CONSIGNA:

Dada la siguiente tabla de datos:

X 1,2 2,1 2,8 3,1 3,5 4,1 4,4 4,9 5,6 5,9 6,2 6,5
Y 1,06 2,14 3,23 3,8 4,7 6,3 7,33 9,48 13,98 16,56 20,23 25,45

Se pide:

a) Graficar la nube de puntos.

b) Hallar la Recta de Mnimos cuadrados.

c) Hallar la Parbola de Mnimos cuadrados.

d) Ajustar al modelo y = a x / ( b+x )

e) Ajustar a un modelo y = a bx

f) Comparar y decidir la mejor aproximacin.

Nota: en todos los casos deben indicar las sumas para plantear el Sistema de Ecuaciones Normales,
y si corresponde aclarar el cambio de variables. Dicho sistema se puede resolver como se desee
pero debe indicarlo. Y luego debe graficarse la funcin hallada junto a la nube de puntos.
RESOLUCIN

a)

Nube de puntos
30

25

20

15

10

0
0 1 2 3 4 5 6 7

b) Completamos la tabla con los valores necesarios para plantear el sistema de ecuaciones
normales:

X Y X2 X.Y
1,2 1,06 1,44 1,272
2,1 2,14 4,41 4,494
2,8 3,23 7,84 9,044
3,1 3,8 9,61 11,78
3,5 4,7 12,25 16,45
4,1 6,3 16,81 25,83
4,4 7,33 19,36 32,252
4,9 9,48 24,01 46,452
5,6 13,98 31,36 78,288
5,9 16,56 34,81 97,704
6,2 20,23 38,44 125,426
6,5 25,45 42,25 165,425
Sumatoria 50,3 114,26 242,59 614,417

Con estos datos realizamos el sistema de ecuaciones:

Trminos
Matriz de coeficientes: Independientes:
242,59 50,3 614,417
50,3 12 114,26

Sacamos la matriz inversa de la de coeficientes y la multiplicamos con la correspondiente a la de

trminos independientes ( = 1 ) :
 Trminos
Matriz inversa de coeficientes: Independientes:
0,03149689 -0,13202446 614,417 4,26710937 -> a
* =
-0,13202446 0,63673587 114,26 -8,36463345 -> b
Con el resultado obtenido reemplazamos a y b en () = + y graficamos:

() = 4,26710937x - 8,36463345
30

25

20

15

10

0
0 1 2 3 4 5 6 7 8
-5

-10

c) Realizamos el mismo procedimiento, para obtener la parbola (() = 2 + + ) de

mnimos cuadrados:

X Y X2 X3 X4 X.Y X2.Y
1,2 1,06 1,44 1,728 2,0736 1,272 1,5264
2,1 2,14 4,41 9,261 19,4481 4,494 9,4374
2,8 3,23 7,84 21,952 61,4656 9,044 25,3232
3,1 3,8 9,61 29,791 92,3521 11,78 36,518
3,5 4,7 12,25 42,875 150,0625 16,45 57,575
4,1 6,3 16,81 68,921 282,5761 25,83 105,903
4,4 7,33 19,36 85,184 374,8096 32,252 141,9088
4,9 9,48 24,01 117,649 576,4801 46,452 227,6148
5,6 13,98 31,36 175,616 983,4496 78,288 438,4128
5,9 16,56 34,81 205,379 1211,7361 97,704 576,4536
6,2 20,23 38,44 238,328 1477,6336 125,426 777,6412
6,5 25,45 42,25 274,625 1785,0625 165,425 1075,2625
Sumatoria 50,3 114,26 242,59 1271,309 7017,1495 614,417 3473,5767

Trminos
Matriz de coeficientes: independientes:
7017,1495 1271,309 242,59 3473,5767
1271,309 242,59 50,3 614,417
242,59 50,3 12 114,26
 = 1 :

Trminos
Matriz de coeficientes inversa: independientes:
0,01357051 -0,1087604 0,18154812 3473,5767 1,05766651 -> a
-0,1087604 0,903153307 -1,58703548 * 614,417 = -4,20952181 -> b
0,18154812 -1,58703548 3,06551059 114,26 5,78496899 -> c

() = 1,057666512 4,20952181 + 5,78496899

30

25

20

15

10

0
0 1 2 3 4 5 6 7 8

d) Para proponer como funcin aproximante a = () = + se debe realizar un cambio de
variables:
1 + 1 1 1
= => = + => = +

1 1 1
= , = , = , =

x y X Y X2 X.Y
1,2 1,06 0,83333333 0,94339623 0,69444444 0,78616352
2,1 2,14 0,47619048 0,46728972 0,22675737 0,22251891
2,8 3,23 0,35714286 0,30959752 0,12755102 0,11057054
3,1 3,8 0,32258065 0,26315789 0,10405827 0,08488964
3,5 4,7 0,28571429 0,21276596 0,08163265 0,06079027
4,1 6,3 0,24390244 0,15873016 0,0594884 0,03871467
4,4 7,33 0,22727273 0,13642565 0,05165289 0,03100583
4,9 9,48 0,20408163 0,10548523 0,04164931 0,0215276
5,6 13,98 0,17857143 0,07153076 0,03188776 0,01277335
5,9 16,56 0,16949153 0,06038647 0,02872738 0,010235
6,2 20,23 0,16129032 0,04943154 0,02601457 0,00797283
6,5 25,45 0,15384615 0,03929273 0,02366864 0,00604504
Sumatoria 3,61341783 2,81748986 1,4975327 1,39320721
 Trminos
Matriz de coeficientes independientes:
1,4975327 3,61341783 1,39320721
3,61341783 12 2,81748986

= 1 :

Trminos
Matriz de coeficientes inversa: independientes
2,44219922 -0,73539052 1,39320721 1,33053423 -> A
* =
-0,73539052 0,30477277 2,81748986 -0,16585719 -> B

Una vez obtenido A y B, volvemos a las variables originales a y b:

= 6,02928351, = 8,02216808

6,02928351
() =
8,02216808 +
30

25

20

15

10

0
0 1 2 3 4 5 6 7

e) Para ajustar al modelo = se debe realizar otro cambio de variables:

ln() = ln() + ln() => = +

= ln() , = ln() , = ln()

 x y Y X2 x.Y
1,2 1,06 0,058268908 1,44 0,06992269
2,1 2,14 0,760805829 4,41 1,59769224
2,8 3,23 1,172482137 7,84 3,28294998
3,1 3,8 1,335001067 9,61 4,13850331
3,5 4,7 1,547562509 12,25 5,41646878
4,1 6,3 1,840549633 16,81 7,5462535
4,4 7,33 1,991975516 19,36 8,76469227
4,9 9,48 2,249184316 24,01 11,0210031
5,6 13,98 2,637627737 31,36 14,7707153
5,9 16,56 2,806990149 34,81 16,5612419
6,2 20,23 3,007166651 38,44 18,6444332
6,5 25,45 3,236715743 42,25 21,0386523
Sumatoria 22,6443302 242,59 112,852529

Trminos
Matriz de coeficientes independientes
242,59 50,3 112,8525287
50,3 12 22,6443302

= 1 :

Trminos
Matriz de coeficientes inversa independientes
0,03149689 -0,13202446 112,8525287 0,56489812 -> A
* =
-0,13202446 0,63673587 22,6443302 -0,48083711 -> B

Despejamos a y b:

= 0,61826562, = 1,75926854

() = 0,61826562 1,75926854

30

25

20

15

10

0
0 1 2 3 4 5 6 7
f) Realizamos un cuadro comparativo de los errores relativos:

Aproximacin Error
Recta Parbola Hiprbola Exponencial Recta Parbola Hiprbola Exponencial
2 2 2
x y Y Y Y Y di di di di2
1,2 1,06 -3,24410221 2,2565826 1,06053385 1,21779352 18,5252958 1,43180992 0,00000029 0,0248988
2,1 2,14 0,59629623 1,60928251 2,13798312 2,02475548 2,38302133 0,28166105 0,00000407 0,0132813
2,8 3,23 3,58327279 2,29041338 3,23275574 3,00680373 0,12480166 0,88282301 0,00000759 0,04981658
3,1 3,8 4,8634056 2,89962656 3,79726547 3,56208863 1,13083147 0,81067232 0,00000748 0,05660182
3,5 4,7 6,57024935 4,00805743 4,66645465 4,46516566 3,49783263 0,47878452 0,00112529 0,05514717
4,1 6,3 9,13051497 6,30530364 6,30265248 6,26667047 8,01181502 0,00002813 0,00000704 0,00111086
4,4 7,33 10,4106478 7,7394967 7,32402441 7,42397498 9,49039078 0,16768755 0,00003571 0,0088313
4,9 9,48 12,5442025 10,5528851 9,46249159 9,84696894 9,38933679 1,15108238 0,00030654 0,1346662
5,6 13,98 15,531179 15,3800687 13,9395725 14,6229523 2,40615639 1,96019228 0,00163438 0,41338769
5,9 16,56 16,8113118 17,7661616 16,7624671 17,3234627 0,06315764 1,45482578 0,04099295 0,58287529
6,2 20,23 18,0914447 20,3426345 20,5148791 20,5226929 4,57341895 0,01268653 0,08115608 0,08566913
6,5 25,45 19,3715775 23,1094873 25,7463964 24,3127446 36,9472205 5,47799947 0,08785085 1,2933499
Sumatoria 96,543279 14,1102529 0,21312826 2,71963603

Como conclusin, al utilizar un modelo hiperblico se obtiene el menor error, por ende es la recomendacin para la nube de puntos dada.
 Trabajo Prctico
Matemtica Superior

Tema: Aproximacin de funciones

Alumno: Carrizo Vega Emiliano

Legajo: 150.266-9

Curso: K3053

2017