 Estudiante: Leon Bravo Jean Pierre

 Código: 18070105

Evaluación 0. Ejemplo de aplicación de Mínimos Cuadrados

Los infectados por el Covid-19 va aumentando a medida que pasan los años. Usando el
método de los mínimos cuadrados haremos una regresión lineal (generaremos una recta)
para pronosticar la cantidad de infectados en los siguientes 3 años (Año 13,14 y 15),
además veremos si este ajuste matemático es el correcto y si necesitaremos hacer otros
análisis estadísticos.

Los datos de los infectados con su respectivo año se muestra a continuación:

AÑOS INFECTADOS
(x) (y)
1 1000
2 2594
3 4225
4 6500
5 85433
6 124642
7 131532
8 136435
9 139069
10 142912
11 144216
12 145684
13 desconocido
14 desconocido 
15 desconocido 

Esta tabla puede ser tratada para encontrar las sumatorias oportunas como sigue:
 Medida AÑOS INFECTADOS
número (xi) (yi) xi2 xi y i
1 1 1000 1 1000
2 2 2594 4 5188
3 3 4225 9 12675
4 4 6500 16 26000
5 5 85433 25 427165
6 6 124642 36 747852
7 7 131532 49 920724
8 8 136435 64 1091480
9 9 139069 81 1251621
10 10 142912 100 1429120
11 11 144216 121 1586376
12 12 145684 144 1748208
12 12
   
12
 2 12   2
∑ xi
N=12 ∑ yi ∑ (x ¿¿ i) ¿ ∑ ( x ¿ ¿ i∗y i) ¿
i=1 i=1 i=1 i=1

A continuación usamos la fórmula de mínimos cuadrados, que es la siguiente:

Donde, la ecuacion de la recta es:

y=ax+ b

Calcuamos a y b con los datos obtenidos de la tabla.

12∗9247409−78∗1064242
a= 12∗650−78∗78
=16292.6

1064242∗650−78∗9247409
b= =−17214,8
12∗650−78∗78

La ecuación de la recta es:

y=16292.6 x−17214.8
A continuación veremos la tabla de datos y pronosticaremos los infectados para los años
13,14 y 15, reemplazando los valores en la ecuación de la recta generada.

AÑOS INFECTADOS
(x) (y)
1 1000
2 2594
3 4225
4 6500
5 85433
6 124642
7 131532
8 136435
9 139069
10 142912
11 144216
12 145684
13 229019
14 2454311
15 261604
A continuación, se muestran las grafica
de los puntos de dispersión.
Comentario: Vemos que este método utiliza un valor dependiente (y) y un valor
independente (x), por ello está correcto la utilización de un ajuste de modelo simple. Sin
embargo, al analizar más a profundidad la gráfica de dispersión, vemos que no es un
buen ajuste debido al error o residuo grandes generados, cabe resaltar que dicho error o
residuo es la distancia vertical entre el punto (xi,yi) y la recta, es decir: yi- (a+b*xi)
Recomendación: Debemos buscar otro ajuste matemático-estadístico que genere menos
error y nos permita interpretar de una manera correcta los datos.