Métodos Numéricos
Unidad 1.Teoría de Errores
Contenido
Introducción
Error Aproximado y Error Relativo
Error Redondeo y de Cifras Significativas
Errores de Truncamiento
Errores en la Computadora
Otros tipos de Errores
Introducción
Introducción a Errores
Los métodos numéricos obtienen una aproximación a
una solución analítica
Esta solución presenta cierta diferencia o error ya que
los métodos numéricos son solo una aproximación
Se presenta una aproximación al error
Errores más comunes
Error por Redondeo. Una computadora solo presenta
cantidades con un número finito de dígitos
Error de Truncamiento. Diferencia entre una
representación matemática de un problema y su aproximación
obtenida por un método numérico
Otros Tipos de Error
⚫ Existen otros tipos de errores además de los dos más comunes
⚫ Errores de formulación
⚫ Errores de modelo
⚫ Incertidumbre en la obtención de datos
Exactitud y Precisión
La exactitud se refiere a que tan cercano está el valor calculado
o medido del valor verdadero
La precisión se refiere a que tan cercanos están unos de
otros, diversos valores calculados o medidos
Inexactitud y Precisión
Sesgo o Inexactitud. Se define como una desviación del
valor verdadero
Imprecisión o Incertidumbre. Magnitud en la dispersión de los
resultados
Lo que se espera de un método numérico es que sea exacto, es
decir, con el menor sesgo posible y precisos con poca
incertidumbre
Exactitud y Precisión
⚫ Considerar los siguientes datos:
Tabla 1 Tabla 2
200.25 190.25
250.48 192.32
196.32 180.48
240.28 179.36
Tabla 3 Tabla 4
200.25 186.32
205.32 184.28
201.48 185.35
204.56 183.98
Exactitud y Precisión
• Del ejemplo anterior, si se espera que se tenga un valor
de 185.32, se puede decir que:
– La Tabla 1 es Inexacta e Imprecisa
– La Tabla 2 es Exacta e Imprecisa
– La Tabla 3 es Inexacta y Precisa
– La Tabla 4 es Exacta y Precisa
• De un método numérico se espera que sea exacto, con el
menor sesgo posible y preciso, es decir con poca
incertidumbre
Error Aproximado y Error Relativo
Valor y Error Verdaderos
El valor verdadero obtenido en una aproximación se
define como:
Reordenando para calcular el error se tiene:
Error Relativo
• Es necesario normalizar el error respecto al valor
verdadero, el cuál se puede expresar también en forma
porcentual.
• A éste último se le conoce como Error Relativo Porcentual
Ejemplo
⚫ Se quiere medir el voltaje de una fuente de alimentación y
se obtiene un valor de 123.4V, si se sabe que el valor
verdadero es de 125V, se tiene:
⚫ Error Verdadero
⚫ Error Relativo Porcentual
Definición
El error aproximado surge ya que es muy difícil o
imposible conocer los valores verdaderos
Algunos métodos utilizan un método iterativo para calcular los
resultados, aquí se considera la aproximación anterior
Esto se repite varias veces esperando mejores aproximaciones
Cálculo del Error Aproximado
El error aproximado se calcula de la siguiente manera:
Al no tener los valores verdaderos, se utilizan
métodos iterativos para calcular los resultados
Evaluación del Error Aproximado
⚫ Lo que importa del Error absoluto es su magnitud, esta se
compara con el error que se espera según la cantidad de cifras
significativas
⚫ Para determinar s se consideran las cifras significativas, pero
se estima que para un resultado correcto de n cifras
significativas, se utiliza
⚫ Esto se expresa en porcentaje
Error de Redondeo y Cifras Significativas
Cifras Significativas
El concepto de Cifra Significativa se ha desarrollado para
designar de manera formal la confiabilidad de un valor
numérico
Las Cifras Significativas de un número son aquellas que se
pueden usar de manera confiable
Es el número de dígitos que se conocen más uno estimado
Al dígito estimado se le da el valor de la mitad de la
escala menor de división del instrumento
Ejemplo
• Suponga que se usa una báscula para pesar algo entre 60 y 70Kg
• En una báscula analógica, a lo más podría establecerse un peso
es con una precisión de una cifra significativa, por ejemplo
de
60.6 Kg, por lo que el estimado sería 60.65 Kg
• En una báscula digital con 3 cifras, podría tenerse un peso
de 60.676, por lo que un estimado sería 60.6765 Kg
Importancia de la Cifras Significativas
En métodos numéricos, se deben desarrollar criterios
para especificar que tan confiables son los resultados
La confiabilidad de los resultados se relaciona con la cantidad
de cifras significativas a utilizar
Error de Redondeo
Cuando una computadora no puede representar
cantidades específicas se presenta un Error de Redondeo
Esto ocurre especialmente cuando se tienen valores con
una cantidad de cifras significativas que van hasta el infinito
Errores de Truncamiento
Errores de Truncamiento
Resultan del empleo de aproximaciones en lugar de un
procedimiento matemático exacto y los errores de
redondeo que se tienen cuando se utiliza una
representación con cantidades de cifras significativas
La Serie de Taylor
El teorema de Taylor y la serie de Taylor son de gran
importancia en el estudio de los métodos numéricos.
La serie de Taylor proporciona un medio para predecir el valor
de una función en un punto en términos del valor de la función
y sus derivadas en otro punto y así conocer su comportamiento
Funciones Suaves
Se establece que una Función Suave puede aproximarse por
medio de un polinomio
Una Función Suave es aquella que se puede derivar
hasta cualquier orden sobre un determinado dominio
Definición de la Serie de Taylor
Serie de Taylor
Residuo
En donde representa un valor que se encuentra entre xi y xi+1
H se define como el incremento (xi+1 - xi)
Errores en la Computadora
Conversión a Binario de Enteros
⚫ Para convertir de la base decimal a base binaria, el
procedimiento es:
⚫ Dividir el número a convertir entre la base a la que se desea
transformar, en este caso 2
⚫ Tomar el cociente y aplicar el paso 1 hasta que el éste sea cero
⚫ Ordenar los residuos en orden inverso al que se obtuvieron
Almacenamiento de Enteros
⚫ Método de magnitud con signo, se utiliza el primer bit
para indicar el signo
⚫ Cero (0) para positivo
⚫ Uno (1) para negativo
⚫ El resto de los bits se utiliza para representar el valor absoluto
del número
Conversión a Binario de Fracciones
⚫ Conversión de números decimales con representación en
punto fijo
⚫ Los pasos a seguir son los siguientes:
⚫ Multiplicar la parte fraccionaria por la base a la que se desea convertir
⚫ Tomar la parte entera y colocarla en el orden en que vaya apareciendo
⚫ Volver a multiplicar solo la parte fraccionaria y repetir el paso 2
hasta alcanzar el número de cifras significativas que se deseen
⚫ En caso de tener parte entera y parte fraccionaria, se
convierten por separado a formato binario, se coloca
la parte entera, una “,” y posteriormente la parte
fraccionaria
Almacenamiento en Punto Flotante IEEE
754
⚫ Formato estándar para almacenar números en punto flotante
⚫ Necesita de 32 bits para el almacenamiento
⚫ El bit más significativo se utiliza para el signo positivo (0) o negativo (1)
⚫ Los siguientes 8 bits se utilizan para el exponente expresado en exceso 127
⚫ Los 23 restantes representan la mantisa
Errores de Redondeo en Computadora
⚫ Las computadoras usan un número determinado de
cifras significativas durante sus operaciones
⚫ Hay números en base 10 que no pueden representarse en base
2, esta diferencia se conoce como Error de Redondeo
Estructura del Formato
⚫ Para escribir un número en este formato, se debe normalizar
⚫ 1.(mantisa)x2exponente+127
⚫ El 1 es “invisible”
⚫ Si el número es negativo, se coloca 1 en el bit de signo
Ejemplo de Conversión Punto Flotante
Problemas de Representación
⚫ Cuando se almacena un número fraccionario que tiene
un patrón que se repite de manera infinita, es cuando
se produce un error de redondeo.
⚫ Uno de los casos más conocidos es el de la representación
de 1/10
Otros Tipos de Error
Error Numérico Total
Es la suma de los errores de truncamiento y de redondeo, para
reducir los errores de redondeo, se deben aumentar la cantidad
de cifras significativas
Errores por Equivocación
⚫ Los errores por equivocación se presentan especialmente
al momento del modelado y pueden contribuir con el resto de
los generadores de error
Errores de Formulación
⚫ Se deben principalmente al sesgo que implica un modelo
matemático incompleto, posiblemente no tomando en cuenta
algunos fenómenos que se involucran en el evento modelado
Incertidumbre en los Datos
Se presenta principalmente debido a la incertidumbre en
los datos físicos obtenidos en los que se basa el modelo
Si se utilizan datos físicos, es conveniente realizar un
análisis estadístico para obtener el centro de la distribución y
el grado de dispersión
