Solucionario de Examen de Metodos Numericos 2017 II Hvca

_____________________________________________________________________
Resolución de Examen de Métodos Numéricos
LANDEO ANTEZANA, SANDRO
UNIVERDIDAD NACIONAL DE HUANCAVELICA
CIVIL – HUANCAVELICA
Huancavelica –Perú - 2017

______________________________________________________________________
Sandro01171994@gmail.com
INGENIERÍA CIVIL SANDRO LANDEO A.
__________________________________________________________________________
Usando polinomio por mínimos cuadrados, determinaremos los coeficientes

del polinomio.
N Σx^1 Σx^2 Σx^3 Σx^4 ao ΣY

Σx^1 Σx^2 Σx^3 Σx^4 Σx^5 a1 Σx^1*Y
Σx^2 Σx^3 Σx^4 Σx^5 Σx^6 a2 = Σx^2*Y
Polinomio de 4°
𝒚 = 𝒂𝒐 + 𝒂𝟏 ∗ 𝒙𝟏 + 𝒂𝟐 ∗ 𝒙𝟐 + 𝒂𝟑 ∗ 𝒙𝟑 + 𝒂𝟒 ∗ 𝒙𝟒
Primero completamos los datos faltantes para cada estación pluviométricos E1.
Primero anulamos el dato de 1977, y con los datos restantes ajustamos a un

polinomio de 4° y es la mejor que ajusta para completar los datos faltantes.
𝑦 = 1.8150 ∗ 10−7 ∗ 𝑥 4 − 6.9374 ∗ 10−4 ∗ 𝑥 3 + 1.3645 ∗ 𝑥 2 − 2858.01461 ∗ 𝑥

+ 2903958.39
UNH MÉTODOS NUMÉRICOS 2

__________________________________________________________________________
𝑹𝟐 = 𝟎. 𝟕𝟏𝟑𝟓
Segundo completamos los datos faltantes para cada estación pluviométricos E2.
Primero anulamos el dato de 1981, y con los datos restantes ajustamos a un

polinomio de 4° y es la mejor que ajusta para completar los datos faltantes.
𝑦 = 1.8150 ∗ 10−7 ∗ 19774 − 6.9374 ∗ 10−4 ∗ 19773 + 1.3645 ∗ 19772 − 2858.01461

∗ 1977 + 2903958.39
𝐸11977 = 298.2555 (𝑚𝑚)
𝑦 = −1.53882942302ᴇ − 7 ∗ 𝑋 4 + 6.67721834039ᴇ − 4 ∗ 𝑋 3 − 0.982994283883 ∗ 𝑋 2

+ 814.079194467 ∗ 𝑋 − 575985.297668
𝑹𝟐 = 𝟎. 𝟎𝟖
𝑦 = 1.8150 ∗ 10−7 ∗ 19814 − 6.9374 ∗ 10−4 ∗ 19813 + 1.3645 ∗ 19812 − 2858.01461

∗ 1981 + 2903958.39
𝐸11977 = 165.8895 (𝑚𝑚)
Años E1 E2
1970 145.3 138.3
1971 394.1 226.8
1972 312 98.7
1973 262.2 113.3
1974 201.1 193.6
1975 281.8 132.1
1976 246.5 202.4
1977 298.2555 148.8
1978 321.7 151.6
1979 334.7 231.7
1980 392.3 229.1
1981 351.8 165.8895
1982 406.8 125.5
1983 481.2 114
1984 469.1 162.2
1985 516.8 140.5
Los datos de la estación E1 son los datos que mejor ajustan a la curva de 4°.
𝑦 = 1.8150 ∗ 10−7 ∗ 𝑥 4 − 6.9374 ∗ 10−4 ∗ 𝑥 3 + 1.3645 ∗ 𝑥 2 − 2858.01461 ∗ 𝑥

+ 2903958.39
𝑹𝟐 = 𝟎. 𝟕𝟏𝟑𝟓

__________________________________________________________________________
REGRESIÓN LINEAL
Ecuación Lineal
n: cantidad de valores de “x” o “y”
𝑌 =𝐴+𝐵∗𝑋
𝑛 ∑ 𝑋 ∗ 𝑌 − (∑ 𝑋)(∑ 𝑌)
𝑎1 =
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2
𝑎𝑜 = 𝑌̅ − 𝑎1 ∗ 𝑋̅
𝒀 = 𝟐𝟏. 𝟗𝟔𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟑 ∗ 𝑿 − 𝟒𝟑𝟔𝟓𝟏. 𝟒𝟔𝟒𝟐𝟖𝟓𝟕
𝑹𝟐 = 𝟎. 𝟗𝟕𝟏𝟓
REGRESION LINEAL
Población Población Población Población
AÑO (Actual) AÑO (Futura) AÑO (Futura.) AÑO (Futura)
2012 552 2019 694.429 2026 848.179 2033 1001.929
2013 561 2020 716.393 2027 870.143 2034 1023.893
2014 580 2021 738.357 2028 892.107 2035 1045.857
2015 596 2022 760.321 2029 914.071 2036 1067.821
2016 624 2023 782.286 2030 936.036 2037 1089.786
2017 650 2024 804.250 2031 958.000 2038 1111.750
2018 683 2025 826.214 2032 979.964
La población calcula en números enteros
REGRESION LINEAL
2012 552 2019 694 2026 848 2033 1002
2013 561 2020 716 2027 870 2034 1024
2014 580 2021 738 2028 892 2035 1046
2015 596 2022 760 2029 914 2036 1068
2016 624 2023 782 2030 936 2037 1090
2017 650 2024 804 2031 958 2038 1112
2018 683 2025 826 2032 980

__________________________________________________________________________
REGRESIÓN LOGARÍTMICA
𝑌 = 𝐴 + 𝐵 ∗ 𝐿𝑁(𝑋)
Linializando
𝑌 = 𝐴 + 𝐵 ∗ 𝑋´
𝑛 ∑ 𝑋´ ∗ 𝑌 − (∑ 𝑋´)(∑ 𝑌)
𝑎1 =
𝑛 ∑ 𝑋´2 − (∑ 𝑋 ´)2
̅
𝑎𝑜 = 𝑌̅ − 𝑎1 ∗ 𝑋´
𝒀 = 𝟒𝟒𝟐𝟓𝟒. 𝟖𝟎𝟓𝟔𝟎𝟓𝟖 ∗ 𝑳𝑵(𝑿) − 𝟑𝟑𝟔𝟏𝟎𝟎. 𝟓𝟒𝟎𝟏𝟏𝟐
𝑹𝟐 = 𝟎. 𝟗𝟕𝟏𝟒
CALCULO DE LA POBLACIÓN FUTURO
REGRESION LOGAÍTMICA
2012 552 2019 694.357 2026 847.526 2033 1000.166
2013 561 2020 716.271 2027 869.364 2034 1021.929
2014 580 2021 738.174 2028 891.191 2035 1043.681
2015 596 2022 760.066 2029 913.008 2036 1065.423
2016 624 2023 781.947 2030 934.813 2037 1087.154
2017 650 2024 803.817 2031 956.608 2038 1108.874
2018 683 2025 825.677 2032 978.393
REGRESION LOGAÍTMICA
2012 552 2019 694 2026 848 2033 1000
2013 561 2020 716 2027 869 2034 1022
2014 580 2021 738 2028 891 2035 1044
2015 596 2022 760 2029 913 2036 1065
2016 624 2023 782 2030 935 2037 1087
2017 650 2024 804 2031 957 2038 1109
2018 683 2025 826 2032 978
REGRESIÓN POTENCIAL
𝑌 = 𝐴𝑥 𝐵 ; 𝐿𝑁(𝑌) = 𝐿𝑁(𝐴𝑥 𝐵 ) ; 𝐿𝑁(𝑌) = 𝐿𝑁(𝐴) + 𝐵 ∗ 𝐿𝑁(𝑋)
𝑌´ = 𝐿𝑁(𝑌); 𝑎𝑜 = 𝐿𝑁(𝐴); 𝑎1 = 𝐵; 𝑋´ = 𝐿𝑁(𝑋)
𝑌´ = 𝑎𝑜 + 𝑎1 ∗ 𝑋 Ecuación Linealizada

__________________________________________________________________________
𝑛 ∑ 𝑋´ ∗ 𝑌´ − (∑ 𝑋´)(∑ 𝑌´)
𝑎1 = ̅ − 𝑎1 ∗ 𝑋´
; 𝑎𝑜 = 𝑌´ ̅
𝑛 ∑ 𝑋´2 − (∑ 𝑋´)2
𝐴 = 𝑒 𝑎𝑜 , 𝐵 = 𝑎1
𝑌 = (𝑒 𝑎𝑜 )𝑋 (𝑎1)
𝒀 = 𝟐. 𝟗𝟒𝟑𝟗𝟖𝟗𝟔𝟏𝟎𝟏𝟑 ∗ 𝟏𝟎−𝟐𝟑𝟕 ∗ 𝑿(𝟕𝟐.𝟒𝟐𝟓𝟐𝟎𝟕𝟕𝟔𝟖𝟔 )
𝑹𝟐 = 𝟎. 𝟗𝟕𝟗𝟕
Población futura para cada ano.
REGRESION POTENCIAL
2012 552 2019 698.427 2026 897.397 2033 1152.055
2013 561 2020 723.929 2027 930.050 2034 1193.826
2014 580 2021 750.349 2028 963.873 2035 1237.090
2015 596 2022 777.720 2029 998.908 2036 1281.900
2016 624 2023 806.074 2030 1035.199 2037 1328.309
2017 650 2024 835.448 2031 1072.790 2038 1376.374
2018 683 2025 865.876 2032 1111.726
REGRESION POTENCIAL
2012 552 2019 698 2026 897 2033 1152
2013 561 2020 724 2027 930 2034 1194
2014 580 2021 750 2028 964 2035 1237
2015 596 2022 778 2029 999 2036 1282
2016 624 2023 806 2030 1035 2037 1328
2017 650 2024 835 2031 1073 2038 1376
2018 683 2025 866 2032 1112
REGRESIÓN EXPONENCIAL
𝑌 = 𝐴𝑒 𝐵∗𝑋
La ecuación se linealizará aplicando logaritmos.
LN(Y) = LN(AeB∗X )
LN(Y) = LN(A) + B ∗ X ∗ LN(e) → LN(e) = 1
Y´ = LN(Y); ao = LN(A); a1 = B; X = X
Y´ = ao + a1 ∗ X Ecuación linealizada
n ∑ X ∗ Y´ − (∑ X)(∑ Y´)
a1 =
n ∑ X 2 − (∑ X)2

__________________________________________________________________________
̅ − a1 ∗ X
a0 = Y´ ̅ ; A = eao , B = a1
𝐘 = (𝐞𝐚𝐨 )𝐞(𝐚𝟏)∗𝐗
𝒀 = 𝟐. 𝟏𝟏𝟖𝟏𝟕𝟏𝟕𝟔𝟔𝟒𝟑 ∗ 𝟏𝟎−𝟐𝟗 ∗ 𝒆𝟎.𝟎𝟑.𝟓𝟗𝟒𝟓𝟐𝟎𝟎𝟔𝟗𝟒𝟒∗𝑿
𝑹𝟐 = 𝟎. 𝟗𝟕𝟗𝟗
REGRESION EXPONENCIAL
2012 552 2019 698.507 2026 898.352 2033 1155.373
2013 561 2020 724.072 2027 931.231 2034 1197.659
2014 580 2021 750.573 2028 965.313 2035 1241.492
2015 596 2022 778.043 2029 1000.643 2036 1286.929
2016 624 2023 806.518 2030 1037.265 2037 1334.030
2017 650 2024 836.036 2031 1075.228 2038 1382.854
2018 683 2025 866.634 2032 1114.581
REGRESION EXPONENCIAL
2012 552 2019 699 2026 898 2033 1155
2013 561 2020 724 2027 931 2034 1198
2014 580 2021 751 2028 965 2035 1241
2015 596 2022 778 2029 1001 2036 1287
2016 624 2023 807 2030 1037 2037 1334
2017 650 2024 836 2031 1075 2038 1383
2018 683 2025 867 2032 1115
Las regresiones que mejor ajustan a los datos
Regresión lineal
𝑌 = 21.9642857143 ∗ 𝑋 − 43651.4642857
𝑅 2 = 0.9715
Población Futura 𝑷𝒇(𝟐𝟎𝟑𝟖) = 𝟏𝟎𝟗𝟎
Regresión logarítmica
𝑌 = 44254.8056058 ∗ 𝐿𝑁(𝑋) − 336100.540112
𝑅 2 = 0.9714
Población Futura 𝑷𝒇(𝟐𝟎𝟑𝟖) = 𝟏𝟏𝟎𝟗
Regresión potencial
𝑌 = 2.94398961013 ∗ 10−237 ∗ 𝑋 (72.4252077686 )

__________________________________________________________________________
𝑅 2 = 0.9797
Población Futura 𝑷𝒇(𝟐𝟎𝟑𝟖) = 𝟏𝟑𝟕𝟔
Regresión exponencial
𝑌 = 2.11817176643 ∗ 10−29 ∗ 𝑒 0.03.59452006944∗𝑋
𝑅 2 = 0.9799
Población Futura 𝑷𝒇(𝟐𝟎𝟑𝟖) = 𝟏𝟑𝟖𝟑
La mejor que ajusta a los datos es la regresión exponencial y la regresión potencial.
Para la solución del problema ajustaremos a las regresiones de (Potencial,

logarítmica, exponencial y exponente).
REGRESIÓN LOGARÍTMICA
Para los siguientes datos ajustaremos a la regresión logarítmica.
𝑌 = 𝐴 + 𝐵 ∗ 𝐿𝑁(𝑋)
Linializando
𝑌 = 𝐴 + 𝐵 ∗ 𝑋´; 𝐿𝑁(𝑋) = 𝑋´
𝑛 ∑ 𝑋´ ∗ 𝑌 − (∑ 𝑋´)(∑ 𝑌)
𝑎1 =
𝑛 ∑ 𝑋´2 − (∑ 𝑋 ´)2
̅
𝑎𝑜 = 𝑌̅ − 𝑎1 ∗ 𝑋´
Pr Caudales(m3/seg)
2 222.37528
5 285.75955
10 336.07182
25 420.23558
50 469.68405
100 575.10295

__________________________________________________________________________
𝑌 = 87.2640480817 ∗ 𝐿𝑁(𝑋) + 147.20442239
𝑅 2 = 0.9824
Para los periodos de retorno de 𝑃𝑟 = {150,200,250,500,750,100}, reemplazamos los

valores en la ecuación logarítmica calculada.
Pr. Caudales(m3/seg) Pr. Caudales(m3/seg)

2 222.37528 150 584.45274
5 285.75955 200 609.55704
10 336.07182 250 629.02945
25 420.23558 500 689.51628
50 469.68405 750 724.89881
100 575.10295 1000 750.00311
REGRESIÓN EXPONENCIAL
Para los siguientes datos ajustaremos a la regresión Exponencial.
𝑌 = 𝐴𝑒 𝐵∗𝑋
La ecuación se linealizará aplicando logaritmos.
LN(Y) = LN(AeB∗X )

__________________________________________________________________________
LN(Y) = LN(A) + B ∗ X ∗ LN(e) → LN(e) = 1

Y´ = LN(Y); ao = LN(A); a1 = B; X = X
Y´ = ao + a1 ∗ X Ecuación linealizada
n ∑ X ∗ Y´ − (∑ X)(∑ Y´)
a1 =
n ∑ X 2 − (∑ X)2
̅ − a1 ∗ X
a0 = Y´ ̅ ; A = eao , B = a1
𝐘 = (𝐞𝐚𝐨 )𝐞(𝐚𝟏)∗𝐗
Pr Caudales
2 222.37528
5 285.75955
10 336.07182
25 420.23558
50 469.68405
100 575.10295
𝑌 = 𝐴 ∗ 𝑒 𝐵∗𝑋 = 𝑌 = 282.615148408 ∗ 𝑒 0.00812369950665∗𝑋
𝑅 2 = 0.7790


__________________________________________________________________________
Pr Caudales(m3/seg) Pr. Caudales(m3/seg)

2 222.375276 150 955.88824
5 285.7595459 200 1434.8649
10 336.0718231 250 2153.8473
25 420.2355818 500 16414.754
50 469.684045 750 125099
100 575.102946 1000 953395.96
REGRESIÓN POTENCIAL
Para los siguientes datos ajustaremos a la regresión Potencial.
𝑌 = 𝐴𝑥 𝐵
𝐿𝑁(𝑌) = 𝐿𝑁(𝐴𝑥 𝐵 ) ; 𝐿𝑁(𝑌) = 𝐿𝑁(𝐴) + 𝐵 ∗ 𝐿𝑁(𝑋)
𝑌´ = 𝐿𝑁(𝑌); 𝑎𝑜 = 𝐿𝑁(𝐴); 𝑎1 = 𝐵; 𝑋´ = 𝐿𝑁(𝑋)
𝑌´ = 𝑎𝑜 + 𝑎1 ∗ 𝑋 Ecuación Linealizada
𝑛 ∑ 𝑋´ ∗ 𝑌´ − (∑ 𝑋´)(∑ 𝑌´)
𝑎1 = ̅ − 𝑎1 ∗ 𝑋´
; 𝑎𝑜 = 𝑌´ ̅
𝑛 ∑ 𝑋´2 − (∑ 𝑋´)2
𝐴 = 𝑒 𝑎𝑜 , 𝐵 = 𝑎1
𝑌 = (𝑒 𝑎𝑜 )𝑋 (𝑎1)
Pr Caudales(m3/seg)
2 222.37528
5 285.75955
10 336.07182
25 420.23558
50 469.68405
100 575.10295
𝑌 = 𝐴 ∗ 𝑋 𝐵 = 𝑌 = 192.53150446 ∗ 𝑋 0.23637790827
𝑅 2 = 0.9962

__________________________________________________________________________

Pr Caudales Pr Caudales
2 222.37528 150 629.33474
5 285.75955 200 673.61921
10 336.07182 250 710.10382
25 420.23558 500 836.52455
50 469.68405 750 920.66741
100 575.10295 1000 985.45212

__________________________________________________________________________
REGRESIÓN EXPONENTE
Para los siguientes datos ajustaremos a la regresión Exponente.
Pr Caudales
2 222.37528
5 285.75955
10 336.07182
25 420.23558
50 469.68405
100 575.10295
𝑌 = 𝐴 ∗ 𝐵 𝑋 = 𝑌 = 282.615148408 ∗ 1.00815678629 𝑋
𝑅 2 = 0.7790

__________________________________________________________________________

Pr Caudales Pr Caudales
2 222.37528 150 955.88824
5 285.75955 200 1434.8649
10 336.07182 250 2153.8473
25 420.23558 500 16414.754
50 469.68405 750 125099
100 575.10295 1000 953395.96

Solucionario de Examen de Metodos Numericos 2017 II Hvca

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Solucionario de Examen de Metodos Numericos 2017 II Hvca

Uploaded by

Copyright:

Available Formats

_____________________________________________________________________

Resolución de Examen de Métodos Numéricos

LANDEO ANTEZANA, SANDRO

UNIVERDIDAD NACIONAL DE HUANCAVELICA

Huancavelica –Perú - 2017

Usando polinomio por mínimos cuadrados, determinaremos los coeficientes

N Σx^1 Σx^2 Σx^3 Σx^4 ao ΣY

Primero anulamos el dato de 1977, y con los datos restantes ajustamos a un

𝑦 = 1.8150 ∗ 10−7 ∗ 𝑥 4 − 6.9374 ∗ 10−4 ∗ 𝑥 3 + 1.3645 ∗ 𝑥 2 − 2858.01461 ∗ 𝑥

UNH MÉTODOS NUMÉRICOS 2

Primero anulamos el dato de 1981, y con los datos restantes ajustamos a un

𝑦 = 1.8150 ∗ 10−7 ∗ 19774 − 6.9374 ∗ 10−4 ∗ 19773 + 1.3645 ∗ 19772 − 2858.01461

𝐸11977 = 298.2555 (𝑚𝑚)

𝑦 = −1.53882942302ᴇ − 7 ∗ 𝑋 4 + 6.67721834039ᴇ − 4 ∗ 𝑋 3 − 0.982994283883 ∗ 𝑋 2

𝑦 = 1.8150 ∗ 10−7 ∗ 19814 − 6.9374 ∗ 10−4 ∗ 19813 + 1.3645 ∗ 19812 − 2858.01461

𝐸11977 = 165.8895 (𝑚𝑚)

𝑦 = 1.8150 ∗ 10−7 ∗ 𝑥 4 − 6.9374 ∗ 10−4 ∗ 𝑥 3 + 1.3645 ∗ 𝑥 2 − 2858.01461 ∗ 𝑥

UNH MÉTODOS NUMÉRICOS 3

La población calcula en números enteros

UNH MÉTODOS NUMÉRICOS 4

La población calcula en números enteros

UNH MÉTODOS NUMÉRICOS 5

La población calcula en números enteros

UNH MÉTODOS NUMÉRICOS 6

La población calcula en números enteros

Las regresiones que mejor ajustan a los datos

UNH MÉTODOS NUMÉRICOS 7

Para la solución del problema ajustaremos a las regresiones de (Potencial,

Para los siguientes datos ajustaremos a la regresión logarítmica.

UNH MÉTODOS NUMÉRICOS 8

𝑌 = 87.2640480817 ∗ 𝐿𝑁(𝑋) + 147.20442239

Para los periodos de retorno de 𝑃𝑟 = {150,200,250,500,750,100}, reemplazamos los

Pr. Caudales(m3/seg) Pr. Caudales(m3/seg)

Para los siguientes datos ajustaremos a la regresión Exponencial.

UNH MÉTODOS NUMÉRICOS 9

LN(Y) = LN(A) + B ∗ X ∗ LN(e) → LN(e) = 1

𝑌 = 𝐴 ∗ 𝑒 𝐵∗𝑋 = 𝑌 = 282.615148408 ∗ 𝑒 0.00812369950665∗𝑋

Para los periodos de retorno de 𝑃𝑟 = {150,200,250,500,750,100}, reemplazamos los

UNH MÉTODOS NUMÉRICOS 10

Pr Caudales(m3/seg) Pr. Caudales(m3/seg)

Para los siguientes datos ajustaremos a la regresión Potencial.

UNH MÉTODOS NUMÉRICOS 11

Para los periodos de retorno de 𝑃𝑟 = {150,200,250,500,750,100}, reemplazamos los

UNH MÉTODOS NUMÉRICOS 12

Para los siguientes datos ajustaremos a la regresión Exponente.

UNH MÉTODOS NUMÉRICOS 13

Para los periodos de retorno de 𝑃𝑟 = {150,200,250,500,750,100}, reemplazamos los

UNH MÉTODOS NUMÉRICOS 14

You might also like