Documentos de Académico
Documentos de Profesional
Documentos de Cultura
. Pn(xi)
y1
..
x1
Aprox. Funcional
x y x y
- - - - Curva que siga la
- - Exactos 𝑥𝑖 - - 𝑦𝑖
- - - - tendencia de los
- - - - datos.
Aprox. Funcional
𝑹𝒆𝒈. 𝑴í𝒏 𝑪𝒖𝒂𝒅𝒓𝒂𝒅𝒐𝒔
a) Datos que muestran un error significativo.
b) Ajuste Polinomial oscilando más allá del rango de datos.
c) Resultados más satisfactorios mediante el ajuste por Mínimos cuadrados
Criterio para un “mejor” ajuste
𝒆𝒊 = 𝒚𝒊 − 𝒂𝟎 − 𝒂𝟏 𝒙𝒊
𝑴Í𝒏 𝒆𝒊
𝑀í𝑛 𝑒𝑖 Mín Máx ei
𝑀í𝑛 𝑒𝑖2
Minimizar suma de los errores de todos los
datos.
• F(x) es la curva con la que se aproximan los datos: F(x)=>
Pn(x)
• Y= La variable dependiente de los datos que se desea
aproximar
• X=La variable independiente
• ei : El error de cada uno de los datos
• n : El número de datos
RMC: PRIMER GRADO
𝑃 𝑥 = 𝑎0 + 𝑎1 𝑥
𝒙𝒊 , 𝒚𝒊
𝒚𝒊
d
𝑷(𝒙𝒊 )
𝒙𝒊 𝑀í𝑛 𝑦𝑖 − 𝑷(𝒙𝒊 ) 2
A di también se le llama ei (error)
𝒇(𝒙𝒊 )
𝑀í𝑛 𝑑𝑖2 𝑀í𝑛 𝑦𝑖 − 𝑃(𝑥𝑖 ) 2
𝑀í𝑛 𝑷 𝒙𝒊 − 𝒚𝑰 𝟐
PRIMER GRADO: 𝑃 𝑥 = 𝑎0 + 𝑎1 𝑥 xi yi
x1 y1
x2 y2
𝑀í𝑛 𝒂𝟎 + 𝒂𝟏 𝑥𝑖 − 𝑦𝑖 2
𝛻f=O ….. …..
𝟐 xn yn
Llamado suma de residuales o 𝐸 = 𝑆𝑟 = 𝑷 𝒙𝒊 − 𝒚𝑰
Error cuadrático medio
𝜕𝑓 𝜕 σ 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 2
𝜕𝑎0 𝜕𝑎0
𝛻𝑓 = =0 𝛻𝑓 = =0
𝜕𝑓 𝜕 σ 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 2
𝜕𝑎1 𝜕𝑎1
𝜕 σ 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 2 σ 𝜕 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 2
𝜕𝑎0 𝜕𝑎0
𝛻𝑓 = 2 =0 𝛻𝑓 = 2 =0
𝜕 σ 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 σ 𝜕 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖
𝜕𝑎1 𝜕𝑎1
𝜕
2 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖
𝜕𝑎0
𝛻𝑓 = =0
𝜕
2 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖
𝜕𝑎1
𝟐 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 − 𝒚𝒊 (𝟏)
𝟐 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 − 𝒚𝒊 (𝟏)
𝜵𝒇 = =𝟎 𝟎
𝜵𝒇 = =
𝟐 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 − 𝒚𝒊 (𝒙𝒊 ) 𝟎
𝟐 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 − 𝒚𝒊 (𝒙𝒊 )
𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 = 0 𝑛𝑎0 + 𝑎1 𝑥𝑖 = 𝑦𝑖
𝑎0 𝑥𝑖 + 𝑎1 𝑥𝑖2 = 𝑥𝑖 𝑦𝑖
𝑎0 𝑥𝑖 + 𝑎1 𝑥𝑖2 − 𝑥𝑖 𝑦𝑖 = 0
Primer grado
𝑛 𝛴 𝒙𝒊 𝑎0 = 𝛴 𝒚𝒊
𝛴 𝒙𝒊 𝛴 𝒙𝟐 𝑎1 𝛴 𝒙𝒊yi
𝑃 𝑥 = 𝒂𝟎 + 𝒂𝟏 𝑥
Cuantificación del error en la regresión lineal
𝑛 𝒏
Suma de residuales o
Error cuadrático medio 𝑆𝑟 = 𝑒𝑖2 = 𝒚𝒊 − 𝒂𝟎 − 𝒂𝟏 𝒙𝒊 𝟐
𝑖=1 𝒊=𝟏
𝑆𝑡 − 𝑆𝑟 σ 𝑦𝑖
2
𝑟 = 𝑆𝑡 = 𝑦𝑖 − 𝑦ത 2 𝑦ത =
𝑆𝑡 𝑛
Coeficiente de variación
Coeficiente de Variación: Desviación estándar respecto a la
media:
𝑆𝑦 𝑆𝑡
𝑐. 𝑣. = . 100% 𝑆𝑦 =
𝑦ത 𝑛−1
El coeficiente de variación tiene un carácter similar al error relativo
porcentual.
Es decir es la razón de una medición del error (Sy) respecto a un estimado
del valor verdadero (𝑦)
ത
EJEMPLO
𝛴 𝒙𝒊 𝛴 𝒚𝒊 𝛴 𝒙𝟐 𝛴 𝒙𝒊*yi 𝒏
18 0.928 98 3.986 5
5 18 𝑎0 0.928
=
18 98 𝑎1 3.986
f1(-18/5)+f2
5 18 0.928 5 18 0.928
18 98 3.986 0 33.2 0.6452
a0=0.1172
a1=0.019
Pn(𝑥𝑖 )= 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖 2
Mín 𝛴 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2𝑥𝑖^2 − 𝑦𝑖 2
2
𝛴 2 𝑎0 + 𝑎1 ∗ 𝑥𝑖 + 𝑎2 ∗ 𝑥𝑖 − 𝑦 (1)
2
= 𝛴 2 𝑎0 + 𝑎1 ∗ 𝑥𝑖 + 𝑎2 ∗ 𝑥𝑖 − 𝑦 (𝑥𝑖) =0
f 2
𝛴 2 𝑎0 + 𝑎1 ∗ 𝑥𝑖 + 𝑎2 ∗ 𝑥𝑖 − 𝑦 (𝑥𝑖 2 )
𝒏 𝜮 𝒙𝒊 𝜮 𝒙𝒊𝟐 𝒂𝟎 𝜮 𝒚𝒊
𝜮 𝒙𝒊 𝜮𝒙𝒊𝟐 𝜮𝒙𝒊𝟑 𝒂𝟏 = 𝜮 𝒙𝒊𝒚𝒊
𝜮𝒙𝒊𝟐 𝜮𝒙𝒊𝟑 𝜮𝒙𝒊𝟒 𝒂𝟐 𝜮𝒙𝒊𝟐 𝒚𝒊
METODOS NUMERICOS -REGRESION
● ●
● ●
●
● ●
●
● ●
● ●
● ● ●
● Distancia
(𝑥𝑛 , 𝑦𝑛 )
●
●
(𝑥0 , 𝑦0 )
𝑆𝑟 = 𝑒𝑖2 = 𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 − ⋯ − 𝑎𝑚 𝑥𝑖𝑚 2
𝑖=1 𝑖=1
𝑆𝑡 − 𝑆𝑟 σ 𝑦𝑖
2
𝑟 = 𝑆𝑡 = 𝑦𝑖 − 𝑦ത 2 𝑦ത =
𝑆𝑡 𝑛