Escolar Documentos
Profissional Documentos
Cultura Documentos
INGENIERÍA ELECTROMECÁNICA
Equipo o Alumno:
Parral Menez Javier.
04 de Diciembre de 2018
Contenido
Resumen.............................................................................................................................................. 3
1. Introduccion .................................................................................................................................... 4
2. Marco Teórico ................................................................................................................................. 7
2.1 Regresiones lineales por minimos cuadrados ........................................................................... 7
2.2 metodo de lagrange .................................................................................................................. 9
3.Conclusiones .................................................................................................................................. 12
4 Referencias ..................................................................................................................................... 12
2
Resumen
El presente trabajo es una breve reseña acerca del método de máximos y mínimos de
Lagrange y de interpolaciones lineales cuadradas así mismo se analiza un artículo a cerca
de regresiones lineales simple donde se trata de dar a conocer las aplicaciones que tiene
este método en un amplio campo de ciencias como los son la física, la astronomía la
economía etc.
3
1 Introducción (Antecedentes)
¿Cómo lo hizo?
Utilizando un análisis de regresión lineal simple y tomando en cuenta ejemplos de
aplicaciones en distintos campos de investigación. Describen el análisis de regresión lineal
simple, donde la relación de la variable dependiente y la independiente se aproximan
mediante una recta. Para ello toman en cuenta ciertas consideraciones como:
Decidir que curva muestra los puntos y por lo tanto que ecuación se debe utilizar.
Demostrar que la ecuación particular cumple con aspectos referentes a los méritos
de esta para hacer pronósticos.
Para esto se realiza una gráfica de dispersión de datos para observar de qué forma se
distribuyen los datos. La cual muestra que existe una relación entre la variable dependiente
y la variable independiente. Por lo que el modelo de regresión lineal simples es:
𝑦 = 𝛽0 + 𝛽1 𝑥+∈
Los valores de los parámetros 𝛽0 𝑦 𝛽1 no se conocen y deben estimarse a partir de los
datos de la muestra. Estos coeficientes que se calculan de la muestra son conocidos como
regresores (b0 y b1). La ecuación estimada de regresión es:
= b0 + b1x
Para calcular los regresores emplean el método de mínimos cuadrados:
4
Dónde:
yi = valor observado de la variable dependiente para la i-ésima observación.
∑ 𝑦𝑖 = 𝑛𝑏0 + 𝑏1 ∑ 𝑋𝑖
∑ 𝑋𝑖𝑦𝑖 = 𝑏𝑜 ∑ 𝑋𝑖 + 𝑏1 ∑ 𝑋𝑖 2
Dónde:
n es el número de observaciones a realizar.
Este sistema de ecuaciones se resolvió utilizando la hoja de cálculo EXCEL.
Para el análisis de la regresión se realizó un análisis de bondad de la recta. Para ello se
calcularon el sig. Estadísticos:
Coeficiente de determinación:
5
Resultados
Como resultados los autores de este artículo obtuvieron encuentra que la tasa de incremento
de la pobreza en 2011 está entre 0,83% y 1,053% por cada 1% de incremento de la pobreza
en 2010 entre una ciudad y otra.
6
2 Marco Teórico
Que es una medida de la desviación total de los valores observados yi respecto de los
predichos por el modelo lineal a x + b. Los mejores valores de la pendiente a y la ordenada
al origen b son aquellos que minimizan esta desviación total, o sea, son los valores que
remplazados en la Ec. (1) minimizan la funciónc2. Ec. (2). Los parámetros a y b pueden
obtenerse usando técnicas matemáticas que hacen uso del cálculo diferencial. Aplicando
estas técnicas, el problema de minimización se reduce al de resolver el par de ecuaciones:
7
Actualmente, la mayoría de los programas de análisis de datos y planillas de cálculo,
realizan el proceso de minimización en forma automática y dan los resultados de los
mejores valores de a y b, o sea los valores indicados por las ecuaciones.
8
2.2 Método de Lagrange
∇𝑓 = 𝜆∇𝑔
Dónde:
λ es una constante de proporcionalidad
9
En la siguiente figura se muestra una función con un máximo condicional bien notorio. Las
curvas de nivel indican los puntos donde la función tiene un valor dado. El gradiente de la
función en un punto dado tiene dirección perpendicular a la curva de nivel que pasa por ese
punto. En tal caso, el gradiente es 0: a partir de ese punto no hay ninguna dirección hacia
donde la función aumente.
𝐿𝑥 = 2𝑥 − 𝜆 = 0
𝐿𝑦 = 2𝑦 − 𝜆 = 0
𝐿𝜆 = 𝑥 + 𝑦 − 1 = 0
De las dos primeras ecuaciones obtenemos x=y y sustituyendo en la tercera resulta x=y=1/2
con lo cual el único punto crítico es P (1/2,1/2) obtenido para 𝜆 = 1.
Para estudiar su naturaleza formamos la ecuación de Lagrage correspondiente:
𝐿(𝑥, 𝑦; 1) = 𝑥 2 + 𝑦 2 − 𝑥 − 𝑦 + 1
Hallamos la segunda derivada parcial y obtenemos
10
Con lo cual
𝐿𝑥𝑥(0,0) 𝐿𝑥𝑦(0,0) 2 0
𝐻𝐿(0,0) = [ ]=[ ]=4>0
𝐿𝑦𝑥)0,0) 𝐿𝑦𝑦(0,0) 0 2
Y 𝐿𝑥𝑥(0,0) = 2 > 0
Luego la función presenta un mínimo condicionado en el punto P (1/2,1/2).
11
6 Conclusiones
En conclusión y como opiniones propias se cree que se le ha estado dando poca importancia a estos
métodos los cuales se demuestra que pueden ser de gran utilidad y que tiene una amplia gama de
aplicaciones en ingeniería. A pesar de ser métodos en un tanto sencillos serian de gran ayuda.
En cuanto al artículo es una aplicación básica muy sencilla pero tal como lo dice el autor puede ser
la solución de un gran problema como lo es disminuir la pobreza. Lo cual nos da una idea del
amplio campo de aplicación de estos métodos.
8 Referencias
Bibliográficas
Electrónicas (web)
http://test.cua.uam.mx/MN/Methods/Interpolacion/Lagrange/Lagrange.php
http://www.matematicaaplicada2.es/data/pdf/1328695759_1992907084.pdf
https://prezi.com/gxtv7lz5vj8g/maximos-y-minimos-multiplicadores-de-lagrange/?webgl=0
http://www.unilibre.edu.co/revistainteraccion/volumen12/art4.pdf (articulo)
12