Tabla de contenido
escribirlas de nuevo en cada uso del programa POLY. Por lo tanto, proseguir
de la forma siguiente:
{ 2.3 3.2 4.5 1.65 9.32 1.18 6.24 3.45 9.89 1.22 } ` 'xx' K
{179.72 562.30 1969.11 65.87 31220.89 32.81 6731.48 737.41
39248.46 33.45} ` 'yy' K
Para ajustar los datos a los polinomios utilizar lo siguiente:
@@xx@@ @@yy@@ 2 @POLY, Resultado: [4527.73 -3958.52 742.23]
y = 4527.73-39.58x+742.23x
es decir,
@@xx@@ @@yy@@ 3 @POLY, Resultado: [ –998.05 1303.21 -505.27 79.23]
y = -998.05+1303.21x-505.27x
es decir,
@@xx@@ @@yy@@ 4 @POLY, Resultado: [20.92 –2.61 –1.52 6.05 3.51 ]
y= 20.92-2.61x-1.52x
es decir,
@@xx@@ @@yy@@ 5 @POLY, Resultado: [19.08 0.18 –2.94 6.36 3.48 0.00 ]
y = 19.08+0.18x-2.94x
es decir,
@@xx@@ @@yy@@ 6 @POLY, Resultado: [-16.73 67.17 –48.69 21.11 1.07 0.19
0.00], es decir,
y = -16.73+67.17x-48.69x
Selección del ajuste óptimo
Como usted puede ver de los resultados arriba, usted puede ajustar cualquier
polinomio a un sistema de datos. La pregunta se presenta, ¿cuál es la mejor
regresión para los datos? Para ayudar la decisión sobre el ajuste óptimo de
los datos podemos utilizar varios criterios:
•
El coeficiente de correlación, r. Este valor se restringe al rango –1 <
r < 1. Mientras más cerca está r a +1 ó –1, mejor es el ajuste de los
datos.
•
La suma de errores ajustados, SSE. Ésta es la cantidad que debe ser
reducida al mínimo por el método de los mínimos cuadrados.
•
Gráfica de residuos. Éste es un diagrama del error que corresponde
a cada uno de los puntos de referencias originales. Si estos errores
son totalmente aleatorios, el diagrama de los residuos no debe
demostrar ninguna tendencia particular.
Antes de procurar programar estos criterios, presentamos algunas
definiciones:
2
2
+79.23x
2
3
+6.05x
+3.51x
2
+6.36x
3
+3.48x
2
3
4
+21.11x
+1.07x
+0.19x
3
4
.
4
+0.0011x
5
5
6
+0.0058x
Página 18-63
Tabla de contenido
