Computacion en Ingeniera de Procesos

2. An
alisis del error

Enero, 30 de 2012

Computaci
on en Ingeniera de Procesos 1 / 18
Contenido

1 Conceptos

2 Tipos de error
I Error de truncamiento
I Error de redondeo

3 Propagacion de errores y estabilidad

Computaci
on en Ingeniera de Procesos 2 / 18
1. Conceptos

1.1 Exactitud y precisi

on
Los errores asociados con los calculos y las medidas de un valor se pueden
caracterizar en terminos de su exactitud y su precisi
on.

Exactitud: se refiere a la verocidad del valor

Precisi
on: se refiere a la escala usada para expresar el valor

Ejemplo: Aproximamos el valor de f (x) aplicando la serie de Taylor de orden 1:

f (x) f (x0 ) + (x x0 )f 0 (x0 )

El error que se comete, cuando se usa esa aproximaci on en vez de f (x) es

precisamente el residuo R1 (x). Este error representa la inexactitud y la
imprecisi
on.

Computaci
on en Ingeniera de Procesos 3 / 18
1. Conceptos

1.2 Cifras significativas

El concepto de cifras significativas se ha introducido para poder manejar
formalmente la confiabilidad de un valor numerico.

Los n
umeros 0.000857, 0.00857 y 0.0857 tiene 3 cifras significativas, ya que los
ceros solamente de usan para ubicar el punto decimal.

Cuantas cifras significativas tiene el n

umero 857000?
Puede tener 3, 4, 5 o 6 cifras significativas, dependiente de cuantos de los ceros
se conocen con exactitud.

El concepto de cifras significativas es importante ya que permite definir

criterios para la bondad de una aproximaci on, por ejemplo: la aproximaci on
de un valor numerico es aceptable, si coincide con el valor exacto en 4 cifras
significativas.

Computaci
on en Ingeniera de Procesos 4 / 18
1. Conceptos

Para resolver este tipo de ambig

uedad, se usa la notaci
on cientifica de los
n
umeros reales:

0.000857 = 8,57 . 104 3 cifras significativas

0.00857 = 8,57 . 103 3 cifras significativas
0.0857 = 8,57 . 102 3 cifras significativas

y para el n
umero 857000 tenemos:

si lo escribimos como 8,57.105 indicamos que tiene 3 cifras significativas

si lo escribimos como 8,570.105 indicamos que tiene 4 cifras
significativas
si lo escribimos como 8,5700.105 indicamos que tiene 5 cifras
significativas.

Computaci
on en Ingeniera de Procesos 5 / 18
1. Conceptos

Sea x la solucion exacta del problema y x la soluci

on aproximada, podemos
definir varios tipos de errores:

El error verdadero:
Ev = x x
El error absoluto:
Ea = |x x |
donde el signo del error no interesa mucho.
El error relativo:
 x x 
 
Er = 
 
x 
es decir, normalizamos el error. Esta representaci
on es independiente de
la escala.
El error relativo (porcental):
 x x 
 
Er =   100%
x 

Computaci
on en Ingeniera de Procesos 6 / 18
1. Conceptos

Notas:

En situaciones reales es com

un que no se conoce el valor verdadero del
resultado: las mediciones dependen del instrumento y del procedimiento
de medicion.

En este caso se usa una aproximaci

on del valor verdadero y se define el
error porcental aproximado como
error aproximado
E = 100%
valor aproximado
o bien
aproximaci
on actual -aproximacion anterior
E = 100%
aproximacion actual

Computaci
on en Ingeniera de Procesos 7 / 18
2. Tipo de errores

on de un problema y x su paroximaci
Sea x el valor exacto de la soluci on. La

diferencia entre x y x se explica basicamente por dos razones:

Tenemos un error de trucamiento por aplicar un procedimiento

matem atico aproximado (por ejemplo, usar la serie de Taylor de orden
finito en vez de usar los infinitos terminos de la suma para una funci
on
que es infinitas veces diferenciables)

h2 00 h3
f (xi + h) = f (xi ) + hf 0 (xi ) + f (xi ) + f 000 (xi ) + ...
2! 3!
Obtenemos un error de redondeo porque no podemos representar el
n
umero con todos sus cifras significativas (por ejemplo, usamos
= 3.14 en vez del n
umero que tiene infinitas decimales).
Tambien
= 3.1416, e = 2.71828

Computaci
on en Ingeniera de Procesos 8 / 18
2. Tipo de errores - 2.1 Error de trucamiento

La formula de Taylor:

h2 00 h3
f (xi+1 ) = f (xi + h) = f (xi ) + hf 0 (xi ) + f (xi ) + f 000 (xi ) + ...
2! 3!

f (x)
f (xi ) orden 0
primer f (xi+1 ) f (xi )
orden

f (xi+1 ) f (xi ) + f 0 (xi )h

exacta
f 00 (xi ) 2
segundo orden f (xi+1 ) f (xi ) + f 0 (xi )h + 2!
h

f (xi+1 )
x
xi = 0 xi+1 = 1
h

Computaci
on en Ingeniera de Procesos 9 / 18
2. Tipo de errores - 2.1 Error de trucamiento
Ejemplo:

x2 x3 x4 x5
ex = 1 + x + + + + + ..., xi = 0, h = x xi+1 = x
2! 3! 4! 5!

fun exp.sce
//
// Calcula la funci
on exponencial con la formula de Taylor
//
clear

x = input(enter el valor de x =);

n = input(enter el orden n =);
disp(n term suma);

term = 1;
suma = term;
for i=1:n
term = term*x/i;
suma = suma + term;
printf( %d %10.4f %10.4f, i, term, suma);
end

Computaci
on en Ingeniera de Procesos 10 / 18
2. Tipo de errores - 2.1 Error de trucamiento

16 477.9477 21430.8347
enter el valor de x = 10
17 281.1457 21711.9804
enter el orden n = 40
18 156.1921 21868.1725
19 82.2064 21950.3788
n term suma
20 41.1032 21991.4820
21 19.5729 22011.0550
1 10.0000 11.0000
22 8.8968 22019.9518
2 50.0000 61.0000
23 3.8682 22023.8199
3 166.6667 227.6667
24 1.6117 22025.4317
4 416.6667 644.3333
25 0.6447 22026.0764
5 833.3333 1477.6667
26 0.2480 22026.3243
6 1388.8889 2866.5556
27 0.0918 22026.4162
7 1984.1270 4850.6825
28 0.0328 22026.4490
8 2480.1587 7330.8413
29 0.0113 22026.4603
9 2755.7319 10086.5732
30 0.0038 22026.4640
10 2755.7319 12842.3051
31 0.0012 22026.4653
11 2505.2108 15347.5160
32 0.0004 22026.4656
12 2087.6757 17435.1917
33 0.0001 22026.4657
13 1605.9044 19041.0960
34 0.0000 22026.4658
14 1147.0746 20188.1706
35 0.0000 22026.4658
15 764.7164 20952.8870
36 0.0000 22026.4658

x = 10, e x = 22026.4658
Computaci
on en Ingeniera de Procesos 11 / 18
 2. Tipo de errores - 2.1 Error de trucamiento

Aunque la adici
on de t
erminos m
as reducir
a el error relativo, la mejora se hace
despreciable

fun exp2.sce

//
// Representa el error relativo vs. el orden
//
clear

x = input(enter el valor de x =);

n = input(enter el orden n =);

term = 1;
suma = 1;
for i=1:n
term = term*x/i;
suma = suma + term;
fapr = suma; // aproximacion
fexp = exp(x); // valor exacto
errv(i) = abs(fapr-fexp)/abs(fexp);
end

ordv=1:n
plot(ordv,errv)

Computaci
on en Ingeniera de Procesos 12 / 18
 2. Tipo de errores - 2.1 Error de trucamiento

Para este caso se ha a

nadido el t
ermino de segundo orden.

fun exp2.sce

//
// Representa una aproximacion de orden 2
//
clear

n = input(enter el orden n =);

x = linspace(0,1,10);

for k=1:length(x)
term = 1;
suma = 1;
for i=1:n
term = term*x(k)/i;
suma = suma + term;
end
fapr(x) = exp(x(k));
fexp(x) = suma;
end

clf();
plot(x,fexp,ro-,x,fapr,b^-)

Computaci
on en Ingeniera de Procesos 13 / 18
2. Tipo de errores - 2.2 Errores de redondeo

Las computadoras son m

aquinas de precisi
on limitada.

Los n
umeros se almacenan en un n umero limitado y fijo de dgitos que
est
an representados por el n
umero de bits o bytes (grupo de 8 bits).

El resto de dgitos se ignora y se desecha, y esto conduce a la aparici

on
de errores de redondeo.

El n
umero de cifras significativas para cada equipo depende de su
arquitectura y en el compilador.

Los ordenadores personales PC, por ejemplo con 32 bits por registro y
suelen estar equipados con los compiladores que proporcionan
I 7 dgitos significativos en precisi
on simple
I 15 cifras significativas en precision doble

Computaci
on en Ingeniera de Procesos 14 / 18
2. Tipo de errores - 2.2 Errores de redondeo
Ejemplo 1:
considerar 1 dividido por 3 o
0.33
3
si un equipo retiene siete cifras significativas, el n
umero que se registra sera

0.3333333

y el error de redondeo sera

0.0000000
3
o bien
3 107
0.33
con la precisi
on doble, el error sera

3 1015
0.33

en la mayora de los casos, el error de redondeo de un solo paso es

insignificante
pero cuando un gran numero de c
alculos repetitivos se lleva a cabo, el
error de redondeo puede acumularse y llegar a ser significativo.

Computaci
on en Ingeniera de Procesos 15 / 18
2. Tipo de errores - 2.2 Errores de redondeo

Ejemplo 2:

Los errores de redondeo tambien pueden producirse cuando se utiliza la f

ormula
cuadr
atica. Por ejemplo,

x 2 2.57 103 x + 1 = 0

Entonces p
2.57 103 (2.57 103 )2 4
x=
2
o bien
2.57 103 2.56999922 103
x=
2
La raz calculada tendr
a errores de redondeo si no se utilizan cifras significantes.
Utilizar una mayor precisi
on o simplemente cambiar el metodo de c
alculo
de modo que los errores pueden evitarse o reducirse al mnimo.

Computaci
on en Ingeniera de Procesos 16 / 18
3. Propagacion de errores y estabilidad

En los pocesos numericos, muy frecuentemente, es necesario realizar

muchas operaciones aritmeticas.
El error inicial incide en las operaciones siguientes y los errores propagan
Un algoritmo es numericamente estable si un error, una vez que se
genere, no crece demasiado durante el c
alculo.

Ejemplo:
Considere la sequencia de n
umeros reales

x0 = 1, x1 = 13


xn+1 = 13 x 34 xn1 , n 1
3 n
(1)
1 n


Se puede demostrar que la secuencia genera la serie xn = 3
(2).

0
1
2
(x0 = 31 , x1 = 13 , x2 = 13 x 43 x0 = 13 , ...)
8 1

Computaci
on en Ingeniera de Procesos 17 / 18
3. Propagacion de errores y estabilidad
Algunos resultados generados a partir de las dos formulas anteriores:

n xn Eq.(1) xn Eq.(2)
3 0.11111111 0.03703704
4 0.03703704 0.01234568
5 0.01234568 0.00411523
6 0.00411523 0.00137174
7 0.00137174 0.00045725
8 0.00045725 0.00015242
9 0.00015242 0.00005081
10 0.00005081 0.00001694
11 0.00001694 0.00000565
12 0.00000564 0.00000188
13 0.00000188 0.00000063
14 0.00000063 0.00000021
15 0.00000021 0.00000007
16 0.00000006 0.00000002
17 -0.00000003 0.00000001
18 -0.00000020 0.00000000
19 -0.00000085 0.00000000
20 -0.00000340 0.00000000

Se observa que la f
ormula de recurrencia es un proceso inestable.
Computaci
on en Ingeniera de Procesos 18 / 18