Está en la página 1de 8

qwertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfgh jklzxcvbnmqwertyuiopasdfghjklzxcvb nmqwertyuiopasdfghjklzxcvbnmqwer AJUSTE POR MNIMOS CUADRADOS tyuiopasdfghjklzxcvbnmqwertyuiopas Obras Hidrulicas dfghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq wertyuiopasdfghjklzxcvbnmqwertyuio pasdfghjklzxcvbnmqwertyuiopasdfghj

klzxcvbnmqwertyuiopasdfghjklzxcvbn mqwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasdf ghjklzxcvbnmqwertyuiopasdfghjklzxc vbnmqwertyuiopasdfghjklzxcvbnmrty uiopasdfghjklzxcvbnmqwertyuiopasdf ghjklzxcvbnmqwertyuiopasdfghjklzxc


20/02/2012 Barragn Flores Oscar D.

AJUSTE POR MNIMOS CUADRADOS


Mnimos cuadrados es una tcnica de anlisis numrico encuadrada dentro de la optimizacin matemtica, en la que, dados un conjunto de pares ordenados: (variable independiente, variable dependiente) y una familia de funciones, se intenta encontrar la funcin, dentro de dicha familia, que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mnimo error cuadrtico.

En su forma ms simple, intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la funcin y los correspondientes en los datos. Especficamente, se llama mnimos cuadrados promedio (LMS) cuando el nmero de datos medidos es 1 y se usa el mtodo de descenso por gradiente para minimizar el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado esperado, con el mnimo de operaciones (por iteracin), pero requiere un gran nmero de iteraciones para converger.

Desde un punto de vista estadstico, un requisito implcito para que funcione el mtodo de mnimos cuadrados es que los errores de cada medida estn distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los estimadores mnimos cuadrticos carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una distribucin normal. Tambin es importante que los datos recogidos estn bien escogidos, para que permitan visibilidad en las

variables que han de ser resueltas (para dar ms peso a un dato en particular, vase mnimos cuadrados ponderados).

La tcnica de mnimos cuadrados se usa comnmente en el ajuste de curvas.

Consiste en someter el sistema a diferentes condiciones, fijando para ello distintos valores de la variable independiente x, y anotando en cada caso el correspondiente valor medido para la variable dependiente y. De este modo se dispone de una serie de puntos (x1,y1), .... (xn,yn) que, representados grficamente, deberan caer sobre una lnea recta. Sin embargo, los errores experimentales siempre presentes hacen que no se hallen perfectamente alineados. El mtodo de mnimos cuadrados determina los valores de los parmetros a y b de la recta que mejor se ajusta a los datos experimentales. Sin detallar el procedimiento, se dar aqu simplemente el resultado:

donde n es el nmero de medidas y representa la suma de todos los datos que se indican.

Los errores en las medidas, se traducirn en errores en los resultados de a y b. Se describe a continuacin un mtodo para calcular estos errores. En principio, el mtodo de mnimos cuadrados asume que, al fijar las condiciones experimentales, los valores yi de la variable independiente se conocen con precisin absoluta (esto generalmente no es as, pero lo aceptamos como esencial en el mtodo). Sin embargo, las mediciones de la variable x, irn afectadas de sus errores correspondientes, si es el valor mximo de todos estos errores, entonces se tiene:

La pendiente de la recta se escribir

, y la ordenada en el origen

. El coeficiente de correlacin es otro parmetro para el estudio de una distribucin bidimensional, que nos indica el grado de dependencia entre las

variables x e y. El coeficiente de correlacin r es un nmero que se obtiene mediante la frmula:

Su valor puede variar entre 1 y -1.

Si r = -1 todos los puntos se encuentran sobre la recta existiendo una correlacin que es perfecta e inversa.

Si r = 0 no existe ninguna relacin entre las variables.

Si r = 1 todos los puntos se encuentran sobre la recta existiendo una correlacin que es perfecta y directa.

EJEMPLO: Con los datos de la siguiente tabla sobre la altura en centmetros (X) y los pesos en kilogramos (Y) de una muestra de 8 estudiantes varones tomada al azar del segundo semestre de una universidad.

X 152 157 162 167 173 178 182 188

56

61

67

72

70

72

83

92

Realizamos la siguiente tabla para facilitar la aplicacin de las Formulas: n


1 2 3 4 5 6 7 8

xi
152 157 162 167 173 178 182 188

yi
56 61 67 72 70 72 83 92

yixi
8512 9577 10854 12024 12110 12816 15106 17296

xi2
23104 24649 26244 27889 29929 31684 33124 35344

yi2
3136 3721 4489 5184 4900 5184 6889 8464

n= 8

S(xi )= 1359 S(yi )= 573 S(yi xi )= 98295 S(xi 2)= 231967 S(yi 2)= 41967

Sustituyendo: ( ( ( ) ) ( ) ( )( ( ) ) )

( ( ) ( )(

)( ) (

) ) ( )( )

Entonces la Ecuacin de la curva ajustada queda:

Graficando: