Ajuste de Datos por el Método de Mínimos Cuadrados

1. INTRODUCCION:
En el desarrollo de las prácticas experimentales se obtienen datos, de
variables dependientes como de variables independientes. Se construye la
gráfica en un sistema de coordenadas rectangulares donde se aprecia el
diagrama de dispersión, luego se debe determinar a qué tipo de función se
aproxima el diagrama.

El Método de Mínimos Cuadrados es un conjunto de pasos utilizados para

aproximar un conjunto de puntos a un modelo, el cual puede ser lineal,
cuadrado, exponencial, etc. Se basa en el principio de reducir la varianza al
mínimo, adecuándolo a uno de los modelos anteriormente citados. Además
nos brinda información importante sobre la tendencia que tendrá alguna
variable en cuestión.

El Ajuste de Datos en Ingeniería tiene como aplicación principal, a partir de

una serie de datos, realizar:
 Análisis de Tendencia: Realizar predicciones de la variable
dependiente ya sea para buscar valores fuera del límite observando
(extrapolación), o dentro del rango de datos observando
(interpolación).
 Prueba de Hipótesis: Cuando se tiene un modelo matemático que se
puede usar para comparar los datos que produce con los datos
experimentales, si desconocemos los coeficientes del modelo, se
calculan a partir de los datos y luego se prueba que tan adecuado es
al evaluar los resultados que produce
El método de los Mínimos Cuadrados se aplica con frecuencia para obtener
la ecuación de dicha recta.
Este método se basa en dos suposiciones. La primera es que hay en
realidad una relación lineal entre la respuesta medida ``y`` y la
concentración ``x`` del anualito estándar.
La relación matemática que representa esta suposición se llama modelo de
regresión, y se podría representar con: y=mx+b
Dónde:

b = Ordenada en el origen (valor de y cuando x=0) x = variable independiente

m = pendiente de la recta y = variable dependiente

También se supone que cualquier desviación de los puntos de la línea recta surge en
un erro en la medición. Es decir se supone que no hay errores en los valores de ``x``
de los puntos (concentraciones). Ambas suposiciones son aceptables para muchos
métodos analíticos, pero es necesario tener en cuenta que siempre que haya una
incertidumbre importante en los datos ``x``, el análisis básico lineal de los mínimos
cuadrados podría no dar la mejor recta.

Ecuaciones

(Σ ¿ ¿ x2 )−(Σ x )×( Σ xy )
b=(Σ y )× ¿
n Σ x −¿ ¿
2

n Σ xy −( Σ x )×(Σ y )
m=
n Σ x −¿ ¿
2

r 2=¿¿

2. OBJETIVOS
1.1 Objetivo General
 Aproximar el indicador R2 a la unidad
1.2 Objetico Específicos
 Graficar en papel milimetrado y = f(x)
 Escribir la ecuación de la recta
 Calcular las constantes m y “b” utilizando las ecuaciones
normales o por formula
Ejercicio Nº 1
Con los siguientes datos experimentales realizar el ajuste de la curva aplicando
el método de los mínimos cuadrados:
a) Calcular las sumatorias y colocar en forma de tabla como se muestra a
continuación:
N° x y x2 y2 xy

1 0.0 0.100 0.0 0.010000 0.00

2 5.0 0.188 25.0 0.035344 0.940
3 10.0 0.272 100.0 0.073984 2.72
4 15.0 0.392 225.0 0.153664 5.88
5 20.0 0.430 400.0 0.184900 8.60
6 25.0 0.496 625.0 0.246016 12.40
Σ 75.0000 1.87800 1375.0000 0.703908 30.54
b) Calcular las constantes (b = Ordenada en el origen y m = pendiente de la
recta) utilizando las ecuaciones normales o por formula (escriba la forma
seleccionada)
(1.87800)×(1375.0000)−( 75.0000)×(30.54)
b= b=0.1111
6 ×(1375.0000)−¿ ¿
( 6)×(30.54)−(75.0000)×(1.87800)
m=
6 ×( 1375.0000)−¿ ¿
m=0,0161
r 2=¿¿
 R2=0,9827

curva de calibracion
0.6

0.5
f(x) = 0.02 x + 0.11
R² = 0.98
0.4
señal medida

0.3

0.2

0.1

0
0 5 10 15 20 25
concentracion

c) Aproximar el indicador R2 a la unidad:

N° x y x2 y2 xy

1 0.0 0.100 0.0 0.010000 0.00

2 5.0 0.188 25.0 0.035344 0.940
3 10.0 0.272 100.0 0.073984 2.72
5 20.0 0.430 400.0 0.184900 8.60
6 25.0 0.496 625.0 0.246016 12.40
Σ 60.0000 1.48600 1150.0000 0.550244 24.66

d) Calcular las constantes:

(1.48600)×(1150.0000)−(60.0000)×(24.66)
b=
5 ×(1150.0000)−¿ ¿
b=0.1067
(5)×(24,66)−( 60.0000)×(1.48600)
m=
5 ×( 1150.0000)−¿ ¿
m=0,0159
r 2=¿¿

R2=0,9983
 curva de calibracion
0.6

0.5
f(x) = 0.02 x + 0.11
R² = 1
0.4
señal medida

0.3

0.2

0.1

0
0 5 10 15 20 25
concentracion

Conclusiones
 Se logró aproximar el indicador R 2 a la unidad, esto quiere decir que
hay una correlación más exacta y precisa
 Se puede apreciar una comparación de los gráficos hechos con un
programa y también hecho en papel milimetrado.

3. BIBLIOGRAFIA
https://www.monografias.com/docs/Introduccion-minimos-cuadrados-FKC87CVFJ8G2Y
http://plasmalab.aero.upm.es/~practicasfisica/LabFisicaII-
Files/Ayudas/MC/MinimosCuadrados.pdf