Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 1
Es un procedimiento de análisis numérico en la que, dados un conjunto de datos
(pares ordenados y familia de funciones), se intenta determinar la función continua
que mejor se aproxime a los datos (línea de regresión o la línea de mejor ajuste),
proporcionando una demostración visual de la relación entre los puntos de los
mismos. En su forma más simple, busca minimizar la suma de cuadrados de las
diferencias ordenadas (llamadas residuos) entre los puntos generados por la
función y los correspondientes datos.
Este método se utiliza comúnmente para analizar una serie de datos que se
obtengan de algún estudio, con el fin de expresar su comportamiento de manera
lineal y así minimizar los errores de la data tomada.
Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de
mínimos cuadrados
Eje y
B(x1, y1) Distancia entre A y B
y1 )
A(x1, yr)
yr
)
e
c
e y=mx+b
s
i y=mx1+b=yr
t
X1 a Eje x
m
o
2
s 𝐷𝐴𝐵 = √(𝑦1 − 𝑦𝑟 )
e
n
2
𝐷𝐴𝐵 =(𝑦1c− 𝑦𝑟 )2 = (𝑦1 − (𝑚𝑥1 + 𝑏))2
o
2 n
Sea 𝐷𝐴𝐵 =𝑆
t
Por lo tanto 𝑆 =r (𝑦1 − (𝑚𝑥1 + 𝑏))2 𝑆 = 𝑓(𝑚, 𝑏)
a
r
u
n
a
r
Distancia 1 : y1-yr=y1-(mx1+b)
Distancia 2
Distancia 3
Eje x
Donde
𝐷12 = (𝑦1 − 𝑚𝑥1 − 𝑏)2
𝐷22 = (𝑦2 − 𝑚𝑥2 − 𝑏)2
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑚𝑥𝑛 − 𝑏)(−1) = 0 (1)
𝜕𝑏
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑚𝑥𝑛 − 𝑏)(−𝑥𝑛 ) = 0 (2)
𝜕𝑚
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑚𝑥𝑛 − 𝑏)(−1) = 0
𝜕𝑏
∑(−𝑦𝑛 + 𝑚𝑥𝑛 + 𝑏) = 0
− ∑(𝑦𝑛 ) + 𝑚 ∑(𝑥𝑛 ) + 𝑏 ∑ 1 = 0
𝑛𝑏 + 𝑚 ∑(𝑥𝑛 ) = ∑(𝑦𝑛 )
Para la ecuación 2:
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑚𝑥𝑛 − 𝑏)(−𝑥𝑛 ) = 0
𝜕𝑚
𝑏 ∑ 𝑥𝑛 + 𝑚 ∑(𝑥𝑛 )2 = ∑ 𝑥𝑛 𝑦𝑛
𝑛𝑏 + 𝑚 ∑(𝑥𝑛 ) = ∑(𝑦𝑛 )
𝑏 ∑ 𝑥𝑛 + 𝑚 ∑(𝑥𝑛 )2 = ∑ 𝑥𝑛 𝑦𝑛
𝑏𝑛 + 𝑚 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
{
𝑏 ∑ 𝑥𝑖 + 𝑚 ∑ 𝑥𝑖2 = ∑ 𝑥𝑖 𝑦𝑖
𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑥𝑖 𝑦𝑖
𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑥𝑖 𝑦𝑖
1 0,9 1 0,9
2 2,1 4 4,2
3 2,9 9 8,7
4 4,2 16 16,8
5 4,8 25 24
6 6,3 36 37,8
21 21,2 91 92,4
Suma(xi) Suma(yi) 𝑆𝑢𝑚𝑎(𝑥𝑖2 ) 𝑆𝑢𝑚𝑎 (𝑥𝑖 𝑦𝑖 )
Numero de datos: 𝑛 = 6
6𝑏 + 21𝑚 = 21,2
{
21𝑏 + 91𝑚 = 92,4
𝑏 = −0,107 𝑦 𝑚 = 1,040
𝑦 = −0.107 + 1,040𝑥
Ejemplo 2
Ajuste a una exponencial
𝑦 = 𝑎𝑒 𝑚𝑥 (1)
Paso 1: Sacar logaritmo neperiano en ambos lados
ln(𝑦) = ln(𝑎𝑒 𝑚𝑥 )
ln(𝑦) = ln(𝑎) + ln(𝑒 𝑚𝑥 )
ln(𝑦) = ln(𝑎) + 𝑚𝑥ln(𝑒)
ln(𝑦) = ln(𝑎) + 𝑚𝑥
Cambio de variable: 𝑧 = ln(𝑦) 𝑦 𝑐 = ln(𝑎)
z=c+𝑚𝑥
𝑐𝑛 + 𝑚 ∑ 𝑥𝑖 = ∑ 𝑧𝑖
{
𝑐 ∑ 𝑥𝑖 + 𝑚 ∑ 𝑥𝑖2 = ∑ 𝑥𝑖 𝑧𝑖
𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑧𝑖 = ln(𝑦𝑖 ) 𝑥𝑖 𝑧𝑖
𝑦 = 𝑎𝑒 𝑚𝑥
𝑎 = 𝑒𝑐
𝑛
2
𝑆 = ∑(𝑦𝑛 − 𝑦𝑎𝑗𝑢𝑠𝑡𝑒 )
1
Clase 2
𝑦 = 𝑏 + 𝑚𝑥
𝑏𝑛 + 𝑚 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
{
𝑏 ∑ 𝑥𝑖 + 𝑚 ∑ 𝑥𝑖2 = ∑ 𝑥𝑖 𝑦𝑖
𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑥𝑖 𝑦𝑖
5 9 25 45
7 11 49 77
10 15 100 150
12 16 144 192
16 20 256 320
20 24 400 480
23 27 529 621
93 122 1503 1885
Suma(xi) Suma(yi) 𝑆𝑢𝑚𝑎(𝑥𝑖2 ) 𝑆𝑢𝑚𝑎 (𝑥𝑖 𝑦𝑖 )
𝑛=7
𝑏𝑛 + 𝑎 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
{
𝑏 ∑ 𝑥𝑖 + 𝑎 ∑ 𝑥𝑖2 = ∑ 𝑥𝑖 𝑦𝑖
7𝑏 + 93𝑎 = 122
{
93𝑏 + 1503𝑎 = 1885
𝑎 = 0,988 𝑦 𝑏 = 4,306
𝑦 = 4,306 + 0,988𝑥
𝑆 = 𝑓(𝑎, 𝑏, 𝑐)
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑎𝑥2 − 𝑏𝑥 − 𝑐)(−1) = 0 (1)
𝜕𝑐
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑎𝑥2 − 𝑏𝑥 − 𝑐)(−𝑥) = 0 (2)
𝜕𝑏
𝜕𝑆
= 2 ∑(𝑦𝑛 − 𝑎𝑥2 − 𝑏𝑥 − 𝑐)(−𝑥 2 ) = 0 (3)
𝜕𝑎
∑ −𝑦𝑛 + 𝑎 ∑(𝑥𝑛 )2 + 𝑏 ∑ 𝑥 + 𝑐 ∑ 1 = 0
𝑖=1
∑ −𝑦𝑛 + 𝑎 ∑(𝑥𝑛 )2 + 𝑏 ∑ 𝑥 + 𝑐𝑛 = 0
𝑐𝑛 + 𝑏 ∑ 𝑥 + 𝑎 ∑(𝑥𝑛 )2 = ∑ 𝑦𝑛
∑ −𝑦𝑛 𝑥𝑛 + 𝑎 ∑(𝑥𝑛 )3 + 𝑏 ∑ 𝑥 2 + 𝑐 ∑ 𝑥 = 0
𝑖=1
𝑛
𝑐 ∑ 𝑥 + 𝑏 ∑ 𝑥 2 + 𝑎 ∑(𝑥𝑛 )3 = ∑ 𝑦𝑛 𝑥𝑛
𝑖=1
∑ −𝑦𝑛 𝑥 2 + 𝑎 ∑(𝑥𝑛 )4 + 𝑏 ∑ 𝑥 3 + 𝑐 ∑ 𝑥 2 = 0
𝑖=1
𝑛
𝑐 ∑ 𝑥 2 + 𝑏 ∑ 𝑥 3 + 𝑎 ∑(𝑥𝑛 )4 = ∑ 𝑦𝑛 𝑥 2
𝑖=1
Resumen
𝑐𝑛 + 𝑏 ∑ 𝑥 + 𝑎 ∑(𝑥𝑛 )2 = ∑ 𝑦𝑛
𝑛
𝑐 ∑ 𝑥 + 𝑏 ∑ 𝑥 2 + 𝑎 ∑(𝑥𝑛 )3 = ∑ 𝑦𝑛 𝑥𝑛
𝑖=1
𝑛
𝑐 ∑ 𝑥 2 + 𝑏 ∑ 𝑥 3 + 𝑎 ∑(𝑥𝑛 )4 = ∑ 𝑦𝑛 𝑥 2
𝑖=1
4𝑐 + 0𝑏 + 20𝑎 = 26
0𝑐 + 20𝑏 + 0𝑎 = −34
20𝑐 + 0𝑏 + 164𝑎 = 186
𝑎 = , 𝑏 = −1,7 𝑦 𝑐 =
4𝑐 + 20𝑎 = 26
20𝑐 + 164𝑎 = 186
Para Septiembre
Coeficiente de correlación
El coeficiente de correlación lineal es un número real comprendido entre -1 y 1 es
decir
−𝟏 ≤ 𝒓 ≤ 𝟏
Y la formula breve para calcúlalo es
𝑆𝑋𝑌
𝑟=
𝑆𝑋 𝑆𝑌
Donde 𝑆𝑋𝑌 𝑒𝑠 𝑙𝑎 𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎, 𝑆𝑋 𝑦 𝑆𝑌 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥 𝑦 𝑦
𝑆𝑋𝑌 ̅ − 𝑋.̅ 𝑌̅
= 𝑋𝑌
𝑆𝑋 = √𝑋̅2 − (𝑋̅ )2
𝑆𝑌 = √𝑌̅2 − (𝑌̅)2