Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
25/8/2012
1632 Palabras
PGINA
1
DE 7
Linealizacin
Objetivo General
Linealizar modelos.
Objetivos especficos
La logaritmacin
Cambio de variables
Por logaritmacin
Entre los modelos que permiten linealizacin mediante la logaritmacin estn:
La funcin potencial.
La funcin exponencial.
La funcin potencial
La funcin
y = bx a
se linealiza a travs de los logaritmos,
log y = a log x + log b
Cambiando variables,
log y y '
log x x '
se obtiene,
y ' = ax '+b'
log b b '
Universidad Nacional de Colombia
Facultad de Ciencias, Escuela de Fsica, Sede Medelln
Pgina 3
Linealizacin
Es decir, si en la funcin potencial se grafica log y vs log x se obtiene la ecuacin de
una lnea
recta.
La funcin exponencial
La funcin
y = be a x
se linealiza a travs de los
Linealizacion
25/8/2012
1632 Palabras
PGINA
2
DE 7
logaritmos,
Ln y = ax + Ln b
Cambiando variables,
Ln b b'
Ln y y '
se obtiene,
y ' = ax + b '
Es decir, si en la funcin potencial se grafica ln y vs x se obtiene la ecuacin de una
lnea recta.
Por cambio de variables
En los siguientes ejemplos se ilustrarn modelos que mediante el adecuado cambio
de variables
quedan linealizados.
Ejemplo 1
Supngase que se tiene un sistema masa-resorte oscilando. El modelo terico afirma
que, suponiendo que el alargamiento del resorte es proporcional a la carga aplicada
(peso de la masa, m,
acoplada al resorte), el perodo de oscilacin, P, de la masa oscilante es:
P = 2
m
k
siendo k, la constante elstica del resorte. Esta ecuacin se puede transformar en,
P2 =
4 2
m
k
y al graficar P 2 vs m se obtiene una lnea recta con pendiente,
a=
4 2
k
Pgina 4
Linealizacin
Ejemplo 2
Para pequeas oscilaciones, en el modelo terico se afirma que el periodo de un
pndulo simple
(masa puntual que pende de un hilo inextensible) es,
P = 2
l
g
en donde l corresponde a su longitud y g al valor de la aceleracin de la gravedad en
el sitio
donde oscila. La ecuacin se puede transformar en,
P2 =
4 2
l
g
y al graficar P 2 vs l se obtiene una lnea recta con pendiente,
a=
4
g
2
Regresin lineal
Dados un conjunto de datos experimentales
(x1,y1), (x2,y2),,
Linealizacion
25/8/2012
1632 Palabras
PGINA
3
DE 7
s = ( i ) = [ yi (axi + b)]
i =1
2
i=1
2
Pgina 5
Linealizacin
El extremo de s, mximo o mnimo se obtiene cuando las derivadas de s respecto de
a y de b sean
nulas, lo que da lugar a un sistema de dos ecuaciones con dos incgnitas del que se
despeja a y b
obtenindose,
N
a=
N
i =1
i =1
N
N
i =1
N xi y i xi y i
b=
N
i =1
N
i =1
N
i =1
i =1
xi2 y i xi xi y i
con,
N
= N
i =1
N
x xi
i =1
2
2
i
Las respectivas incertidumbres en a y b son:
N
ua = y
x
2
i
N
ub = y
i =1
con,
y =
1N
2
( yi b axi )
N 2 i =1
Regresin lineal empleando PhysicsSensor
PhysicsSensor es una
Linealizacion
25/8/2012
1632 Palabras
PGINA
4
DE 7
Pgina 6
Linealizacin
Figura 2
Manejo de PhysicsSensor
Documento con los datos
Los datos se deben estructurar en un documento .txt (es decir, texto plano) formando
las siguientes
cinco columnas (y en ese orden),
DATO
x
y
ux
uy
en donde ux, uy
Matemticasfinitas temaenlnea:regresin
lineal y exponencial
Note:LasmatemticasenestapginahansidomecanografiadoporjsMath.ParaverjsMathasumejor
expresin,debeinstalarlasfuentesjsMathTeX.HagaclicenelbotndejsMathenlaparteinferior
derechadelapaginaparavermsdetalles.
Yahemosvistocomoajustarunarectaaunconjuntodedospuntosdedatos:Secalculalaecuacindela
rectaquepasapordospuntosdados.(Vealaresumen de funcionesparaalgunosejemplos.)Sinembargo,
porlogeneralsetienemsquedospuntosdedatos,yrarasvecesestntodosenunasolarecta.El
problemaesquehallarlarectaqueajustalosdatostanestrechamentequeposible.
160
180
200
220
240
260
280
Ventasdenuevacasasesteao
126
103
82
75
82
40
20
Queremosutilizarestosdatosparaconstruirunafuncindedemandaparaelmercadodelosbienes
races.(Recuerdequeunafuncindedemandaespecificalademanda,y,medidaaquporventasanual,
comounafuncindelprecio,x.)Aquestunatrazadey contrax :
Losdatossugieraunarecta,msomenos,yentoncesunarelacinlinealentreyyx.Aqusonvarias
rectasqueseacercanalospuntos:
PCulrectaajustalospuntoslomsestrechamentequeposible?
RNosgustaraquelasventasquepronosticaralarecta(losvalorespronosticados)estuvierantan
cercacomofueraposibledelasventasreales(losvaloresobservados).Lasdiferenciasentrelosvalores
esperadosylosvalorespronosticados,quesonloserroresresiduales,sonlasdistanciasverticalesque
semarcaninlafiguramsabajo.
Errorresidual=ValorobservadoValorpronosticado
PEntoncescomopodemoshacerlo?
RSumamosprimerotodosloscuadradosdeloserroresresidualesparaobtenerunsoloerrorquese
llamaelsumadeloserroresalcuadrado(SSEsiglaseninglsde"SumofSquaresError")y
escogemoslarectaquesedaelmspequeovalordeSSE.Estarectasellamalarectademejor
ajuste,rectaderegresin,orectademnimoscuadradosasociadaalosdatos.
Tenemoslasiguientetabladevalores:
y Observado
y Pronosticado
y =x+300
Error residual
160
126
140
14
180
103
120
17
yy
200
82
220
75
240
82
100
18
260
40
280
20
Entonces,paralarectay=x+300
SSE
= Sumadelosvaloresdeerroresresiduales
=
1417185+22+0+0
32
PMuybien.AhorasabemoscomosecalculaelvalordeSSEparaunarectayadada.Comohallamos
larectademejorajuste;esdecir,larectaparaqueSSEeslomenor?
RPresentaremosaqulaformulaqueladetermina.Justificarlanecesitaclculo;puedeconsultarel
capitulodefuncionesdevariasvariablesenClculo Aplicadoparaunaexplicacindetallada.
Recta de regresin (o mejor ajuste)
y=mx+b
donde
Pendiente=m=n
(x2)
x 2n
xy
Interseccin=b=n
ym
Aqu, significa"lasumade."As,
y= suma
Elusodelasformulasasbastantefcil,comosemuestraelsiguienteejemplo.
xx
yy
1.5
1.6
2.1
3.0
Solucin Paraaplicarlasformulas,esmejororganizarlosdatosenformadetablacomosigue:
(Cuandoharellenadolosvaloresdexyyx2 correctamente,pulse"Sumas"paraobtenerlasumadecada
columna.)
xx
yy
xyxy
x2x2
1.5
1.6
2.1
3.0
x= 10
y= 8.2
xy=
x2=
Sustituyendolosvalorescorrectosdelatablamsarribaenlasformulas,obtenemos
Pendiente=m=n
(x2)
x 2n
xy
ym
y =4(30)1024(23)
x =48 2(0 5)
Porlotanto,larectaderegresines
y=0 5x+0 8
Antes de seguir... Aquestaunatrazadelospontosdedadosylarectaderegresin.
Observequenisiquierapasalarectaporunodelospuntos,peroeslarectaqueseajustamejoralos
puntos.
Regresamosalosdatossobrelademandaparaelmercadodelosbienesracesconlaqueempezamos
estetema.
160
180
200
220
240
260
280
Ventasdenuevacasasesteao
126
103
82
75
82
40
20
Solucin Aquestaunatablacomolaqueusamosmsarribaparaorganizarlascalculaciones:
xx
yy
xyxy
x2x2
160
126
20,160
25,600
180
103
18,540
32,400
200
82
16,400
40,000
220
75
16,500
48,400
240
82
19,680
57,600
260
40
10,400
67,600
280
20
5,600
78,400
x=1540
y=528
xy=107 280
x2=350 000
Sustituyendoestosvaloresenlaformula(conn=7),obtenemos
Pendiente=m=n
(x2)
x 2n
xy
y =7(350 000)154
ym
Observequeusamoselvalormsexactoquepudimosobtenerenlacalculadora,m 0 7928571429,
enlugardelvalorredondeado(0 7929) enlacalculacindeb.Esoilustralasigiuentereglageneral:
Alcalcular,noredondeelosresultadosintermedios;envezdeeso,utilicelosresultadosmsexactos
quepuedeobtener,usandolosvaloresguardadosensucomputadoraocalculadorasiesposible.
Porlotanto,larectaderegresines
y=0 7929x+249 9
Ahorapodemosutilizarestaecuacinpronosticarlasventasanualesdecasacuyoprecioes$140,000:
Ventasanualesdecasaspreciadasa
$140,000
redondeealnmeroenteroms
cercano
PSimispuntosestnenunarecta,estlarectademejorajuste?
RS.Silospuntosestnenunarecta,elvalormnimoposibledeSSEescero,yesosucedesiseusala
rectaquepasaportodoslospuntos.Unaconsecuenciadeestehechoesquesepuedeusarlaherramienta
regresinensugraficadoraola herramienta regresin en este sitioparacalcularlaecuacindelarecta
quepasapordospuntosespecificados.
PSinotodoslosuntosestnenunarecta,cmopuedosabercuntoseacercanaunarecta?
RHayunnmeroquemidela"bondaddeajuste"delarectaderegresinllamadocoeficientede
correlacin.Estenmero,queserepresentaporr,estentre1y1 .Cuantomsse
acercar a1 o1 ,elajusteesmejor.Sielajusteesmalo,seacercara0.Sielajustoes
exacto,r=1 paraunarectaconpendientenegativa,or=1 paraunarectadependientepositiva.La
figuramsabajomuestravariosconjuntosdepuntosconsusrectasderegresin,ylosvalores
correspondientesder.
Elcoefficientedecorrelacinsepuedecalcularconlasiguienteformula.Paraobtenerlaserequieren
buenosconocimientosdeestadstica.
Coeficiente de correlacin
y2
xy
x2
y=Arx ?
RLaideaesconvertirunacurvaexponencialaunarectapormediodelogaritmos,comosigue:
Empiececonlafuncinexponencial
y=Arx
ytomeellogaritmodeamboslados:
logy=log(Arx)
Laspropiedadesdelogaritmosnosdanentonces
r A =10m =10b
Pararesumir,
Regresin exponencial
Paraobtenerlacurvaexponencialdemejorajustedelaforma
y=Arx
1. Obtengalarectaderegresinusandolosdatos(x logy) .
2. LoscoeficientesdeseadosAyr sonentonces
r A =10m =10b
dondemyb sonlapendienteyinterseccindelarectaderegresin.
tt = Ao (1990 = 0)
RR = Ingreso ($ billn)
11
25
* Datos son redondeados. Fuente: Informes de compaa/The New York Times, Enero 27, 1998, p. D1.
x (=t)x (=t)
y (=logR)y (=logR)
0.477121
0.602060
1.04139
1.39794
Enlugardehacerlacalculacinamanocomohicimosmsarriba,podemosutilizarla herramienta
regresin en este sitioparahacerloautomticamente.Simplementeingreselosvaloresdexyy ypulseel
botn"y=mx+b ".(S,laherramientapuedehacerregresinexponencialdirectamente,pero
preferimosquesabeustedcomofunciona!)
Larectaderegresinqueobtenemoses
R=Art
,
donder=10m=100 13907 1 3774,yA=100 42765 2 6770.
Nuestramodelodeingresoses,porlotanto,
http://www.zweigmedia.com/MundoReal/calctopic1/regression.html