Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El ejemplo ms simple de una aproximacin por mnimos cuadrados es ajutar una lnea
recta a un conjunto de observaciones definidas por puntos: (x1, y1), (x2, y2),, (xn, yn).
La expresin matemtica para la lnea recta es
y = a0 + a1x + e (17.1)
www.FreeLibros.me
Chapra-17.indd 466 6/12/06 13:57:11
17.1 REGRESIN LINEAL 467
0
0 5 x
a)
y
0
0 5 x
b)
y
5
FIGURA 17.1
a) Datos que muestran
un error significativo. b)
Ajuste polinomial oscilando
ms all del rango de los
datos. c) Resultados ms 0
satisfactorios mediante 0 5 x
el ajuste por mnimos c)
cuadrados.
e = y a 0 a1x
www.FreeLibros.me
Chapra-17.indd 467 6/12/06 13:57:11
468 REGRESIN POR MNIMOS CUADRADOS
Una estrategia para ajustar una mejor lnea a travs de los datos ser minimizar la
suma de los errores residuales de todos los datos disponibles, como sigue:
n n
e = (y a
i =1
i
i =1
i 0 a1 xi ) (17.2)
donde n = nmero total de puntos. Sin embargo, ste es un criterio inadecuado, como lo
muestra la figura 17.2a, la cual presenta el ajuste de una lnea recta de dos puntos. Ob-
viamente, el mejor ajuste es la lnea que une los puntos. Sin embargo, cualquier lnea
FIGURA 17.2
Ejemplo de algunos criterios para el mejor ajuste que son inadecuados para la regresin:
a) minimizar la suma de los residuos, b) minimizar la suma de los valores absolutos de los
residuos y c) minimizar el error mximo de cualquier punto individual.
Punto medio
x
a)
y
x
b)
y
Punto fuera
del conjunto
x
c)
www.FreeLibros.me
Chapra-17.indd 468 6/12/06 13:57:12
17.1 REGRESIN LINEAL 469
recta que pase a travs del punto medio que une la lnea (excepto una lnea perfectamen-
te vertical) da como resultado un valor mnimo de la ecuacin (17.2) igual a cero, debi-
do a que los errores se cancelan.
Por lo tanto, otro criterio lgico podra ser minimizar la suma de los valores abso-
lutos de las discrepancias,
n n
i =1
ei = i =1
yi a0 a1 xi
La figura 17.2b muestra por qu este criterio tambin es inadecuado. Para los cuatro
puntos dados, cualquier lnea recta que est dentro de las lneas punteadas minimizar
el valor absoluto de la suma. As, este criterio tampoco dar un nico mejor ajuste.
Una tercera estrategia para ajustar una mejor lnea es el criterio minimax. En esta
tcnica, la lnea se elige de manera que minimice la mxima distancia a que un punto
se encuentra de la lnea. Como se ilustra en la figura 17.2c, tal estrategia es inadecuada
para la regresin, ya que da excesiva influencia a puntos fuera del conjunto; es decir, a
un solo punto con un gran error. Deber observarse que el principio minimax es, en
algunas ocasiones, adecuado para ajustar una funcin simple a una funcin complicada
(Carnahan, Luther y Wilkes, 1969).
La estrategia que supera las deficiencias de los procedimientos mencionados con-
siste en minimizar la suma de los cuadrados de los residuos entre la y medida y la y
calculada con el modelo lineal
n n n
Sr =
i =1
ei2 =
i =1
( yi,medida yi,modelo ) 2 = (y a
i =1
i 0 a1 xi ) 2 (17.3)
Este criterio tiene varias ventajas, entre ellas el hecho de que se obtiene una lnea nica
para cierto conjunto de datos. Antes de analizar tales propiedades, presentaremos una
tcnica para determinar los valores de a 0 y a1 que minimizan la ecuacin (17.3).
Para determinar los valores de a 0 y a1, la ecuacin (17.3) se deriva con respecto a cada
uno de los coeficientes:
Sr
a0
= 2 (y a i 0 a1 xi )
Sr
a1
= 2 [( y a i 0 a1 xi ) xi ]
Observe que hemos simplificado los smbolos de la sumatoria; a menos que se indique
otra cosa, todas las sumatorias van desde i = 1 hasta n. Al igualar estas derivadas a cero,
se dar como resultado un Sr mnimo. Si se hace esto, las ecuaciones se expresan
como
0= y a a x
i 0 1 i
0= y x a x a x
i i 0 i
2
1 i
www.FreeLibros.me
Chapra-17.indd 469 6/12/06 13:57:12
470 REGRESIN POR MNIMOS CUADRADOS
( x ) a = y
na0 + i 1 i (17.4)
( x ) a + ( x ) a = x y
i 0
2
i i i i (17.5)
n xi yi xi yi
a1 = (17.6)
n xi2 ( xi ) 2
n=7 x y = 119.5
i i x 2
i = 140
x = 28
28
i x= =4
7
y = 24
24
i y= = 3.428571
7
Mediante las ecuaciones (17.6) y (17.7)
7(119.5) 28(24)
a1 = = 0.8392857
7(140) (28) 2
a 0 = 3.428571 0.8392857(4) = 0.07142857
)2
xi yi (yi y (yi a0 a1xi)2
www.FreeLibros.me
Chapra-17.indd 470 6/12/06 13:57:12