Sobre ajuste de datos

1. ¿Es lo mismo realizar un ajuste por mínimos cuadrados que interpolar unos datos experimentales?

No. Interpolar es unir los puntos mediante polinomios.

2. ¿Ajustar unos datos es evaluar los datos experimentales en una función-prueba?

NUNCA se debe sustituir directamente en el modelo matemático los valores medios de las medidas directas con intención de calcular alegrabraicamente los coeficientes de ajuste.

3. ¿Un ajuste debe tener en cuenta los errores de X e Y?

Estrictamente, se deben incluir los errores de X e Y en los ajustes (conocidos como ponderados), especialmente cuando son muy diferentes. En sentido estricto, todo ajuste por mínimos cuadrados debería ser ortogonal, donde lo que se minimiza es la distancia del punto (X, Y) al modelo. Sin embargo, matemáticamente resulta más sencillo implementar el ajuste como una minimización de las distancias en Y. Más info en [1].

4. ¿Cuál es la interpretación de las incertidumbres de los coeficientes de la regresión lineal?

Representan un intervalo de confianza (con al menos un 95% de confianza siempre que N>=7)

5. ¿Qué problemas tiene la linealización de una ley exponencial para realizar un ajuste lineal?

Uno es el dimensional. El argumento de logaritmo (decimal o neperiano) tiene que ser adimensional. Ello implica que la medida deberá dividirse por el valor 1 expresado en la unidad de medida. Otro es el intervalo de ajuste (unidades en forma de submúltiplos o valores cercanos a 1) donde el logaritmo cambia abruptamente.