Page 593 - Chapra y Canale. Metodos Numericos para Ingenieros 5edición_Neat
P. 593

19.8  AJUSTE DE CURVAS CON BIBLIOTECAS Y PAQUETES DE SOFTWARE    569

                                         de herramientas para el análisis de datos. Para hacerlo, use simplemente el ratón o la
                                         secuencia de teclas
                                            /Tools Add-Ins
                                            Después seleccione Analysis Toolpack y OK (Aceptar). Si la instalación resultó
                                         satisfactoria, la opción Data Analysis se agregará en el menú Tools (Herramientas).
                                            Después de seleccionar Data Analysis en el menú de herramientas (Tools), apare-
                                         cerá en pantalla un menú de Data Analysis que contiene un gran número de rutinas
                                         orientadas estadísticamente. Seleccione Regression y se desplegará un cuadro de diá-
                                         logo que esperará que se le proporcione información sobre la regresión. Después de
                                         estar seguros que se ha seleccionado la instrucción por default New Worksheet Ply,
                                         dé F2:F7 como el rango y y D2:E7 como el rango x, y seleccione OK. Se creará la si-
                                         guiente hoja de cálculo:

                                                  A          B         C        D      E       F         G
                                          1   RESUMEN DE RESULTADOS
                                          2
                                          3   Estadística de regresión
                                          4   Múltiple R    0.998353
                                          5   R cuadrada    0.996708
                                          6   Aj. de R cuadrada   0.994513
                                          7   Error estándar   0.015559
                                          8   Observaciones     6
                                          9
                                          10   ANOVA
                                          11                 df       SS       MS      F    Signifi cancia F
                                          12   Regresión        2     0.219867  0.10993  454.1106  0.0001889
                                          13   Residual         3     0.000726  0.00024
                                          14   Total            5     0.220593
                                          15
                                           16             Coefi cientes   Error estándar   Estad. t   Valor P   Inf. al 95%   Sup. al 95%
                                          17   Intersección  1.522452  0.075932  20.05010  0.000271  1.2808009  1.7641028
                                          18   X Variable 1  0.433137  0.022189  19.52030  0.000294  0.362521  0.503752
                                          19   X Variable 2  0.732993  0.031924  22.96038  0.000181  0.631395  0.834590

                                            De esta manera, el ajuste resultante es
                                            log U = 1.522 + 0.433 log S + 0.733 log R
                                         o tomando antilogaritmos,

                                                       R
                                            U = 33.3S 0.433 0.733
                                            Observe que se generaron intervalos de confianza de 95% para los coeficientes. Así,
                                         hay 95% de probabilidad de que el verdadero exponente de la pendiente esté entre 0.363
                                         y 0.504, y de que el verdadero coeficiente del radio hidráulico esté entre 0.631 y 0.835.
                                         De esta forma, el ajuste no contradice los exponentes teóricos.

                                            Finalmente, se debe observar que se puede usar la herramienta Solver de Excel para
                                         una regresión no lineal, minimizando de manera directa la suma de los cuadrados de
                                         los residuos entre una predicción del modelo no lineal y los datos. Dedicaremos la sec-
                                         ción 20.1 a un ejemplo de cómo se realiza lo anterior.





                                                                                                         6/12/06   13:58:27
          Chapra-19.indd   569                                                                           6/12/06   13:58:27
          Chapra-19.indd   569
   588   589   590   591   592   593   594   595   596   597   598