17.

26 Un objeto se suspende en un tnel de viento y se mide la fuerza para varios niveles de

velocidad del viento. A continuacin estn tabulados los resultados. Use la regresin por mnimos
cuadrados para ajustar una lnea recta a estos datos:

V,m/s 10 20 30 40 50 60 70 80
FN 25 70 380 550 610 1220 830 1450
Solucin mediante Excel:

Regresin Lineal

V ,m/s(xi) FN(yi) xi^2 xi*yi y-yprom (yi-a0-

a1*xi)^2
10 25 100 250 380534,765 4171,006944
6
20 70 400 1400 327041,015 7245,252268
6
30 380 900 11400 68578,5156 910,7461735
3
40 550 1600 22000 8441,01562 29,98866213
5
50 610 2500 30500 1016,01562 16699,4083
5
60 1220 3600 73200 334228,515 81836,86224
6
70 830 4900 58100 35391,0156 89180,44572
3
80 1450 6400 116000 653066,015 16044,44444
6
Sumatorias
xi yi xi^2 xi*yi y-yprom yi-a0-a1*xi
360 5135 20400 312850 1808296,87 216118,1548
5
Coeficientes y Porcentaje de Ajuste

xpromedio ypromedio
45 641,875

a1 a0
-
19,4702381 234,285714

Sy Sy/x
508,259899 189,788546
1 7
r^2
88,04852468 %

Comprobacin Matlab
Linear model Poly1:
f(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
p1 = 19.47 (12.3, 26.64)
p2 = -234.3 (-596.1, 127.6)

Regresin Cuadrtica

VF x x xx x (yi-
Ni i ii i a0-
m ^ ^ ^^ * a1*xi
/ 2 3 42 y -
s * i a2*xi
y )^2
i
21 1 1 2 2 1485,
150 0 0 5 5 3316
0 0 0 0 0 0
0 0 0
0
274 8 1 1 2 7892,
000 0 6 4 8 5456
0 0 0 0 0
0 0 0 0
0 0
0
339 2 8 1 3 1708,
080 7 1 1 4 9956
00 0 0 4 2
0 0 0 0
0 0 0 0
0 0
451 6 2 2 8 579,8
056 4 5 2 8 464
 00 0 6 0 0
0 0 0 0 0
0 0 0 0
0 0
0
5 62 1 6 3 1 1223
0 15 2 2 0 5 6,784
00 5 5 5 2 4
0 0 0 0 5
0 0 0 0
0 0 0
0 0
6 13 2 1 7 4 8835
0 26 1 2 3 3 1,617
20 6 9 2 9 6
00 0 6 0 2
0 0 0 0
0 0 0
0 0
0
7 84 3 2 5 4 9140
0 39 4 4 8 0 9,475
00 3 0 1 6 6
0 0 1 0 7
0 0 0 0
0 0 0
0 0
0
8 16 5 4 1 9 1012
0 44 1 0 1 2 8,409
50 2 9 6 8 6
00 0 6 0 0
0 0 0 0
0 0 0 0
0 0
0

xi yi xi^2
360
xi^3 5135
xi^420400
Sr=yi-a0-a1*xi-
1296000 87720000
xi^2*yi a2*xi^2
20516500 213793,0064
Coeficientes y Porcentaje de Ajuste

a0 a1 a2 Sy/x r^2
-178,48 16,122 0,0372 206,78153 88,1771069 % Sy
508,2598991
Comprobacin Matlab

Linear model Poly2:

f(x) = p1*x^2 + p2*x + p3
Coefficients (with 95% confidence bounds):
p1 = 0.0372 (-0.3729, 0.4473)
p2 = 16.12 (-21.69, 53.93)
p3 = -178.5 (-920.1, 563.1)

Regresin Cbica

V m/s FN y-yprom xi^2 xi^3 xi^4 xi^5 xi^6

10 25 380534,765 100 1000 10000 100000 1000000
6
20 70 327041,015 400 8000 160000 3200000 64000000
6
30 380 68578,5156 900 27000 810000 24300000 729000000
3
40 550 8441,01562 1600 64000 2560000 102400000 409600000
5 0
50 610 1016,01562 2500 125000 6250000 312500000 1,5625E+1
5 0
60 1220 334228,515 3600 216000 12960000 777600000 4,6656E+1
6 0
70 830 35391,0156 4900 343000 24010000 168070000 1,1765E+11
3 0
80 1450 653066,015 6400 512000 40960000 327680000 2,6214E+11
6 0
Sumatorias
xi yi y-yprom xi^2 xi^3 xi^4 xi^5 xi^6
360 5135 1808296,87 20400 1296000 87720000 617760000 4,4696E+11
5 0
 xi*yi xi^2*yi xi^3*yi
250 2500 25000
1400 28000 560000
11400 342000 10260000
22000 880000 35200000
30500 1525000 76250000
73200 4392000 263520000
58100 4067000 284690000
11600 9280000 742400000
0
Sumatorias
xi*y xi^2*y xi^3*yi
i i
31285 2051650 141290500
0 0 0

Coeficientes y Porcentaje de Ajuste

a0 a1 a2 a3 r^2
-192.9 17.62 -0.002 0,0002 88,97 %

Desviacin Estndar

Sy
508,25
98991
Comprobacin Matlab

Linear model Poly3:

f(x) = p1*x^3 + p2*x^2 + p3*x + p4
Coefficients (with 95% confidence bounds):
 p1 = 0.0002904 (-0.02604, 0.02662)
p2 = -0.002002 (-3.591, 3.587)
p3 = 17.62 (-125.5, 160.7)
p4 = -192.9 (-1774, 1389)

19.26 Se ha tabulado la radiacin solar en Tucson, Arizona, como sigue:

Tiempo E F M A M J J A S O N D
Radiacio 122 188 245 311 351 359 308 287 260 211 159 131
n W/m2
Suponga que cada mes tiene 30 das y ajuste una sinusoide a estos datos. Utilice la ecuacin
resultante para pronosticar la radiacin a mediados de agosto:
Resolucin por Excel

y*cos(wot
t y cos(w0t) sen(wot) ) y*sen(wot) Sr
0.866025 105.6550 722.8004
30 122 404 0.5 993 61 734
0.86602 162.81277 0.023967
60 188 0.5 54 94 59 882
6.12574E- 1.50081E- 6.362144
90 245 17 1 14 245 086
0.86602 269.33390 187.7516
120 311 -0.5 54 -155.5 06 712
- -
0.866025 303.9749 170.9280
150 351 4 0.5 167 175.5 272
1.2251E- 4.39828E- 30.51162
180 359 -1 16 -359 14 509
210 308 - -0.5 - -154 1010.077
 0.866025 266.7358
4 244 589
- -
0.86602 248.54929 182.5701
240 287 -0.5 54 -143.5 09 182
-
-1.8377E- 4.77808E- 190.7438
270 260 16 -1 14 -260 38
- -
0.86602 182.73136 385.3794
300 211 0.5 54 105.5 02 097
0.866025 137.6980 68.21750
330 159 404 -0.5 392 -79.5 236
-
2.4503E- -3.20989E- 17.55944
360 131 1 16 131 14 849
Sumatori
as
- - -
4.6707E- 654.8576 11.133974 2972.925
2340 2932 0 16 026 6 814

0.017453
W0 293

244.3333
a0 333
-
109.1429
a1 34
-
1.855662
b1 43

Ecuacin Resultante

f ( t )=244.33109.142cos ( Wot )1.8556 sen (Wot )

f ( t )=244.33109.142cos ( 0.0179255 ) 1.8556 sen ( 0.017255 )

f ( t )=275.79 Radiacin a mediados de agosto

Comprobacin Grfica
Ingrese funcin f(x)=-0.389744*x^3-3.44*x^2-9.937184*x+9.838464
Ingrese el intervalo izquierdo de bsqueda xl=2
Ingrese el intervalo derecho de bsqueda xu=2.5
Ingrese el error deseado=0.1
No hay cambio de signo en los extremos
iteraciones | raiz | error
1 | 2.25000 | 1000.00000
2 | 2.37500 | 5.26316
3 | 2.43750 | 2.56410
4 | 2.46875 | 1.26582
5 | 2.48438 | 0.62893
6 | 2.49219 | 0.31348
7 | 2.49609 | 0.15649
8 | 2.49805 | 0.07819

La raz es: 2.49805

El numero de iteraciones es: 8
El error estimado es: 0.07819