Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ajustes
Ajustes
Pedro Salvador
= min ( y i f ( xi )) 2
i
f ( x) = a 0 + a1 x + a 2 x 2
etc..
= 2( yi a0 a1 xi ) = 2 yi 2 Na0 2a1 xi = 0
a0
i
i
i
N
N
N
N
Na0 + a1 xi = yi
N
a0 xi + a1 xi2 = xi yi
1 x a0 y
=
2
x x a1 xy
por lo que determinar los parmetros de la recta se resume a resolver el sistema de
ecuaciones lineales de dos ecuaciones y dos incgnitas anterior.
21
Consideremos ahora el mismo problema desde otra perspectiva. Vamos a suponer que
los N puntos pueden pasar exactamente por la recta que buscamos. En este caso,
plantearamos el siguiente sistema N de ecuaciones con 2 incgnitas
a0 + a1 x1 = y1
a + a x = y
0 1 2
2
...
a0 + a1 x N = y N
x
1
y
0
2
= 2
... ... a1
...
y
1 xN
N
1 x1
1 x2
A=
... ...
1 xN
r r
A x = y
r a
x = 0
a1
y1
r y2
y =
...
y
N
Como ya hemos visto, una manera directa de resolver los sistemas de ecuaciones
expresados en forma matricial es la de multiplicar por la izquierda a ambos lados de la
igualdad por la inversa de la matriz de coeficientes. sin embargo, en este caso, al tener
mas ecuaciones que incgnitas, la matriz de coeficientes, A, no es una matriz cuadrada
(tendr dimensin N 2) por lo que no esta definida su inversa. Una posible estrategia a
seguir es multiplicar la ecuacin matricial anterior por la transpuesta de la matriz de
coeficientes (el producto de una matriz por su transpuesta es siempre una matriz
cuadrada y simtrica) de manera que tendremos
r
r
AT A x = AT y
S = AT A
r
zr = AT y
r r
Sx = z
Ahora bien, la matriz S es una matriz cuadrada de dimensin 22 y simtrica por lo que
es invertible as que podemos escribir
r
r
S 1 S x = S 1 AT y
r
r
x = S 1 AT y
22
Ahora bien, representa esta estrategia una solucin diferente al problema de la que
hemos deducido anteriormente mediante minimizacin del error cuadrtico?
Veremos a continuacin que no es el caso.
1
x2
1 x1
N
... 1 1 x2
=
... x N ... ... N
xi
1 xN i =1
i =1
xi2
i =1
y1 N
yi
... 1 y2 i=1
... x N ... N
xi yi
y i =1
1
x2
N
xi
i =1
yi
i =1
.
0 = Ni =1
N
2 a1
xi
xi yi
i =1
i =1
x a
i
Dividiendo cada ecuacin por N y utilizando la notacin tpica para el valor medio
llegamos a
x a0 y
=
x 2 a1 xy
23
24
x
2
x
x 2 a0 y
x3 a1 = xy
2
x 4 a2 x y
x
x2
x3
...
xM
x
x2
...
x M +1
x M a0 y
M +1
a
xy
... x 1
... = ...
... ...
M
... x 2 M aM x y
...
25
1 N
r r
f ( N , p, q, x , y ) x p y q xip yiq
N i=1
para determinar todos los promedios de potencias de x y productos de stas por y que
aparecen en la matriz de coeficientes y de trminos independientes.
r r
f ( N ,1,0, x , y ) x
r r
f ( N ,1,1, x , y ) xy
r r
f ( N ,3,0, x , y ) x 3
Sin embargo, es mucho mas sencillo aplicar el algoritmo general matricial descrito
anteriormente para el caso lineal. Ahora, para el ajuste de un polinomio de grado M
plantearamos un sistema N de ecuaciones con M+1 incgnitas (incluyendo el trmino
independiente)
a0 + a1 x1 + a2 x12 + ... + aM x1M = y1
2
M
a0 + a1 x2 + a2 x2 + ... + aM x2 = y2
...
a + a x + a x 2 + ... + a x M = y
2 N
M N
N
0 1 N
o bien, en forma matricial
1 x1
1 x2
1 ...
1 x
N
x12
x22
...
x N2
... x1M a0 y1
... xNM a1 y2
=
... ... ... ...
... xNM aM y N
r r
A x = y
26
(1)
( 2)
(k )
a0 + a1 x2 + a2 x2 + ... + ak x2 = y2
...
a + a x (1) + a x ( 2 ) + ... + a x ( k ) = y
2 N
k N
N
0 1 N
o bien, en forma matricial
1 x1(1)
1 x2(1)
1 ...
1 x (1)
N
r r
A x = y
de puntos.
27
(y
N
R2 =
calc
i
(y
N
y)
(x
xy x y
2
)(y
Cov( XY )
x y
Como se puede ver, el valor de este coeficiente es independiente del modelo ajustado,
ya que nicamente indica la relacin estadstica entre el conjuntos de datos.
28