1234. a) 1342 b) 3412 c) 4321
Más detallesPráctica 5: Interpolación y ajuste.
Práctica 5: Interpolación y ajuste. 1 Tablas de diferencias. La interpolación se usa para obtener datos intermedios a partir de una tabla de valores, construyendo un polinomio que pasa por el conjunto
Más detallesPROGRAMACIÓN ABREVIADA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I
PROGRAMACIÓN ABREVIADA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1- CONTENIDOS Bloque 1. Procesos, métodos y actitudes en matemáticas Planificación del proceso de resolución de problemas. 1- Estrategias
Más detallesNombre de la Asignatura MATEMÁTICA I INFORMACIÓN GENERAL Escuela. Departamento Unidad de Estudios Básicos. Ciencias Pre-requisitos - Vigencia 80
Código 0081613 UNIVERSIDAD DE ORIENTE MATEMÁTICA I INFORMACIÓN GENERAL Escuela Departamento Unidad de Estudios Básicos Ciencias Pre-requisitos - Créditos 03 Área Matemática Semestre I Tipo Obligatoria
Más detallesInterpolación. Esta función se denomina función interpolante. con. Dado un conjunto de datos. Queremos determinar una función.
Interpolación Dado un conjunto de datos con Queremos determinar una función tal que Esta función se denomina función interpolante Interpolación Usos de la Interpolación Graficar una curva suave a través
Más detallesInterpolación Numérica
Interpolación Numérica Contenido Interpolación Numérica Polinomio Único de Interpolación Polinomio de Interpolación de Lagrange (Método de Ordenadas) Método de Newton (Interpolación Polinomial forma de
Más detallesCursada Segundo Cuatrimestre 2017 Guía de Trabajos Prácticos Nro. 2
Temas: Programación en MATLAB: Sentencias, expresiones y variables. Estructuras de control. Operadores relacionales y lógicos. Programación de funciones. Aritmética finita: Representación de números en
Más detallesEcuaciones de Segundo Grado
Ecuaciones de Segundo Grado René Descartes nació en Francia en el siglo XVII. Fue un gran filósofo y matemático. Considerado por muchos como el fundador de la filosofía moderna, hace famosa su frase: "PIENSO,
Más detallesELABORACIÓN DE LA MATRIZ DE ESPECIFICACIONES DE CADA UNA DE LAS MATERIAS OBJETO DE LA EBAU Matemáticas II. 2º Bachillerato
Bloque 1. Procesos, métodos y actitudes en matemáticas. 20% Expresa verbalmente de forma razonada el proceso seguido en la resolución de un problema, con el rigor y la precisión adecuados. Analiza y comprende
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesExamen de Matemáticas II (Junio 2016) Selectividad-Opción A Tiempo: 90 minutos. ln(1 x) 1 x. si x < 0 f(x) = xe x si x 0
Examen de Matemáticas II (Junio 16) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dada la función: ln(1 x) si x < f(x) = 1 x xe x si x se pide: a) (1 punto). Estudiar la continuidad de
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA I. 3. Diseñar tablas estadísticas para coleccionar y ordenar datos.
RESUMEN PROGRAMACIÓN ESTADÍSTICA I OBJETIVOS 1. Conocer los principales conceptos usados en Estadística: población, muestra e individuo. 2. Diferenciar los tres tipos de variables estadísticas: cualitativas,
Más detallesPRÁCTICA 2: LA RECTA DE REGRESIÓN
PRÁCTICA 2: LA RECTA DE REGRESIÓN Los contenidos están organizados para que pueda avanzar a la vez que hacer los ejercicios propuestos en la práctica 2 del cuadernillo de práticas. Asegúrate de entender
Más detallesRESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2015 /2016 MATEMÁTICAS APLICADAS A LAS CCSS
RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2015 /2016 DEPARTAMENTO: MATEMÁTICAS MATERIA: MATEMÁTICAS APLICADAS A LAS CCSS CURSO:1º BACH SECUENCIACIÓN DE CONTENIDOS Resolución de problemas - Algunos
Más detallesAsignaturas antecedentes y subsecuentes Álgebra Lineal I y Análisis Numérico I.
PROGRAMA DE ESTUDIOS ÁLGEBRA LINEAL NUMÉRICA Área a la que pertenece: ÁREA DE FORMACION INTEGRAL PROFESIONAL Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0069 Asignaturas antecedentes y subsecuentes
Más detallesGUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3
Más detallesFundamentos de Informática
Tema 5: 5: Funciones de de Lectura/Escritura Fundamentos de Informática 1º Ingeniería Industrial Escuela Superior de Ingenieros Universidad de Sevilla Ismael Alcalá Torrego José Ángel Acosta Rodríguez
Más detallesInterpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35
Interpolación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Contenidos 1 Introducción 2 Interpolación de Taylor Cálculo del polinomio
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesIII) INTERPOLACIÓN INTRODUCCIÓN
III) INTERPOLACIÓN INTRODUCCIÓN En numerosos fenómenos de la naturaleza observamos una cierta regularidad en la forma de producirse, esto nos permite sacar conclusiones de la marcha de un fenómeno en situaciones
Más detallesIntroducción al Cálculo Simbólico a través de Maple
1 Introducción al Cálculo Simbólico a través de Maple Introducción A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos que permiten la representación
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID PRUEBA DE ACCESO A LA UNIVERSIDAD PARA MAYORES DE 25 AÑOS Convocatoria 2014
PRUEBA DE ACCESO A LA UNIVERSIDAD PARA MAYORES DE 5 AÑOS Convocatoria 4 INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: Escoja entre una de las dos opciones A o B. Lea con atención y detenimiento los
Más detallesTeoría de la aproximación Métodos de Mínimos cuadrados
Teoría de la aproximación Métodos de Mínimos cuadrados MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesICI3140 Métodos Numéricos. Profesor : Dr. Héctor Allende-Cid
ICI3140 Métodos Numéricos Profesor : Dr. Héctor Allende-Cid e-mail : hector.allende@ucv.cl Qué hemos visto hasta el momento? Regresión lineal simple Regresión Linearizada Regresión Polinomial Regresión
Más detallesAnálisis de Decisiones
Análisis de Decisiones Facultad de Ciencias Exactas UNCPBA Mg. María Rosa Dos Reis Ambientes de Decisión Toma de decisiones bajo certidumbre: los datos se conocen en forma determinista. P ij = 1 Toma de
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detalles