Fís. Abraham Vilchis Uribe ©

Slides:



Advertisements
Presentaciones similares
Rectas en el plano cartesiano
Advertisements

DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Intervalos de Confianza para la Varianza de la Población
Tema 6: Regresión lineal.
Tema.9.Predicción y estimación. Concepto. Cálculo de la ecuación de regresión lineal. Modelo general lineal. Evaluación del modelo. Diagnóstico del modelo.
Introducción a la Física
Regresión mínimo cuadrada (I)
REGRESION LINEAL SIMPLE
Estadística Unidad III
MÉTODOS DE MEDICIÓN DE COSTOS.
Variable Aleatoria Continua. Principales Distribuciones
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
Integral Definida y Cálculo de Áreas.
Definiciones y conceptos básicos
KRIGING.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
INFERENCIA ESTADISTICA
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Modelo básico de regresión Lineal
Estimación por Intervalos de confianza
Regresión y correlación
Conceptos básicos de inferencia
Seleccionar una muestra
Resortes y análisis mediante regresión lineal de datos
Tema 2: Métodos de ajuste
Distribuciones bidimensionales. Tablas de contingencia
Ajuste de Curvas Los Métodos Numéricos Métodos mas utilizados
REALIZADO POR: GUENIUS 2013 TEMA: ECUACIÓN DE LA RECTA.
PROYECCIONES DE LA DEMANDA
Unidad VI: PRUEBAS DE HIPOTESIS
Prácticas de Fundamentos Físicos de la Arquitectura Técnica Profesor Ignacio Negueruela Díez Curso
Prueba para la Bondad de ajuste Validación de Modelo
BIOMETRIA II TEMA 2 El Modelo de Regresión.
VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
Ecuaciones Algebraicas
Errores e Incertidumbre
Departamento de Física
ESTADISTICA TEMA y 223.
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
El promedio como variable aleatoria: error estándar e intervalo de confianza para la media de la muestra Mario Briones L. MV, MSc 2005.
Métodos de calibración: regresión y correlación
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Introducción a la Inferencia Estadística
CORRELACION Y REGRESION LINEAL: Introducción
Inferencia Estadística
Función lineal Lic. Andrés Latorre.
Repaso de clase anterior
Límites y Continuidad.
Capítulo 1. Conceptos básicos de la Estadística
CINEMÁTICA Movimiento Rectilíneo Uniformemente Acelerado (MRUA) O
Características estáticas de los elementos del sistema de medición
1 Y MODELO DE REGRESIÓN SIMPLE Suponemos que una variable Y es una función lineal de otra variable X, con parámetros desconocidos  1 y  2 que queremos.
Estimación y contraste de hipótesis
Regresión Lineal Simple
ESTIMACIÓN DE PARÁMETROS
Método de mínimos cuadrados
Definiciones y conceptos básicos
Resolución de Problemas Método Gráfico
MÉTODO BASADO EN LA ECUACIÓN DE GAUSS DE LAS LENTES DELGADAS
P y E 2012 Clase 15Gonzalo Perera1 Repaso de la clase anterior. Métodos de estimación.
RECTAS Primera Parte.
INFERENCIA ESTADÍSTICA
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
Gráfica de una función y su función inversa
REGRESIÓN LINEAL SIMPLE
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
METODO DE MAXIMA PENDIENTE
METODO DEL PUNTO ALTO Y DEL PUNTO BAJO
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Transcripción de la presentación:

Fís. Abraham Vilchis Uribe © Mínimos Cuadrados Método objetivo para encontrar La ecuación de un Modelo Lineal Fís. Abraham Vilchis Uribe ©

Resumen del Método Gráfico Limitaciones Es subjetivo, depende de la persona que grafica y de su criterio. Proporciona un intervalos grande y pesimista No es reproducible, cada experimentador proporciona diferentes aproximaciones para datos iguales Ventajas Es buen estimador cuando se tiene pocos resultados (menos de diez). Nos permite decidir si vale la pena efectuar un experimento más preciso. En caso de no contar con una calculadora o computadora, éste método nos permite efectuar una estimación válida.

Método de los Mínimos Cuadrados Subsana limitaciones del método anterior Ventajas adicionales Es objetivo, sólo depende de los resultados experimentales. Es reproducible, proporciona la misma ecuación no importa quién realice el análisis. Proporciona una estimación probabilística de la ecuación que representa a unos datos experimentales. Proporciona intervalos pequeños de error. Restricciones Sólo sirve para ajustar modelos lineales Requiere tener, al menos, diez mediciones bajo las mismas circunstancias experimentales. Tales resultados deben estar descritos por una distribución de probabilidad conocida. La más común es la distribución normal o gaussiana. Se requiere de algún equipo de cálculo, de lo contrario, es muy engorroso.

Definiciones Preliminares El método de los mínimos cuadrados nos permite encontrar la ecuación de una recta a partir de los datos experimentales. Es decir, utilizando solamente las mediciones experimentales se obtendrá la pendiente y la ordenada al origen de la recta que mejor se ajuste a tales mediciones

Definiciones Preliminares ASÍ PUES, SOLAMENTE NOS SIRVE PARA AJUSTAR MODELOS LINEALES SI ESTE NO ES EL CASO, SE DEBE BUSCAR OTRO MÉTODO DE AJUSTE

Definiciones Preliminares El método de los mínimos cuadrados se calcula en base al siguiente CRITERIO La distancia del punto experimental a la “mejor recta” es mínima.

GRÁFICAMENTE

GRÁFICAMENTE y DIBUJAMOS UNOS EJES DE COORDE-NADAS x

GRÁFICAMENTE GRAFICAMOS LOS PUNTOS EXPERIMEN-TALES + + + + + + + + + + y GRAFICAMOS LOS PUNTOS EXPERIMEN-TALES + + + + + + + + + + + x

GRÁFICAMENTE TRAZA-MOS LA MEJOR RECTA DE TAL MANERA QUE: L + + + + + + y TRAZA-MOS LA MEJOR RECTA DE TAL MANERA QUE: L + + + + + + + + + + + x

GRÁFICAMENTE δy = yi – y(xi) CRITERIO: La distancia, δy, del punto experimental a la “mejor recta”, L, es mínima. L + + + + + δy + + + δy = yi – y(xi) + + + x

GRÁFICAMENTE δy = yi – y(xi) δy = yi – (mxi + b) CRITERIO: La distancia, δy, del punto experimental a la “mejor recta”, L, es mínima. Para todos los puntos L + + + + + δy + + yi + δy = yi – y(xi) δy = yi – (mxi + b) y(xi) + + + xi x

GRÁFICAMENTE δy = yi – y(xi) δy = yi – (mxi + b) CRITERIO: La distancia, δy, del punto experimental a la “mejor recta”, L, es mínima. Esta distancia se tomará al cuadrado. L + + + + + δy + + yi + δy = yi – y(xi) δy = yi – (mxi + b) δy2 =[ yi – (mxi + b)]2... Ec. 1 y(xi) + + + xi x

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b.

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b. Al efectuar la minimización de la ecuación uno respecto a todos los puntos experimentales bajo el criterio de los mínimos cuadrados,

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b. Al efectuar la minimización de la ecuación uno respecto a todos los puntos experimentales bajo el criterio de los mínimos cuadrados, el procedimiento nos arroja el valor de la pendiente

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b. Al efectuar la minimización de la ecuación uno respecto a todos los puntos experimentales bajo el criterio de los mínimos cuadrados, el procedimiento nos arroja el valor de la pendiente con su error

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b. Al efectuar la minimización de la ecuación uno respecto a todos los puntos experimentales bajo el criterio de los mínimos cuadrados, el procedimiento nos arroja el valor de la pendiente con su error, y de la ordenada al origen

CALCULANDO LOS VALORES DE la pendiente, m, y de la ordenada, b. Al efectuar la minimización de la ecuación uno respecto a todos los puntos experimentales bajo el criterio de los mínimos cuadrados, el procedimiento nos arroja el valor de la pendiente con su error, y de la ordenada al origen con su error; de la “mejor recta”:

ESCRIBIENDO LA ECUACIÓN DEL MODELO.

ESCRIBIENDO LA ECUACIÓN DEL MODELO. AL OBTENER LOS VALORES DE LA PENDIENTE Y DE LA ORDENADA AL ORIGEN,

ESCRIBIENDO LA ECUACIÓN DEL MODELO. AL OBTENER LOS VALORES DE LA PENDIENTE Y DE LA ORDENADA AL ORIGEN, PODEMOS ENTONCES ESCRIBIR LA ECUACIÓN DE LA RECTA EN LA FORMA USUAL:

ESCRIBIENDO LA ECUACIÓN DEL MODELO. AL OBTENER LOS VALORES DE LA PENDIENTE Y DE LA ORDENADA AL ORIGEN, PODEMOS ENTONCES ESCRIBIR LA ECUACIÓN DE LA RECTA EN LA FORMA USUAL: VD = pendiente VI + ord. al origen y = (m ± Sm) x + (b ± Sb); donde la y está en las unidades u, y la x está en las unidades u´.

ESCRIBIENDO LA ECUACIÓN DEL MODELO. AL OBTENER LOS VALORES DE LA PENDIENTE Y DE LA ORDENADA AL ORIGEN, PODEMOS ENTONCES ESCRIBIR LA ECUACIÓN DE LA RECTA EN LA FORMA USUAL: VD = pendiente VI + ord. al origen y = (m ± Sm) x + (b ± Sb); donde la y está en las unidades u, y la x está en las unidades u´. Al reportar de esta manera, conocemos la ecuación del modelo con un 68% de probabilidad asumiendo que los resultados se distriubuyen normalmente

EJEMPLO SE TOMARON DIFERENTES VALORES DE MASA Y VOLUMEN DE AGUA PARA DETERMINAR SU RELACIÓN, Y LA DENSIDAD DEL AGUA. SE CONTROLÓ LA MASA OBTENIÉNDOSE LOS SIGUIENTES RESULTADOS:

EJEMPLO SE TOMARON DIFERENTES VALORES DE MASA Y VOLUMEN DE AGUA PARA DETERMINAR SU RELACIÓN, Y LA DENSIDAD DEL AGUA. SE CONTROLÓ LA MASA OBTENIÉNDOSE LOS SIGUIENTES RESULTADOS: #/CANT. M, ± 0.1, g V, ± 0.6, ml 1 10 9.9 2 15 15.3 3 20 19.8 4 25 25.2 5 30 29.9 6 35 35.3 7 40 39.8 8 45 45.2 9 50 49.9 55 55.1

EJEMPLO SE TOMARON DIFERENTES VALORES DE MASA Y VOLUMEN DE AGUA PARA DETERMINAR SU RELACIÓN, Y LA DENSIDAD DEL AGUA. SE CONTROLÓ LA MASA OBTENIÉNDOSE LOS SIGUIENTES RESULTADOS: #/CANT. M, ± 0.1, g V, ± 0.6, ml 1 10 9.9 2 15 15.3 3 20 19.8 4 25 25.2 5 30 29.9 6 35 35.3 7 40 39.8 8 45 45.2 9 50 49.9 55 55.1 Se desea encontrar la ecuación que ajusta estos datos utilizando el método de los Mínimos Cuadrados y Determinar el valor de la densidad del agua.

EJEMPLO Utilizando una hoja de cálculo obtenemos:

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml.

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g.

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g. La ecuación será: M = (1.000± 0.005) V + (0.0± 0.2), donde M está en g, y V está en ml.

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g. La ecuación será: M = (1.000± 0.005) V + (0.0± 0.2), dondeM está en g, y V está en ml. Comparando los modelos teórico y experimental, observamos que la densidad es el inverso de la pendiente: ρ = 1/m.

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g. La ecuación será: M = (1.000± 0.005) V + (0.0± 0.2), dondeM está en g, y V está en ml. Comparando los modelos teórico y experimental, sabemos que la densidad es el inverso de la pendiente: ρ = 1/m. Calculando obtenemos:

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g. La ecuación será: M = (1.000± 0.005) V + (0.0± 0.2), dondeM está en g, y V está en ml. Comparando los modelos teórico y experimental, sabemos que la densidad es el inverso de la pendiente: ρ = 1/m. Calculando obtenemos:

EJEMPLO Utilizando una hoja de cálculo obtenemos: La pendiente: m = 1.000 ± 0.005 g/ml. La ordenada al origen: b = 0.032 ± 0.167 g. La ecuación será: M = (1.000± 0.005) V + (0.0± 0.2), dondeM está en g, y V está en ml. Comparando los modelos teórico y experimental, sabemos que la densidad es el inverso de la pendiente: ρ = 1/m. Calculando obtenemos: Así pues, la densidad será: ρ = 1.000± 0.005 g/ml.

Resumiendo Método gráfico MÉTODO SUBJETIVO, PROPORCIONA ERRORES GRANDES Y ES UNA ESTIMACIÓN PESIMISTA. SON NECESARIAS MENOS DE DIEZ MEDICIONES. NO ES REPRODUCIBLE NO ES NECESARIO TENER UNA CALCULADORA O COMPUTADORA. PERMITE DECIDIR SI SE HACE UN EXPERIMENTO Y UN ANÁLISIS MÁS CUIDADOSO. Mínimos cuadrados MÉTODO OBJETIVO. PROPORCIONA ERRORES PEQUEÑOS Y ES UNA ESTIMACIÓN PROBABILÍSTICA. SE REQUIER DE, AL MENOS, DIEZ MEDICIONES BAJO LAS MISMAS CIRCUNSTANCIAS EXPERIMENTALES Y DISTRIBUCIÓN DE PROBABILIDAD CONOCIDA. ES REPRODUCIBLE.. SE NECESITA ALGÚN APARATO PARA CALCULARLO.