Documentos de Académico
Documentos de Profesional
Documentos de Cultura
0 1
2
0 1
0
0
i i
i i i i
y a a x
y x a x a x
=
=
0 0
a na =
0 1
2
0 1
i i
i i i i
na a x y
a x a x x y
+ =
+ =
( )
1
2
2
0 1
i i i i
i i
n x y x y
a
n x x
a y a x
=
y
x
1 1 0.5 1 0.5 0.25 0.1687
2 2 2.5 4 5 6.25 0.5624
3 3 2.0 9 6 4 0.3473
4 4 4.0 16 16 16 0.3264
5 5 3.5 25 17.5 12.25 0.5897
6 6 6.0 36 36 36 0.7971
7 7 5.5 49 38.5 30.25 0.1994
28 24 140 119.5 105 2.9911
Como se tienen 7 puntos, n=7 y entonces
La pendiente y el intercepto de la recta, respectivamente, son:
De manera que la recta buscada es
Cabe destacar que S
r
=2.9911 y que esta suma de los cuadrados de los residuos es la mnima. A
continuacin se presentan los valores de la y
i
medida, de la y
i
del modelo y del error en la
aproximacin:
i x
i
y
i,medida
y
i,modelo
e
i
1 1 0.5 0.9108 0.4108
2 2 2.5 1.7506 0.7499
3 3 2.0 2.5893 0.5893
4 4 4.0 3.4286 0.5714
5 5 3.5 4.2679 0.7679
6 6 6.0 5.1072 0.8928
7 7 5.5 5.9465 0.4465
Lo cual puede apreciarse grficamente:
1
1
28
4
7
24
3.4286
7
n
i
i
n
i
i
x
x
n
y
y
n
=
=
= = =
= = ~
1
2
0
(7)(119.5) (28)(24) 164.5
0.8393
196 (7)(140) (28)
3.4286 (0.8393)(4) 0.07143
a
a
= = ~
= ~
0.07143 0.8393 y x e = + +
Cuantificacin del error en una ajuste a una recta por mnimos cuadrados:
- La ecuacin del error estndar del estimado es:
Se considera el denominador n-2 debido a que se usan dos datos estimados a
0
y a
1
para
realizar los clculos, y por lo tanto se tienen n-2 grados de libertad. Esta ecuacin cuantifica
la dispersin alrededor de la recta de regresin, la cual sigue una distribucin normal.
- El coeficiente de correlacin est dado por:
e indica qu tan relacionados estn los datos de x y los de y. Conforme r se acerque ms a -1
1, los datos estarn ms relacionados.
- El coeficiente de determinacin es r
2
y al hacer r
2
x100, tendremos entonces el porcentaje en
que la incertidumbre original ha sido explicada por el modelo lineal.
Ajuste para una parbola
Supongamos que tenemos la siguiente grfica correspondiente a una serie de datos:
0 1 2 3 4 5 6 7
0
1
2
3
4
5
6
7
x
y
=
f
(
x
)
y=0.07143+0.8393 x
e3
e2
e4
e1
e5
e4
e6
e7
/
2
r
Y X
S
S
n
=
( )( )
( )
( )
( )
( )
2 2 2 2
i i i i
i i i i
n x y x y
r
n x x n y y
=
Es claro que una regresin lineal por mnimos cuadrados no explica adecuadamente el
comportamiento de los datos y es preferible una parbola. Una alternativa simple es utilizar
manipulaciones matemticas para transformar las ecuaciones en una forma lineal, utilizar regresin
lineal y luego volver al estado original para propsitos predictivos.
Ejemplo. Ajusta los valores de x y y a una parbola.
i x
i
y
i
=f(x
i
)
1 1 0.5
2 2 1.7
3 3 3.4
4 4 5.7
5 5 8.4
Solucin. En la siguiente tabla se resumen los datos que resultan de aplicar logaritmo en base 10
tanto a los datos x como a los datos y:
i x
i
y
i
=f(x
i
) log
10
(x
i
) log
10
(y
i
)
1 1 0.5 0 -0.301
2 2 1.7 0.301 0.230
3 3 3.4 0.477 0.531
4 4 5.7 0.602 0.756
5 5 8.4 0.699 0.924
0 1 2 3 4 5 6 7 8 9
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
x
y
=
f
(
x
)
Las grficas de los valores de la tabla antes y despus de la transformacin, respectivamente son las
siguientes:
La recta resultante de aplicar mnimos cuadrados es:
1 2 3 4 5 6 7 8 9
0
1
2
3
4
5
6
7
8
9
x
y
=
f
(
x
)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
x
y
=
f
(
x
)
Para encontrar la parbola que describe el comportamiento de los datos originales,
aplicamos a la recta el antilogaritmo (10
x
) de x:
y=0.5x
1.75
10 10
log ( ) 1.75log ( ) 0.300
i i
y x =
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
x
y
=
f
(
x
)
log10(yi)=1.75*(xi)-0.300
1 2 3 4 5 6 7 8 9
0
1
2
3
4
5
6
7
8
9
x
y
=
f
(
x
)
y=0.5*x1.75
Bibliografa
- Akai Terrence J., Mtodos numricos aplicados a la ingeniera. Mxico, Limusa
Wiley, 2004.
- Burden Richard L. & Faires J. Douglas, Anlisis numrico. 2. ed., Mxico, Grupo
Editorial Iberoamrica, 1993.
- Chapra Steven C. & Canale Raymond P., Mtodos numricos para ingenieros. 4.
ed., Mxico, McGraw-Hill, 2003.
- Iriarte R. & Balderrama V., Mtodos numricos. Mxico, Facultad de Ingeniera
U.N.A.M., Trillas, 199