Scribd
Cargar
39 vistas8 páginas

Métodos Numéricos

El documento presenta un curso sobre métodos numéricos enfocado en el ajuste de curvas utilizando datos específicos y modelos matemáticos. Se utilizan tres modelos diferentes para ajustar los datos y se determina que el modelo y=Ae^(Bx) ofrece el mejor ajuste basado en el coeficiente de determinación (r2). Se incluyen códigos y gráficos generados en Scilab para ilustrar los resultados de los ajustes.

Cargado por

Willian Lovon Conde
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
39 vistas8 páginas

Métodos Numéricos

El documento presenta un curso sobre métodos numéricos enfocado en el ajuste de curvas utilizando datos específicos y modelos matemáticos. Se utilizan tres modelos diferentes para ajustar los datos y se determina que el modelo y=Ae^(Bx) ofrece el mejor ajuste basado en el coeficiente de determinación (r2). Se incluyen códigos y gráficos generados en Scilab para ilustrar los resultados de los ajustes.

Cargado por

Willian Lovon Conde
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

CURSO: MÉTODOS NUMÉRICOS

NOMBRE: LOVON CONDE WILLIAN PERCY

MÉTODOS NUMÉRICOS
AJUSTE DE CURVAS

Parámetros: Z=2.849
P=0.9109

Ajuste los datos:


(1.5, 22.0); (7.5, 8.0); (2.02, 18.5); (6.59, 7.99); (3.9, 14); (3.5, 13.29)
A los modelos:
A) y=Ax/(x+B)
B) y=Ae^(Bx)
C) y=Ax^B

-Obtenga los parámetros de cada curva.


- Grafique los datos y las tres curvas.
- Qué modelo representa mejor a los datos.

Para todos los casos se usará el método de mínimos cuadrados, siendo la función la siguiente,
bajo el lenguaje Scilab:

A) De:

Invirtiendo y despejando:
Donde:
Obtención de los parámetros A y B:
Código Scilab:

Resultados Scilab:

Gráfico del ajuste:


Código Scilab:

Resultado Scilab:
Coeficiente de determinación (r2):

B) De:
Aplicando logaritmo natural:

Donde:
Obtención de los parámetros A y B:
Código Scilab:

Resultados Scilab:

Gráfico del ajuste:


Código Scilab:

Resultado Scilab:
Coeficiente de determinación (r2):

C)De:

Donde:

Obtención de los parámetros A y B:


Código Scilab:

Resultados Scilab:
Gráfico del ajuste:
Código Scilab:

Resultado Scilab:

Coeficiente de determinación (r2):

D) Mejor ajuste:

Considerando los r 2 para los tres ajustes:


y=Ax/(x+B)

y=Ae^(Bx)
y=Ax^B

Se concluye que el mejor ajuste es para la función y=Ae^(Bx), ya que presenta el r2 mas alto.

Recuperación de la tabla de distribución normal estándar acumulada:


Código Scilab:

Prueba con un número aleatorio “z” (normal):


Código Scilab:

Resultado Scilab:

Gráfico:
Prueba con un número de probabilidad acumulada “P” (normal):
Código Scilab:

Resultado Scilab:
Gráfico:

También podría gustarte