AÑO DEL BUEN SERVICIO AL

CIUDADANO

MÉTODO DE
MÍNIMOS
CUADRADOS

Integrantes:
Alayo German Erick
Neyra Guerrero Helen Profesor: Ing. Rojas
Coronel Angel
Sanchez Vallejos Joel
Tafur Naquiche Mirella
Curso: Diseño Mecánico II

Semestre: 2017 II

Turno: Mañana
1. PARA COMENZAR:
Las evaluaciones de Tipo A de las componentes de la incertidumbre típica se basan en
distribuciones de frecuencia mientras que las evaluaciones de Tipo B se basan en
distribuciones supuestas a priori.
Incertidumbre estándar TIPO A
¿Cuándo se utiliza?
Cuando se han realizado 𝒏 observaciones independientes de una de las magnitudes
de entrada, bajo las mismas condiciones de medida.
Cuando una medida se repite en las mismas condiciones, puede observarse una
dispersión o fluctuación, siempre que el procedimiento de medida disponga de la
resolución suficiente.
¿Cuáles son?
• ANOVA (Análisis de la varianza)
• Mínimos cuadrados
• Método general
2. ANTECEDENTES HISTÓRICOS:
El método de mínimos cuadrados tiene una larga historia que se remonta a los principios
del siglo XIX.
En junio de 1801, Zach, un astrónomo que Gauss había conocido dos años antes,
publicaba las posiciones orbitales del cuerpo celeste Ceres, un nuevo “pequeño planeta”
descubierto por el astrónomo italiano G. Piazzi en ese mismo año.

Desafortunadamente, Piazzi sólo

había podido observar 9 grados de
su órbita antes de que este cuerpo
desapareciese tras del sol. Zach
publicó varias predicciones de su
posición incluyendo una de Gauss
que difería notablemente de las
demás. Cuando Ceres fue
redescubierto por Zach en
diciembre de 1801 estaba casi exactamente en donde Gauss había predicho.
Aunque todavía no había revelado su método, Gauss había descubierto el método de
mínimos cuadrados. En un trabajo brillante logró calcular la órbita de Ceres a partir de
un número reducido de observaciones, de hecho, el método de Gauss requiere sólo un
mínimo de 3 observaciones y todavía es, en esencia, el utilizado en la actualidad para
calcular las órbitas.
3. CONCEPTO:
En un laboratorio o taller de ingeniería se comparan los resultados de los experimentos
con las fórmulas teóricas, es decir, comprobamos si las medidas concuerdan con los
valores que predice la teoría. Como hemos visto, las mediciones siempre están afectadas
por errores y para determinar con precisión el grado de concordancia es preciso efectuar
cálculos estadísticos. Este procedimiento es de gran importancia debido a que en las
experiencias muchas veces las magnitudes físicas dependen linealmente.
Esta tarea no siempre es fácil y en ciertos experimentos el análisis matemático de los
datos puede ser muy complejo. Sin embargo, para los casos sencillos existen fórmulas
sencillas de gran utilidad práctica, como es el método de los mínimos cuadrados. Puede
emplearse para aproximar un conjunto de datos por funciones bastante generales, pero
para el caso más simple la función que ajustaremos será una recta.
𝒚 = 𝒂𝒙 + 𝒃
Por ejemplo:
La fuerza elástica: −𝑭 = 𝑲. 𝒙
La distancia recorrida por un móvil: 𝑫 = 𝑽. 𝒕
La diferencia de potencial : 𝑽 = 𝒊𝑹
El trabajo realizado por una fuerza: 𝑾 = 𝑭. 𝑫
El método de mínimos cuadrados 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 gráficamente, deberían caer sobre una línea recta. Sin embargo, los
errores experimentales siempre presentes hacen que no se hallen perfectamente
alineados.
El método de mínimos cuadrados determina los valores de los parámetros a y b de la
recta que mejor se ajusta a los datos experimentales. Como se muestra en la figura
siguiente se entiende por el mejor ajuste aquella recta que hace mínimas las distancias
𝒅𝟏 , 𝒅𝟐 , ⋯ , 𝒅𝒏 de los puntos medidos a la recta.

Sin detallar el procedimiento, se dará aquí simplemente el resultado:

Donde 𝒏 es el número de medidas y 𝚺 representa la suma de todos los datos que se

indican.
Los errores en las medidas, se traducirán en errores en los resultados de 𝒂 y 𝒃. Se
describe a continuación un método para calcular estos errores. En principio, el método
de mínimos cuadrados asume que, al fijar las condiciones experimentales, los valores
𝒚𝒊 de la variable independiente se conocen con precisión absoluta. Sin embargo, las
mediciones de la variable x, irán afectadas de sus errores correspondientes, si 𝜺 es el
valor máximo de todos estos errores, entonces se tiene:

La pendiente de la recta se escribirá 𝒂 ± 𝚫𝒂, y la ordenada en el origen 𝒃 ± 𝚫𝒃 . El

coeficiente de correlación es otro parámetro para el estudio de una distribución
bidimensional, que nos indica el grado de dependencia entre las variables 𝒙 e 𝒚. El
coeficiente de correlación 𝒓 es un número que se obtiene mediante la fórmula:

Su valor puede variar entre 𝟏 𝒚 − 𝟏:

Si 𝒓 = −𝟏 todos los puntos se encuentran sobre la recta existiendo una correlación
que es
perfecta e inversa.
Si 𝒓 = 𝟎 no existe ninguna relación entre las variables.
Si 𝒓 = 𝟏 todos los puntos se encuentran sobre la recta existiendo una correlación que
es perfecta y directa.

4.EJEMPLO:
A) Supongamos un muelle sometido a tracción, se ha cargado el muelle con diferentes
pesos (𝑭, variable independiente o 𝒚 ) y se han anotado los alargamientos (𝑳 variable
dependiente o 𝒙)
 Cargas sucesivas Lecturas sucesivas
𝑭(𝒚𝒊) − 𝒈 𝐿 (𝒙𝒊) − 𝒎𝒎

200 60

400 120

500 150

700 210

900 260

1000 290

Los distintos datos que se necesitan son:

𝑛 6

𝚺𝒙𝒊 1090

𝚺𝒙𝒊 𝟐 236300

𝚺𝒚𝒊 3700

𝚺𝒚𝒊 𝟐 2750000

𝚺𝒙𝒊 𝒚𝒊 806000

𝜀 0,2

Con lo cual aplicando las expresiones anteriores:

𝑏 = −18,4153
𝑎 = 3,4959
𝛥𝑏 = 0,08164966
𝛥𝑎 = 0,00102217
𝑟 = 0,9995
Redondeando en la forma usual:

𝑏 = −18,42 ± 0,08
𝑎 = 3,50 ± 0,00 𝐹/𝑚𝑚
No se debe olvidar que se persigue el valor de la constante elástica del muelle.