LABORATORIO 6

Camilo Alexander Cubillos Torres 20112005044

Andres Orlando Gil Torres 20112005095
Mauricio Navarrete 20102005055
8 de noviembre de 2015

1.

Problema
1. Obtenga las ecuaciones empricas utilizando el metodo de linealizacion de los datos en la funci
on
de dispersi
on original
a) Con un valor relativo promedio absoluto inferior al 1 % halle la ecuacion emprica del
siguiente sensor de presi
on
Presi
on/hPa
100,0
120,0
140,0
160,0
180,0
200,0
220,0
240,0
260,0
280,0
200,0
320,0
340,0
360,0
380,0
400,0
420,0
440,0
460,0
480,0

Corriente/uA
207
175
153
136
124
114
106
100
95
91
88
85
83
81
79
78
77
76
76
75

b) Una empresa paga a sus gerentes regionales una remuneracion total al ano de acuerdo a las
ventas anuales totales de la respectiva sucursal regional de la empresa, siguiendo una curva
arbitraria representada por los datos que se muestran a continuacion. Cual sera la posible
remuneraci
on anual de un gerente donde las ventas ascienden a $ 5 500 000 000
newpage
Ventas/M$
744,0
1128,0
1768,0
2564,0
3500,0
7980,0
1

Remuneraci
on/M$
8,40
12,48
17,88
20,50
24,00
29,00

c) Con un error relativo promedio inferior o igual a 0,5 % halle la ecuacion emprica del fotodiodo cuya CC presenta los siguientes datos
Ev /lx
50
70
89
109
128
148
167
187
206
226
245
265
284
304
323
343
362

Voltaje/V
0,500
0,582
0,640
0,685
0,719
0,747
0,770
0,789
0,805
0,819
0,831
0,841
0,850
0,859
0,866
0,873
0,879

d ) Con un error relativo promedio inferior a 4 % halle la ecuacion emprica del termistor NTC,
caracterizado en laboratorio
2. Obtenga las ecuaciones empricas de todos los ejercicios anteriores utilizando otro medio diferente
al anterior . Para todos los casos calcule el error relativo promedio compare los resultados y
concluya

2.

INTRODUCCION

Debido a que en ciertas ocasiones no es posible conocer los principios que operan sobre el proceso
puede ser necesario manejar este como una caja negra, en la cual se conoce el valor de entrada y el
valor de salida, ante lo cual es posible obtener una curva caracterstica y a su vez obtener una ecuaci
on
que modeledicho fen
omeno.
Esta funcion hace un proceso de ajuste en el cual se observa que los valores obtenidos no son
exactamente los que se calculan mediante la expresion obtenida, ante esto se da una funcion de ajuste,
con lo cual se obtiene un error promedio y el cual podra o no ser aceptable dependiendo de la aplicaci
on

3.

MARCO TEORICO
Existen dos procesos para obtener ecuaciones emprica:
1. Metodo de promedios: Este consiste en obtener una modelo de ecuacion y asignar unos par
ametros que cumplan con el valor obtenido experimentalmente en cada punto, al hacer un promedio
de dichos par
ametros se obtienen los parametros generales
yai = f (xi , pi1 ; pi2 ; ...; pik )

(1)

pj =

1 X

pij
m
i=1

(2)

Para i=1,2,3...m
Para j=1,2,3...k
2. Metodo de mnimos cuadrados: Aplicando este metodo se obtiene una solucion u
nica y a su vez
la que presenta el mnimo error posible.

n
X
(yai (xi ) yi )2

(3)

i=1

El mnimo error se consigue garantizando que

d
dpj

(4)

Para j=1,...,k
Cuando las ecuaciones que se obtienen no son lineales es necesario llevar a cabo un proceso de
linealizacion, el cual consiste en hacer cierta modificacion a la linea obtenida, con esto se consigue
una expresion matem
atica como recta y se eval
uan los cambios hechos a la funcion original para as
calcular los par
ametros respectivos del modelo.

4.

METODOLOGIA
1. 1)
y = ax4 + bx3 + cx2 + dx + e

(5)

20
X
(ax4i + bx3i + cx2i + dxi + e yi )2 =

(6)

i=1

d
=a
da

20
X

x8i

20
X

20
X

(8)

+e

x4i

20
X

X
X
X
X
X
X
d
=a
x7i + b
x6i + c
x5i + d
x4i + e
x3i
x3i yi = 0
db

+d

x5i

20
X

(7)

+c

x6i

20
X

x4i yi = 0

+b

x7i

i=1

i=1

i=1

i=1

i=1

i=1

20

20

20

20

20

20

i=1

i=1

i=1

i=1

i=1

i=1

20

20

20

20

20

20

i=1

i=1

i=1

i=1

i=1

i=1

20

20

20

20

20

20

i=1

i=1

i=1

i=1

i=1

i=1

X
X
X
X
X
X
d
=a
x6i + b
x5i + c
x4i + d
x3i + e
x2i
x2i yi = 0
dc
X
X
X
X
X
X
d
=a
x5i + b
x4i + c
x3i + d
x2i + e
xi
x i yi = 0
dc
20

20

20

20

(9)

(10)

20

X
X
X
X
X
d
=a
x4i + b
x3i + c
x2i + d
xi + 20e
yi = 0
dc

(11)

a = 2, 1481x10 8

(12)

(13)

i=1

i=1

i=1

i=1

i=1

b = 3, 0393x10 5

c = 1, 6238x10 2

(14)

d = 3, 9865

(15)

e = 469, 48

(16)

y(m) = 2, 1481 10 8x 3, 0393 10 5x + 1, 6238 10 2x 3, 9865x + 469, 48

3

(17)

2. 2)
y(xi )i = A.ln(xi ) + B
6
X

(18)

(A.ln(xi ) + B yi )2 =

(19)

i=1
6

i=1

i=1

i=1

X
X
X
d
=A
ln2 (xi ) + B
ln(xi )
yi x i = 0
dA
6

(20)

X
X
d
=A
ln(xi ) + 6B
yi
dB

(21)

357, 9599304A + 46, 11238247B = 894, 2723557

(22)

46, 11238247A + 6B = 112, 26

(23)

A = 8, 8313

(24)

B = 49, 1619

(25)

i=1

i=1

y(x) = 8, 8313ln(x) 49, 1619

(26)

y(x) = A + Bln(x)

(27)

17
X
(Bln(xi ) + A yi )2 =

(28)

3. 3)

i=1
17

17

i=1

i=1

X
X
d
=B
ln2 (xi ) + A
ln(xi ) yi = 0
dB
17

17

i=1

i=1

(29)

X
X
d
=B
ln(xi ) + 17A
yi = 0
dA

(30)

463, 51576B + 88, 241276A = 68, 788216

(31)

88, 241276B + 17A = 13, 055

(32)

B = 0, 18671

(33)

A = 0, 20121

(34)

y(x) = 0, 18671ln(x) 0, 20121

(35)

R(x) = AeBx

(36)

Log(R(x)) = Log(A) + Bx

(37)

Log(R(x)) = D + BxYi = D + Bxi

(38)

4. 4)

30
X

(D + Bxi Yi )2 =

(39)

i=1
30

30

30

X
X
X
d
=B
x2i + D
Xi
xi Yi = 0
dB
i=1

d
B
dD

i=1

30
X

xi + 30D

(40)

i=1

30
X

Yi = 0

(41)

10076, 15B + 30D = 99, 441405

(42)

3402684, 5B + 10076, 15D = 33095, 592

(43)

B = 0, 017441

(44)

D = 9, 174153

(45)

Log(R(x)) = 9, 174153 0, 017441x

(46)

R(x) = e9,1741530,017441

(47)

R(x) = 1493320406e0,040158103801x

(48)

i=1

i=1

5.

RESULTADOS
Presi
on/hPa Corriente te
orica/uA Corriente ecuaci
on/uA error
100,0
207
204,96
0,98
120,0
175
176,86
1,1
140,0
153
154,48
0,97
160,0
136
136,9
0,67
180,0
124
123
0,55
200,0
114
112,9
0,94
220,0
106
105
0,88
240,0
100
99,1
0,85
260,0
95
94,6
0,36
280,0
91
91,1
0,18
200,0
88
88,3
0,3
320,0
85
85,89
1,05
340,0
83
83,6
0,81
360,0
81
81,5
0,7
380,0
79
79,56
0,7
400,0
77
77,72
0,35
420,0
77
76,2
1,03
440,0
76
75,2
1,015
460,0
76
75,12
1,15
480,0
75
76,2
1,69
Tabla 1. Sensor de presi
on a corriente modelado con ecuaci
on polinomio

Error promedio 0,81 %

Figura 1: polin
omica que modela el comportamiento de un sensor de presion a corriente en Excel

Figura 2: figure
Matriz que modela la ecuaci
on polinomica del sensor de presion a corriente

Figura 3: figure
Ecuacion polin
omica que modela el comportamiente de un sensor de presion a corriente en Matlab
Ventas/M$ Remuneraci
on/M$ Remuneraci
on ecuaci
on/M$ Porcentaje de error %
744,0
8,40
8,7
5,6
1128,0
12,48
12,9
3,4
1768,0
17,88
16,8
5,6
2564,0
20,50
20,1
1,6
3500,0
24,00
22,9
4,5
7980,0
29,00
30,1
4,08
Tabla 2. Remuneraci
on por cantidad de ventas modelado por ecuaci
on logartmica
Error promedio 4,8 %

Figura 4: figure
Ecuaci
on logartmica que modela la remuneracion en funcion de las ventas en Excel

Figura 5: figure
Matriz que modela la ecuacion logartmica de la remuneracion

Figura 6: figure
C
odigo de Matlab para obtener la ecuacion logartmica.

Figura 7: figure
Ecuacion logartmica que modela la remuneracion en funcion de las ventas en Matlab.
La remuneraci
on obtenida en 5 500 000 000 sera de 26 898 000 de acuerdo con la formula obtenida
Ev /lx Voltaje/V Voltaje ecuacion/V Porcentaje de error %
50
0,500
0,529
5
70
0,582
0,59
1,722
89
0,640
0,63
0,49
109
0,685
0,674
1,5
128
0,719
0,7
1,98
148
0,747
0,75
2
167
0,770
0,775
1,71
187
0,789
0,79
1,4
206
0,805
0,81
0,99
226
0,819
0,825
0,61
245
0,831
0,84
0,04
265
0,841
0,85
0,41
284
0,850
0,86
0,84
304
0,859
0,866
0,84
323
0,866
0,87
1,3
343
0,873
0,88
1,8
362
0,879
0,89
2,2
Tabla 3. Ecuaci
on de un fotodiodo modelado por una ecuaci
on logartmica
Error promedio 1,5 %

Figura 8: figure
Ecuaci
on logartmica que modela el comportamiento de un fotodiodo en Excel

Figura 9: figure
Matriz que modela la ecuacion logartmica de un fotodiodo

Figura 10: figure

C
odigo utilizado para obtener la ecuacion logartmica en Matlab

10

Figura 11: figure

Ecuaci
on logartmica que modela el comportamiento de un fotodiodo en Matlab

11

Temperatura/ K Resistencia/Ohmios Resistencia Ecuaci

on/Ohmios
295,15
12241
1143
296,35
11025,641
10131
298,65
9705
9237,7
300,15
9044,94
9237,7
302,15
8419
8,697
303,65
7886
7557,2
309,35
5945
6011
313,35
4932
5199
318,45
3944
4171
322,65
3325
3523,6
326,45
2861
3024
331,75
2288
2445
333,15
2153
2311
334,3
2022
2207
335,95
1934
2065,5
337,85
1645
1913
341,25
1596
1720
344,15
1418
1669,5
346,95
1286
1486
349,65
1286
1327,9
349,65
1163
1191,5
352,05
1069
1082
353,05
956,6
959,2
355,65
980
936,39
358,55
782,33
833,4
365,85
626
621,6
366,85
616
597
368,35
600
562,9
369,45
579
537,9
370,75
551
510,6
372,25
524
480,78
Tabla 4. Termistor modelado por una ecuaci
on exponencial

% de error
6
8,1
4,82
4,8
3,83
4,17
1,09
3,78
5,7
5,97
5,7
6,8
7,35
9,12
6,7
4,3
7
4,58
4,76
3,25
2,39
1,17
0,27
4,5
2,21
0,82
3,16
6,3
7
7,46
8,39

Error promedio 4,26 %

Figura 12: figure

Ecuaci
on exponencial que modela el comportamiento de un termistor en Excel

12

Figura 13: figure

Matriz que modela la ecuacion exponencial del termistor

Figura 14: figure

Ecuaci
on exponencial que modela el comportamiento de un termistor

6.

ANALISIS
DE RESULTADOS
1. Debido a que el primer punto se modelo con una ecuacion polinomio, el codigo en Matlab no
fue necesario de implementar, ya que este cuenta con un algoritmo predeterminado que permite
hallar la ecuaci
on de un polinomio de cualquier potencia.
2. Es posible ver que entre mas exacta se requiera la ecuacion, el proceso se hace mas extenuante, ya
que surgieran mas inc
ognitas que deben ser resueltas, aumentando as el numero de ecuaciones
3. El proceso realizado manualmente es bastante dispendioso, ya que requiere hacer una gran
cantidad de multiplicaciones y sumatorias
4. El numero de decimales usado en este proceso es de vital importancia, ya que una cantidad muy
reducida de estos conlleva a que los resultados obtenidos no sean realmente los que se deban
obtener.
5. Es posible ver que en la mayora de las ecuaciones existen una o areas donde el ajuste no es el
mas adecuado, y estas conllevan al aumento de el error promedio; Es en estos puntos donde debe
13

prestarse el mayor grado de atenci

on ya que en estos se decide si la ecuacion determinada para
modelar el sistema es o no aceptable.

7.

CONCLUSIONES
1. El uso de funciones polinomios de orden elevado hacen posible que se culpa cualquier ecuaci
on,
pero esto no es recomendable, ya que si bien estos pueden ajustarse a los puntos dados es muy
posible que no modelen el comportamiento del fenomeno fuera de el dominio en el cual se hizo las
mediciones, ya que son pocos los fen
omenos que tienen este comportamiento en todo su dominio
2. Un mayor numero de muestras en la funcion de dispersion del sistema a modelar ayuda a obtener
una ecuaci
on mas confiable, ya que este permitira modelar una funcion mas fidedigna pues tratara
de garantizar el mnimo para una mayor cantidad de muestras.
3. La u
nica manera de estar seguros de modelar un fenomeno mediante ecuaciones empricas seria
hacer un muestreo desde -infinito hasta infinito. Lo cual es fsicamente imposible, por lo cual
se garantiza una ecuaci
on que cumpla con las condiciones en el dominio especificado y que se
supone modelara el fen
omeno en todo su dominio.
4. El conocer la naturaleza del fen
omeno que se esta modelando ayuda a obtener un modelo de
ecuacion que se ajuste de la manera mas adecuada y que a su vez garantice que no solo va a
modelar el comportamiento dentro del dominio de las muestras tomadas sino dentro del rango
de dominio total.

14