Ajuste de curvas

I. Ajuste de curvas se usa para encontrar una                                             en la regresión

función que responda a una muestra de datos X/Y b' = Sxy / Sy2  
obtenidas de alguna medición.
Es un proceso mediante el cual, dado un El signo de ambos coincidirá con el de la
conjunto de N pares de puntos se determina
covarianza, indicándonos la tendencia.
una función matemática f(x) de tal manera
que la suma de los cuadrados de la diferencia
entre la imagen real y la correspondiente Puede plantearse de forma que la función
obtenida mediante la función ajustada en cada de ajuste que se busca no sea una función
punto. lineal. aunque obviamente habría que
minimizar el cuadrado de los residuos
Una aplicación es la de obtener una función entre los datos originales y los valor
que en base a algunos puntos obtenidos de teóricos obtenibles a través de la función
medición se pueda estimar otros puntos que no-lineal considerada.
no fueron medidos empíricamente.
Ejemplo:
Para lograr este objetivo se utilizan, entre
otros, interpolación y aproximación por el  Ajuste los valores X y Y en las 2
método de mínimos cuadrados; en los primeras columnas de la siguiente
métodos por interpolación la función pasa tabla.
exactamente por los puntos observados, en y=a+bx
cambio en el método de aproximación se
busca que una función pase lo más
X1 Y1
cercanamente posible por los puntos
1 0,5
observados.
2 2,5
II. Consiste en explicar una de las variables en 3 2
función de la otra a través de un determinado 4 4
tipo de función de forma que la función de 5 3,5
regresión se obtiene ajustando las 6 6
observaciones a la función elegida, mediante 7 5,5
el método de Mínimos-Cuadrados (M.C.O.). Tabla 1. Valores iniciales

La regresión mínimos cuadráticos viene ser, Xi*Yi ∑ Xi2

en cierto modo, la consecución de una 0.5 1
expresión analítica operativa para la regresión 5 4
en sentido estricto. 6 9
16 16
 Coeficientes de regresión. 17.5 25
36 36
Se llama coeficiente de regresión a la 38.5 49
pendiente de la recta de regresión: Tabla 2. Producto XiYi y Xi
cuadrado.
                                            en la regresión
Y/X : b = Sxy / Sx2  n=7 ∑ X 1=28 ∑ Y 1=24
∑ Xi Y i=119.5
 ∑ Xi2=140
28
Y= =4
7
24
X= =3.428571
7
n ∑ XiYi−∑ Xi ∑ Yi
b=
n ∑ Xi −( ∑ Xi)
2 2

a=Y −b X

7 (119.5 )−28∗24
b=
7 ( 140 )−¿¿
a=4−0.8392857 ( 3.428571 )=0.07142857
y=0.07142857+0.8392857 X

Imagen 2. Tabla 1

Lo primero que realizaremos es encontrar el

producto de Xi*Yi y el cuadrado de Xi.

Imagen 1. Recta mínimos cuadrados Xi*Yi ∑ Xi2

ejemplo 0.8 1
2.16 1.44
III. En el laboratorio de observación de la UTP se 1.96 1.96
realizó una encuesta a los estudiantes de 2.24 2.56
métodos numéricos, en la cual se les 3.24 3.24
preguntaba cuántas horas de estudio 1.6 4
dedicaban a la semana a la asignatura y 5.28 4.84
cuanto había sido su nota en el primer corte
4.32 5.76
tal como se muestra en la tabla 1. Utilizando
2.08 6.76
mínimos cuadrados ajuste los datos de la
3.92 7.84
tabla 1, explique los pasos que se siguieron
para obtener la ecuación de la recta. 1.8 9
5.76 10.24
10.2 11.56
10.8 12.96
10.64 14.44
12 16
10.92 17.64
13.2 19.36
12.88 21.16
11.52 23.04
 Luego sacamos la sumatoria de tanto
X y Y como de Xi*Yi y el cuadrado
de Xi.

n=20 ∑ X 1=58 ∑ Y 1=39.4

∑ XiYi=115.8
∑ Xi2=1 94 .8
Luego buscamos Y y X trazo.

58
X= =2.9
20
39.4
Y= =1.97
20
Después de esto pasamos a encontrar
b y a con las siguientes formulas.

n ∑ XiYi−∑ Xi ∑ Yi
b= 2
n ∑ Xi 2−( ∑ Xi)

a=Y −b X

20 ( 11 5.8 )−58∗39.4
b=
20 ( 194.8 )−¿ ¿
a=2.9−0.05789473684 ( 1.97 )=2. 785947368
Finalizamos encontrando la ecuación
de la recta utilizando los valores de a
y b que acabamos de encontrar.

y=2.785947368+ 0.05789473684 X

IV. Usando la ecuación de la recta hallada en el

punto 3, estime la nota que podrían obtener
los estudiantes que estudien 3.5 horas a la
semana.

y=2.785947368+ 0.05789473684 X
y=2.785947368+ 0.05789473684 ( 3.5 )
y=2.98