INSTITUTO TECNOLÓGICO DE TOLUCA

Reporte de Tema

Ajuste polinomial de curvas

Asignatura
Métodos Numéricos

Profesor
Eduardo de la Cruz Sánchez

Carrera
Mecatrónica

P R E S E N T A:
Miguel Angel Salazar Pineda

NO. CONTROL:

15280078

Metepec, Estado de México, a 20 de Mayo de 2017

Introducción
Mínimos cuadrados es una técnica de análisis numérico encuadrada dentro de la
optimización matemática, en la que, dados un conjunto de pares, se intenta
encontrar la función que mejor se aproxime a los datos (un "mejor ajuste"), de
acuerdo con el criterio de mínimo error cuadrático. En su forma más simple, intenta
minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos)
entre los puntos generados por la función y los correspondientes en los datos.
Específicamente, se llama mínimos cuadrados promedio (LMS) cuando el número
de datos medidos es 1 y se usa el método de descenso por gradiente para minimizar
el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado
esperado, con el mínimo de operaciones (por iteración), pero requiere un gran
número de iteraciones para converger.

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.

La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas.

Muchos otros problemas de optimización pueden expresarse también en forma de
mínimos cuadrados, minimizando la energía o maximizando la entropía.
Marco Teórico

 Mínimos cuadrados

Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de

la optimización matemática, en la que, dados un conjunto de pares ordenados
(variable independiente, variable dependiente) y una familia de funciones, se intenta
encontrar la función continua, dentro de dicha familia, que mejor se aproxime a los
datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.

En su forma más simple, intenta minimizar la suma de cuadrados de las

diferencias en las ordenadas (llamadas residuos) entre los puntos generados por la
función elegida y los correspondientes valores en los datos. Específicamente, se
llama mínimos cuadrados promedio (LMS) cuando el número de datos medidos es
1 y se usa el método de descenso por gradiente para minimizar el residuo cuadrado.
Se puede demostrar que LMS minimiza el residuo cuadrado esperado, con el
mínimo de operaciones (por iteración), pero requiere un gran número de iteraciones
para converger.

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 a procesar 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).

La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas.

Muchos otros problemas de optimización pueden expresarse también en forma de
mínimos cuadrados, minimizando la energía o maximizando la entropía.
  Resistencia eléctrica de vías de ferrocarril

En vías ferroviarias convencionales es de vital importancia la resistencia eléctrica

de los distintos elementos que componen la vía. Esto es así debido a que
determinadas señales utilizan como conductor eléctrico los carriles de la propia vía.

Aunque en condiciones favorables, una traviesa de hormigón y el conjunto de

sujeciones que la conectan con el raíl, son aislantes y permiten el buen funcionamiento
de dichas señales, en otros casos (lluvia, alta humedad relativa, condensación de
humedad). Los valores de resistencia eléctrica del sistema traviesa-sujeciones pueden
ser críticos. Con el fin de validar tanto a la traviesa como a los distintos elementos
del sistema de sujeción, existen normas internacionales que se aplican en distintos
ámbitos (por ejemplo, en EEUU se evalúa de acuerdo a la norma “Fas- tener
Electrical Impedance test”). Es fundamental, por motivos de seguridad y
económicos, que el método de evaluación sea lo más fiable posible.

El ensayo según la norma

La traviesa con dos cupones de carril y sus elementos de sujeción montados de la

misma forma que en la vía, se somete a un rociado con agua, midiéndose durante
todo el proceso la resistencia eléctrica entre los dos cupones.

La norma establece condiciones para el rociado (caudal, tipo de rociadores,

bastidor móvil, etc.); para la tensión eléctrica (30 ± 3 Vrms a 50 ± 15 Hz) y los
equipos de medida (voltímetro y amperímetro con 1% de preci- sión, calibrados,
etc.); para la temperatura del agua (10-20 ºC); las condiciones ambientales (15-30
ºC, a cu- bierto, sin corrientes de aire pero ventilado, etc.); apoyos de la traviesa (de
material aislante de al menos 50 mm de espesor y bloques de madera); y
conductividad del agua a una temperatura de 25 ºC (entre 20 y 80 mS/m (6)).
Datos y graficas

Resistencia K(Ω) Tiempo (seg)

200 40
180 42
160 44
140 46
120 48
100 50
80 58
60 70
40 120

Grafica de la tabla por puntos

Grafica de segundo grado: es inexacta en muchos puntos de la tabla, y al

final tiende a elevarse el valor

Grafica de tercer
grado: inexacta en algunos puntos y al final tiende a valores pequeños
En esta grafica de polinomio de cuarto grado es más correcta que las gráficas
anteriores, mas sin embargo en los puntos de 50 a 80 en tiempo es errónea, al
terminar en 200 se puede observar que los resultados quedaran entre 40 de

resistencia y es lo más correcto.

Esta grafica es más exacta que la anterior entre el intervalo de 50 a 80, pero al
terminar en 200 segundos se puede apreciar una tendencia a dar valores más
pequeños.
Grafica de grado seis: esta es la más exacta, ya que interseca todos los puntos y
además que en los valores de 200 en adelante se puede observar que seguirá
constante en esos valores.

Conclusiones
Se escogió el polinomio de grado 6 ya que en los demás grados se podía observar
que tendía a bajar en la gráfica oh a subir, pero debido a que un metal jamás podrá
alcanzar la resistencia cero, y por más que exponga a la lluvia, llega a su límite en
el cual ya no podrá bajar más su resistencia, y ese límite es de 40 kΩ, en los cuales
se queda constante después de cierto tiempo, en lo cual el polinomio que más
exacto fue, es el de 6 grado.

Bibliografía:

 “Aplicaciones ferroviarias. Via. Metodos de ensayo de los sistemas de

fijacion. Parte 5: Determinacion de la resistencia electrica”. UNE-EN 13146-
5: 2003.
 “Traviesas monobloque de hormigon pretensado”. ADIF. VIA.
Especificaciones tecnicas. ET 03.360.571.8. 4a edicion: enero de 2009.
 Lopez, C.; Barroso, F. J. y Zamora, A.: “Ensayos sobre modelos de traviesas
de desvio de hormigon pretensado”. IETCC. Informe tecnico 19517 (2009).
 “Calidad del agua. Determinacion de la conductividad electrica”. EN 27888
(ISO 7888: 1985).