Reporte de Practica.-10

FACULTAD DE
INGENIERIA
TRONCO COMUN
LABORATORIO DE PROGRAMACIÓN
Y MÉTODOS NUMÉRICOS
REPORTE DE PRACTICA N.- 10
SAMUEL IGNACIO ALVAREZ LOPEZ
LORA ALVARADO CARLOS
GRUPO: 11
Mexicali B.C a 06 de mayo del 2020

Introducción
Cuando los datos tienen errores importantes, la interpolación polinomial no suele
ser el mejor ajuste para predecir valores intermedios. Con frecuencia los datos
experimentales son de este tipo. Una estrategia más apropiada para estos casos
consiste en obtener una función de aproximación que se ajuste a la forma o a la
tendencia general de los datos, sin coincidir necesariamente en todos los puntos,
a este tipo de ajuste se le denomina regresión por mínimos cuadrados. El
ejemplo más simple de una aproximación por mínimos cuadrados es ajustar una
línea recta a un conjunto de observaciones definidas por puntos (Chapra, 2007).
La regresión y la correlación son las dos herramientas estadísticas más
poderosas y versátiles que se pueden utilizar para solucionar problemas
comunes en los negocios, ingeniería, entre otros (Webster, 1999).
Objetivo de la practica
Elaborar un programa, con los métodos de regresión lineal por mínimos
cuadrados y regresión exponencial, para apoyar en la solución de problemas de
ciencias e ingeniería, con creatividad y honestidad.
Fundamento
Método Regresión Lineal:
La expresión matemática para la línea recta es:
Donde a0 y a1 son coeficientes que representan la intersección con el eje Y y la

pendiente, respectivamente, e es el error, o diferencia, entre el modelo y las
observaciones y se representa como:
El error es la discrepancia entre el valor verdadero de la variable dependiente y

el valor aproximado de la línea recta que predice la ecuación lineal. Existen
técnicas para minimizar la suma de errores de todos los datos disponibles.
En la ecuación (3) se minimiza la suma de los cuadrados de los errores entre la

y medida y la y calculada con el modelo lineal:
Para calcular el modelo de regresión estimada se puede resolver el siguiente

sistema de ecuaciones lineales con dos incógnitas (a0 y a1);
Éstas se llaman ecuaciones normales, y se resuelven en forma simultánea:
Este resultado se utiliza conjuntamente con la ecuación (4) para obtener:
Donde son las medias de y y x , respectivamente. Finalmente, la función de la

ecuación de la línea recta queda como:
Gráficas en Octave:
Octave es una poderosa herramienta para la manipulación de datos debido a su

capacidad de cálculo numérico, y en muchas ocasiones, visualizar los resultados de
forma gráfica, resulta muy útil. GNU Octave utiliza un tipo especial de ventanas para
realizar las operaciones gráficas. Ciertos comandos abren una ventana nueva y otros
dibujan sobre la ventana activa, y sustituyen los datos sobre ella o añaden nuevos
elementos gráficos a un dibujo anterior.
A continuación, se explicarán algunos comandos que se utilizarán en la manipulación
de gráficas para solucionar esta práctica:
 Plot () Crea un gráfico a partir de datos con escalas lineales sobre ambos ejes.
 Title (‘titulo’) Añade una etiqueta al eje de abscisas y se desaparece con la
instrucción xlabel off.
 Ylabel (‘leyenda’) Añade una etiqueta al eje de las ordenadas y se desaparece
con la instrucción ylabel off.
 Text (x,y,’texto) Introduce texto en el lugar especificado por las coordenadas
x y, y si éstas son vectores, el texto se repite por cada par de elementos.
 Legend () Define rótulos para las distintas líneas o ejes utilizados en la figura.
 grid Activa la inclusión de una cuadrícula en el dibujo y con grid off desaparece
la cuadrícula.
Por lo anterior, para que puedas resolver tu práctica, se presentan algunos ejemplos
con el uso de gráficas. El comando hold on permite mantener la primera abierta la
ventana y
continuar graficando sobre la misma gráfica. El resultado final de este programa, son
tres vectores: x, y z que se grafican simultáneamente.
A continuación, se muestra una breve modificación del comando plot en donde podrás
observar algunas modificaciones en la presentación de las gráficas, como imprimir la
gráfica utilizando un carácter específico – plot(x,’+’) así como seleccionar un color para
realizar la gráfica.
Código utilizado con su explicación de
funcionamiento
1.-Bucle for: La estructura del bucle for es simple. La primera línea identifica el bucle y
define un índice, que es un número que cambia en cada paso a través del bucle.
Después de la línea de identificación viene el grupo de comandos que se quiere
ejecutar. Finalmente, la terminación del bucle se identifica mediante el comando end .
Sintaxis
for var = expression body
endfor
cuando var llega al valor expression el bucle
se detiene.
La regresión lineal o ajuste lineal es un modelo matemático usado para

aproximar la relación de dependencia entre una variable dependiente y variables
independientes. Se trata de ajustar una línea a los datos proporcionados,
buscando que la diferencia entre la línea y los datos sea lo menor posible.
1. Inicio.
2. El usuario debe checar primero las instrucciones del programa para entender el
funcionamiento del programa y no tenga ningún problema al usarlo.
3. El usuario debe de proporcionar los puntos de x.
4. El usuario deberá introducir los valores de los puntos de y.
5. Una vez introducidos estos puntos de la ecuación deberá presionar el botón

calcular y te devolverá la ecuación lineal dependiente de estos puntos
proporcionados y se graficará esta ecuación obtenida.
6. Si el usuario se olvida de proporcionas los datos de x o y este arrojara un error.
7. Si se desea resolver otros ejemplos deberá borrar todos los espacios usados
con el botón borrar e introducir de nuevo los datos que ahora se desean
resolver.
8. fin.
Resultados (Desarrollo de la práctica)

Resolver el siguiente problema usando OCTAVE a través del método de mínimos
cuadrados para ajustar una recta:
Treinta estudiantes de secundaria fueron entrevistados en un estudio acerca de la
relación entre el tiempo que pasan en internet y su promedio de calificaciones. Los
resultados se muestran en la Tabla 1. La variable independiente x quien representa la
cantidad de tiempo que pasan en internet y la variable dependiente y es su promedio
de calificaciones.
Horas Promedio Horas Promedio Horas Promedio
11 2.84 9 2.85 25 1.85
5 3.20 5 3.35 6 3.14
22 2.18 14 2.60 9 2.96
23 2.12 18 2.35 20 2.30
20 2.55 6 3.14 14 2.66
20 2.24 9 3.05 19 2.36
10 2.90 24 2.06 21 2.24
19 2.36 25 2.00 7 3.08
15 2.60 12 2.78 11 2.94
18 2.42 6 2.90 20 2.45
a) Realice un diagrama de dispersión para los datos de la Tabla 1 en Octave.
b) Obtenga la función de la ecuación (8) calculando los valores de a0 y

a1
c) Muestre la gráfica de los datos de la Tabla 1 junto con la recta de predicción
obtenida. Nota: utiliza configuración del comando plot presentación de las gráficas con
leyendas, símbolos, etc.
Código de regresión lineal utilizado

Ventana de comandos
Grafica obtenida
Conclusiones
En esta práctica se vio un método de predicción de valores intermedios que se ajusta a
la forma o tendencia general de los datos dados que aproxima la relación de
dependencia entre una variable dependiente de una independiente buscando que la
diferencia entre la línea y los datos sea la menor posible.
En el código realizado fue necesario el uso de un bucle for para repetir el número de
introducción de datos en X y Y (horas y promedio en el programa) y declarar
principalmente que las sumas de Y,X,Y^2 etc. comiencen en cero, seguido de esto y
una vez introducidos los datos se comienza por la sumatoria de productos cruzados y
utilizar el comando printf para mostrar en pantalla los valores obtenidos a manera de
tabla .
Se utilizaron más fprinf para mostrar también la Media de X y Y (sumax/n, sumay/n);
fprinf para los valores de a1 y a0. y una vez teniendo todos los resultados mostrados se
utilizó el comando plot seguido de los argumentos para nombrar a la gráfica y darle sus
colores tanto a los marcadores como a la línea como tal.
La practica en general fue la mas laboriosa y enredosa por el hecho de utilizar nuevos
comandos como el de darles colores o tamaño o elegir la fuente de las letras en una
tabla, pero los cálculos como obtener la media, o la sumatoria de números es lo más
sencillo de la práctica. Tuve que apoyarme del internet y tutoriales para la gráfica .

Reporte de Practica.-10

Cargado por

Copyright:

Formatos disponibles

Reporte de Practica.-10

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Reporte de Practica.-10

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE

REPORTE DE PRACTICA N.- 10

SAMUEL IGNACIO ALVAREZ LOPEZ

LORA ALVARADO CARLOS

Mexicali B.C a 06 de mayo del 2020

La expresión matemática para la línea recta es:

Donde a0 y a1 son coeficientes que representan la intersección con el eje Y y la

El error es la discrepancia entre el valor verdadero de la variable dependiente y

En la ecuación (3) se minimiza la suma de los cuadrados de los errores entre la

Para calcular el modelo de regresión estimada se puede resolver el siguiente

Éstas se llaman ecuaciones normales, y se resuelven en forma simultánea:

Este resultado se utiliza conjuntamente con la ecuación (4) para obtener:

Donde son las medias de y y x , respectivamente. Finalmente, la función de la

Octave es una poderosa herramienta para la manipulación de datos debido a su

La regresión lineal o ajuste lineal es un modelo matemático usado para

3. El usuario debe de proporcionar los puntos de x.

4. El usuario deberá introducir los valores de los puntos de y.

5. Una vez introducidos estos puntos de la ecuación deberá presionar el botón

Resultados (Desarrollo de la práctica)

a) Realice un diagrama de dispersión para los datos de la Tabla 1 en Octave.

b) Obtenga la función de la ecuación (8) calculando los valores de a0 y

Código de regresión lineal utilizado

También podría gustarte