Beruflich Dokumente
Kultur Dokumente
El ajuste de curvas consiste en encontrar una curva que contenga una serie de puntos y
que posiblemente cumpla una serie de restricciones adicionales. Esta sección es una
introducción tanto a la interpolación (cuando se espera un ajuste exacto a determinadas
restricciones) y al ajuste de curvas/análisis de regresión (cuando se permite una
aproximación).
La interpolación se llama lineal cuando sólo se toman dos puntos y cuadrática cuando se
tomen tres.
Interpolación lineal:
Sean dos puntos (x0, y0), (x1, y1), la interpolación lineal consiste en hallar una
estimación del valor y, para un valor x, tal que x0<x< x1. Teniendo en cuanta que la
ecuación de la recta que pasa por esos dos puntos, obtenemos:
Caso 2: Tenemos los datos: (x0, y0), (x1, y1) en este caso el polinomio de interpolación
es la función lineal que une a los dos puntos dados. Por lo tanto tenemos que:
Es el polinomio de interpolación.
Interpolación cuadrática:
Cuando se tiene más de dos puntos:
Caso 3: tenemos los datos (x0, y0), (x1, y1), (x2, y2). Para este caso, el polinomio de
interpolación va a ser un polinomio de grado 2, el polinomio de interpolación será como
sigue.
Bibliografía:
http://es.wikipedia.org/wiki/Interpolaci%C3%B3n_lineal
http://es.scribd.com/doc/52295347/INTERPOLACION-LINEAL-Y-CUADRATICA
La prueba más directa (con el coste de unos leves conocimientos de álgebra) consiste
en plantear el sistema lineal de ecuaciones (ahora las incógnitas son los coeficientes del
polinomio P buscado) y darse cuenta de que es un sistema compatible determinado al
tener matriz de coeficientes de tipo Van der Monde (con los xi distintos dos a dos) y por
tanto invertible.
Sin embargo, pocos estudios requieren la interpolación de tan sólo 6 puntos. Se suelen
contar por decenas e incluso centenas. En estos casos, el grado de este polinomio sería
tan alto que seria inoperable. Por lo tanto, en estos casos, se recurre a otra técnica de
interpolación, como por ejemplo a la Interpolación polinómica de Hermite o a los
splines cúbicos
Cualquier polinomio de <n[x] se puede expresar en forma única como una combinación
lineal de los monomios {1, x, x2,. . ., xn}, pues son evidentemente sistema generador y
además linealmente independientes (luego forman una base del espacio vectorial), la
más simple de hecho, la base canoníca.
Vimos que resultaba útil incluir los propios nodos del problema en los polinomios a
construir, de modo que en este parágrafo adoptamos una solución intermedia.
Bibliografía:
http://es.wikipedia.org/wiki/Interpolaci%C3%B3n_polin%C3%B3mica_de_Lagrange
http://es.wikipedia.org/wiki/Interpolaci%C3%B3n_polin%C3%B3mica
La dependencia entre dos (o más) variables puede ser tal que se base en una relación
funcional (matemática) exacta, como la existente entre la velocidad y la distancia
recorrida por un móvil; o puede ser estadística. La dependencia estadística es un tipo de
relación entre variables tal que conocidos los valores de la (las) variable (variables)
independiente(s) no puede determinarse con exactitud el valor de la variable
dependiente, aunque si se puede llegar a determinar un cierto comportamiento (global)
de la misma. (Ej. La relación existente entre el peso y la estatura de los individuos de
una población es una relación estadística). Pues bien, el análisis de la dependencia
estadística admite dos planteamientos (aunque íntimamente relacionados):
· El estudio del grado de dependencia existente entre las variables que queda
recogido en la teoría de la correlación.
Desde un punto de vista estadístico, un requisito implícito para que funcione el método
de mínimos cuadrados es que los errores de cada medida estén distribuidos de forma
aleatoria. El teorema de Gauss-Márkov prueba que los estimadores mínimos cuadráticos
carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una
distribución normal. También es importante que los datos recogidos estén bien
escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para
dar más peso a un dato en particular, véase mínimos cuadrados ponderados).
Bibliografía:
http://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
4.4 Aplicaciones.
Para el ajuste de curvas, los splines se utilizan para aproximar formas complicadas. La
simplicidad de la representación y la facilidad de cómputo de los splines los hacen
populares para la representación de curvas en informática, particularmente en el terreno
de los gráficos por ordenado. Tenemos los siguientes 3:
Bibliografía: