miércoles, 14 de octubre de 2020

Ajuste de curvas con MATLAB Parte 2

Continuando con el ajuste de curvas, en la entrada anterior se mostró como obtener una ecuación de una curva de una forma interactiva, pero cuando queremos automatizar un proceso y aplicarlo a una base de datos con la que contamos, no es tan eficiente, por lo que en esta ocasión realizaremos una juste de curva con ayuda de un comando llamado polyfit.

p = polyfit(x,y,n)

El comando polyfit devuelve los coeficientes del polinomio ingresado.

Comencemos con generar un polinomio:


Definimos la variable x en nuestro Command Window como un vector igualmente espaciado con valor inicial de 0, valor final de 4*pi y que contenga 10 valores nuestro vector, como resultado obtenemos lo siguiente:


Después definimos la variable y como función del vector x




Grafiquemos esta serie de puntos para visualizarlos en el plano en 2D, para eso utilizaremos el siguiente comando:


Por lo que obtendremos lo siguiente:


 

Ahora usaremos la función de polyfit para ajustar un polinomio que cumpla con los puntos mostrados previamente, comenzaremos usando el grado= 3

Una vez que obtuvimos el polinomio, vamos a evaluarlo por lo que generemos un par de vectores con los nombres de x1 y y1.


Ahora gráficaremos tanto el resultado de polysfit en grado 3 con los puntos que teníamos previamente, recordemos que para sobreponer 2 graficos usamos el comando hold.


Obtenemos lo siguiente:


Al ver el resultado, podemos identificar que el grado 3, no cumple con toda la intersección de todos los puntos, por lo que subiremos de grado en grado hasta obtener el cumpla.

Nota: se puede observar que se cuentan con 9 puntos en la gráfica, por lo que se buscara un polinomio de grado igual o cercano a este número.


Y de esta forma podemos generar un polinomio a partir de una serie de puntos con ayuda de polyfit y podemos evaluar los polinomios que tengamos con ayuda de polyval.

Esto es todo por esta ocasión. Te invitamos a seguir al pendiente de nuestro Blog, ¡Gracias!

 

martes, 1 de septiembre de 2020

Organización de información usando tablas de datos y MATLAB


En este video mostraremos cómo sustituir información de una tabla de datos dentro de otra haciendo uso de MATLAB. Trabajaremos con archivos de Excel que tienen más de una hoja con información y haciendo uso de categorías aceleraremos el procesamiento de la información y finalmente exportaremos nuestra tabla creada en MATLAB a un archivo de Excel.



Contenido desarrollado por MultiON.


martes, 21 de julio de 2020

Cómo crear vectores igualmente espaciados en MATLAB.

En muchas ocasiones necesitamos crear vectores que tengan un número determinado de elementos, en este video mostramos cómo usted puede crear este tipo de vectores usando el comando dos puntos (:) y la función linspace.






Este blog es administrado por MultiON Consulting S.A. de C.V.

Interfaz de MATLAB

En este vídeo mostraremos de manera rápida como está compuesta la interfaz de MATLAB, cuáles son sus ventanas principales y cómo empezar a introducir algunos comandos sencillos.









Este blog es administrado por MultiON Consulting S.A. de C.V.

miércoles, 24 de junio de 2020

Sistemas Dinámicos con MATLAB y Simulink para Entender la Epidemia: Ajuste del Modelo SIR a datos reales.

En este último video, utilizaremos las funciones de optimización de MATLAB, por ejemplo, fminsearch, para ajustar los parámetros del modelo a datos conocidos.

La minimización de la distancia entre los datos y la evolución el modelo, permitirá estimar los valores de los parámetros, por ejemplo, el tiempo de recuperación y el radio de infección.

Realizaremos este ejercicio tanto para un país que está saliendo del brote epidémico (China) como para uno que está en ascenso -el nuestro-, con el fin de averiguar sus parámetros locales.



Sistemas Dinámicos con MATLAB y Simulink para Entender la Epidemia: Evolución del Modelo SIR.

Sistemas Dinámicos con MATLAB y Simulink para Entender la Epidemia: Modelos SIR con Simulink.

Usando Simulink, en este sexto video, construiremos un diagrama de bloques para modelar el sistema SIR tanto para corto como largo plazo y comprobaremos los resultados con los esperados.

Además usando diagramas de fase, observaremos el comportamiento del sistema en el largo plazo en el que un pico de la epidemia se replica una y otra vez pero con menor intensidad.




Accede a los archivos utilzados: https://la.mathworks.com/matlabcentral/fileexchange/75143-sistemas-dinamicos-con-ml-y-sl-para-entender-la-epidemia

miércoles, 20 de mayo de 2020

Sistemas Dinámicos con MATLAB y Simulink para Entender la Epidemia: Evolución del Modelo SIR.

En este quinto video con la ayuda de los solvers de MATLAB, como ode45, encontraremos numéricamente alguna solución particular del sistema de ecuaciones diferenciales no lineales y verificaremos el Modelo SIR tanto para el corto como el largo plazo.

Con ayuda de la función quiver representaremos el campo vectorial en 3 y 2 dimensiones para así verificar el comportamiento del sistema en los puntos de equiibrio.