Está en la página 1de 5

Recta de mnimos cuadrados

Cuando realizamos experimentos, casi siempre tabulamos los datos en forma de pares ordenados
x1; y1 , x 2 ; y2 , , x n ; yn , donde cada x k es distinta. Dados los datos, es deseable extrapolar y a partir de
x; para ello, debemos encontrar un modelo matemtico, esto es, una funcin que se aproxime o se ajuste a los
datos. En otras palabras, necesitamos una funcin f tal que f x1 y1 , f x 2 y 2 , , f x n yn .
Como es natural, no queremos una funcin cualquiera, sino una que se ajuste a los datos lo mejor posible. En la
explicacin que sigue centraremos la atencin exclusivamente en el problema de obtener un polinomio lineal
y mx b o una lnea recta que se ajuste mejor a los datos x1; y1 , x 2 ; y 2 , , x n ; yn .
El procedimiento para hallar esta funcin lineal se conoce como el mtodo de mnimos cuadrados.
Ajuste de una recta a los datos
Considere los datos 1; 1 , 2; 2 , 3; 4 , 4; 6 , 5; 5
que se muestran en la figura (a).
Cuando examinamos la figura (b), notamos que la recta
y x 1 pasa por dos de los puntos de datos y, en
consecuencia, podramos creer que es la que mejor se ajusta a
los datos.

Evidentemente, necesitamos algo mejor que una Si tratamos de relacionar los puntos de datos con la
conjetura visual para determinar la funcin lineal recta y mx b, querremos obtener m y b de manera
y f x . Precisamos un criterio que defina el concepto que satisfagan el sistema de ecuaciones
y1 mx1 b
de mejor ajuste o, como se llama en ocasiones, la
bondad del ajuste.
y 2 mx 2 b

y n mx n b

Este sistema de ecuaciones es un ejemplo de un sistema


sobredeterminado; es decir, un sistema en el que hay ms
ecuaciones que incgnitas. No esperamos que ese sistema
tenga solucin a menos que, por supuesto, los puntos de
datos se siten todos en la misma recta.

Recta de mnimos cuadrados


Si los puntos de datos son x1; y1 , x 2 ; y 2 , , x n ; yn , una forma de
determinar cmo se ajusta la funcin lineal f x mx b a los datos consiste en
medir las distancias verticales entre los puntos y la grfica de f:
e k y k f x k , k 1; 2; ; n.
Se puede decir que cada ek es el error en la aproximacin del valor del dato y k

con el valor de la funcin f x k (vea la figura).


Intuitivamente, la funcin f se ajusta a los datos si la suma de todos los valores
de ek es un mnimo.

Error al aproximar

y k con f x k

En realidad, un mtodo ms prctico para resolver el problema consiste en hallar una funcin lineal f tal que la
suma de los cuadrados de todos los valores e k y k f x k sea un mnimo.
Definimos la solucin del sistema de ecuaciones como los coeficientes m y b que reducen al mnimo la expresin

E e12 e 22 ek2
E y1 f x1 y 2 f x 2 yn f x n
2

E y1 mx1 b y2 mx 2 b yn mx n b
La expresin E se conoce como suma de errores cuadrticos.
2

La recta y mx b que minimiza la suma de errores


cuadrticos se denomina recta de mnimos cuadrados
o recta del mejor ajuste de los datos
x1; y1 , x 2 ; y2 , , x n ; yn .

El problema que queda por resolver ahora es: es


posible hallar una pendiente m y una coordenada y b tal
que la suma de los errores cuadrticos sea un mnimo?
La respuesta es s. Aunque se omiten los detalles (que
requieren del Clculo), los valores de m y b que
producen el valor mnimo de E estn dados por
En notacin de suma, escribimos de manera compacta
n
n
n

la suma de los errores cuadrticos as:


n x k y k x k y k
k 1 k 1
E e12 e 22 e2k
m k 1
2
n

n
2
n x 2k x k
E y k f x k
k 1 k 1
k 1
n
n 2 n
n
n

2
x
y

k
k
k


x k yk
E y n mx n b

k 1
b k 1 k 1 k 1 2k 1
n
n

n x 2k x k
k 1 k 1
No se deje llevar por el pnico. La evaluacin de estas frmulas slo requiere aritmtica.
Puede organizar los datos en una tabla:
xk
yk
x k yk
x 2k
n

x
k 1

y
k 1

x
k 1

2
k

x
k 1

yk

Adems, casi todas las calculadoras graficadoras pueden calcular estas sumas o darle m y b despus de ingresar los
datos.
Las frmulas para determinar m y b, que se obtienen Este sistema de ecuaciones puede resolverse por
por medio de Clculo son, en realidad, soluciones de un cualquiera de los mtodos conocidos: reduccin,
sistema lineal con las dos variables m y b:
sustitucin o igualacin.
n
n
n

2
x k m x k b x k yk
k 1
k 1
k 1
n
n

x
m

nb

yk

k 1
k 1

Nota
Es posible generalizar la tcnica de mnimos cuadrados. Por ejemplo, podramos ajustar los datos dados a una
expresin polinomial cuadrtica f x ax 2 bx c en lugar de un polinomio lineal.

Ejemplo
Para los datos (1, 1), (2, 3), (3, 4), (4, 6), (5, 5)
a) Obtenga la recta de mnimos cuadrados de los datos.
b) Calcule la suma de errores cuadrticos E de la recta de mnimos cuadrados y de la recta y x 1.
Solucin
a) Recta de mnimos cuadrados de los datos.
Usando las frmulas para m y b
xk
yk
x k yk
x 2k
1
1
1
1
2
3
4
6
3
4
9
12
4
6
16
24
5
5
25
25

15

19

55

68

n
n
n

n x k yk x k yk
k 1 k 1
m k 1
2
n
n

2
n xk xk
k 1 k 1
568 1519
55
m
m
1,1
2
555 15
50

n 2 n
n
n

x
y

x
k k k x k y k

b k 1 k 1 k 1 2k 1
n
n

n x 2k x k
k 1 k 1
5519 1568
25
b
b
0,5
2
555 15
50

Resolviendo el sistema de ecuaciones


n
n 2
n

x
m

x
b

x k yk 55m 15b 68

k
k
k 1
k 1
k 1
n
n

x
m

nb

y k 15m 5b 19

k
k 1
k 1
Despejando b de 15m 5b 19
19 15m
15m 5b 19 b
5
Sustituyendo en 55m 15b 68
19 15m
55m 15
68 55m 3 19 15m 68
5

55m 57 45m 68 55m 45m 68 57


11
10m 11 m
1,1
10
b) Suma de errores cuadrticos E
y 1,1x 0,5
xk
yk
1
1
1,6
2
3
2,7
3
4
3,8
4
6
4,9
5
5
6,0

15

19

19

y x 1
2
3
4
5
6

20

Por lo tanto, la recta de


mnimos cuadrados es
y 1,1x 0,5.

19 15m
5
19 151,1
19 151,1
b
b
5
5
2,5
b
0, 5
5

Sustituyendo m 1,1 en b

Por lo tanto, la recta de mnimos cuadrados es


y 1,1x 0,5.

Calculando E y k f x k

k 1

Para la recta de mnimos cuadrados y 1,1x 0,5, la suma Para efectos de comparacin, en la figura se
muestran los datos, la recta y x 1 en azul y la
de los errores cuadrticos es
2
2
2
2
2
E 1 1,6 3 2, 7 4 3,8 6 4,9 5 6,0 recta de mnimos cuadrados y 1,1x 0,5 en rojo.

E 0, 6 0,3 0, 2 1,1 1, 0
2

E 0,36 0,09 0,04 1,21 1 E 2, 7


Para la recta y x 1 la suma de los errores cuadrticos es
E 1 2 3 3 4 4 6 5 5 6
2

E 1 0 0 1 1
2

E 1 0 0 11 E 3

En los ejercicios 1 a 6, obtenga la recta de mnimos cuadrados de los datos proporcionados.


1. (2; 1), (3; 2), (4; 3), (5; 2).
2. (0; 1), (1; 3), (2; 5), (3; 7).
3. (1; 1), (2; 1,5), (3; 3), (4; 4,5), (5; 5).
4. (0; 0), (2; 1,5), (3; 3), (4; 4,5), (5; 5).
5. (0; 2), (1; 3), (2; 5), (3; 5), (4; 9), (5; 8), (6; 10).
6. (1; 2), (2; 2,5), (3; 1), (4; 1,5), (5; 2), (6; 3,2), (7; 5).
Aplicaciones
7. En un experimento se obtuvo la correspondencia que se presenta en la tabla entre la temperatura T (en C) y la
viscosidad cinemtica (en centistokes) de un aceite con un cierto aditivo. Obtenga la recta de mnimos cuadrados
mT b y sela para estimar la viscosidad del aceite a T 140C y T 160C.
T
20 40 60 80 100 120
220
200 180 170 150 135

8. En un experimento se obtuvo la correspondencia que se presenta en la tabla entre la temperatura T (en C) y la


resistencia elctrica R (en M). Obtenga la recta de mnimos cuadrados R=mT+b y sela para estimar la
resistencia a T 700C.
T
400 450 500 550 600 650
R
0,47 0,90 2,00 3,70 7,50 15,0

Uso de matrices y determinantes


El sistema de ecuaciones
n
n 2
n

x
m

x
b

x k yk

k
k

k 1
k 1
k 1
n
n

x
m

nb

yk

k
k 1
k 1
puede escribirse de una manera especial usando
matrices: A X Y , donde A, X e Y se definen

x1 1
x 1
A 2 ,

x n 1

y1
y
m
X b , Y 2


yn

Puesto que A es una matriz de n x 2 y su matriz transpuesta A es una matriz de 2 x n, el orden del producto
T

A A es 2 x 2. Adems, a menos que todos los puntos de datos estn situados en la misma recta vertical, la
T
matriz A A no es singular.
T
T
Por tanto, A A X A Y , tiene la solucin nica.
Decimos que X es la solucin de mnimos cuadrados del sistema sobredeterminado.
T

Podemos resolver el sistema de ecuaciones A A X A Y ,

a) Por cualquiera de los mtodos conocidos: reduccin, sustitucin o igualacin.


b) Usando la regla de Cramer

c) Usando el mtodo de la matriz inversa: X A A


T

A Y
T