Documentos de Académico
Documentos de Profesional
Documentos de Cultura
METODOS MINIMOS
CUADRADOS
ESTUDIANTES:
• CHINCHILLA RAMOS SERGIO AUGUSTO
• PADILLA ALVAREZ ALEJANDRO ENRIQUE
• TERCEROS JACOBO JOSE BRANDON
• JHOAN ALEX CRUZ
CARRERA:
• INGENIERIA CIVIL
MATERIA:
• FISICA I
DOCENTE:
CBBA-BOLIVIA
OBJETIVOS:
MARCO TEÓRICO:
Este es uno de los métodos más utilizados en la estadística, este es utilizado para poder
identificar la mejor recta que pasa entre varios puntos de cada dato experimental en la
que se haya encontrado.
La recta mínima cuadrática que ajusta el conjunto de puntos (𝑋1 , 𝑌1 ),(𝑋2 , 𝑌2 )…(𝑋𝐵 , 𝑌𝐵 )
De esta forma la de cuadrados entre los errores de los dato y aproximación líneas esta
dad por:
𝑆 = ∑(𝐴 + 𝐵𝑥 − 𝑦𝑖 )2
𝑖=1
Ya que buscamos valores de coeficientes que hacen mínimo el valor de S, por lo tanto,
podemos derivar parcialmente e igual a 0
𝜕𝑆
= 2 ∑ 𝑥𝑖 (𝐴 + 𝐵𝑥 − 𝑦𝑖 ) = 0
𝜕𝐴
Para poder utilizar este método de mínimos cuadrados es preferible usar tablas para así
poder facilitar la información y los cálculos dados
∑ 𝑦𝑖 = 𝐴𝑛 + 𝐵 ∑ 𝑥𝑖
∑ 𝑥𝑖 𝑦𝑖 = 𝐴 ∑ 𝑥𝑖 + 𝐵 ∑ 𝑥𝑖2
De donde se obtiene:
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝐵=
𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2
∑ 𝑥𝑖2 ∑ 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑥𝑖 𝑦𝑖
𝐴=
𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2
∑(𝛿𝑦𝑖 )2
𝜎𝑦 = √
𝑛−2
Σ𝑥𝑖2
𝜎𝑎 = 𝜎𝑦 √
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2
n
𝜎𝑏 = 𝜎𝑦 √
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2
COEFICIENTE DE CORRELACIÓN
El coeficiente de correlación son las medidas que indica la situación relativa que sucede
respecto a las dos variables, el coeficiente de correlación es una expresión numérica qué
relación existe entre 2 variables y con qué medida se relaciona.
Para el coeficiente de correlación tiene sus límites en la cual parte desde el -1 hasta el 1,
este depende que magnitud tiene entre 2 variables, es decir que si el coeficiente de
correlación es igual a 0 eso quiere decir que no tiene ninguna relación entre variables.
Valor Significado
-1 Correlación negativa grande perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a -0,89 Correlación negativa alta
-0,4 a -0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19 Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1 Correlación positiva grande perfecta
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑟=
√[𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 ][𝑛 ∑ 𝑦 2 − (∑ 𝑦)2 ]
FUNCION POTENCIAL
𝑦 = 𝐴𝑥 𝐵
Esto hace:
FUNCION EXPONENCIAL
𝑦 = 𝐴𝐵 𝑥 ó 𝑦 = 𝐴𝑒 𝐵𝑥
Para poder linealizar podemos tomar logaritmos neperianos sus equivalencias serán las
siguientes:
Teniendo la ecuación
𝑦 = 𝐴 + 𝐵𝑥
ln 𝑌 = ln 𝐴 + 𝐵𝑋
𝑦 = ln 𝑌 𝑎 = ln 𝐴 𝑏 = 𝐵 𝑥 = 𝑋
Con esto se podrá calcular los valores de “A” y de “B” por el método de mínimos
cuadrados.
PROCEDIMIENTO:
- Hallar los valores de a y b de la recta (con sus respectivos errores) que se ajusta a
los datos de la tabla 1 por el método de los mínimos cuadrados.
- Hallar la ecuación de dicha recta y graficar los datos.
- Realizar la grafica de los datos de la tabla 2 y determinar que tipo de curva forma.
- Crear una nueva tabla (tabla 2.1) elevando al cuadrado los tiempos de la tabla 2 y
graficar dicha tabla.
- Hallar los valores de a y b de la recta (con sus respectivos errores) que se ajusta a
los datos de la tabla 2.1 por el método de los mínimos cuadrados.
- Hallar la ecuación de dicha recta y graficar los datos.
- Crear una nueva tabla (tabla 2.2) aplicando logaritmo de base 10 a todos los datos
de la tabla 2 y repetir el mismo procedimiento de las anteriores tablas.
- Crear una nueva tabla (3.1) aplicando logaritmo natural a los datos de voltaje de la
tabla 3 y repetir el mismo procedimiento de las anteriores tablas.
Para la tabla 1:
DESPLAZAMIENTO vs TIEMPO:
Σ𝑑𝑖 2 0,00636
𝜎𝑦 = √ =√ = 0,026583
𝑛−2 11 − 2
Σ𝑥𝑖2 0,154
𝜎𝑎 = 𝜎𝑦 √ 2 = 0,026583 ∗ √ = 0,014995
𝑛Σ𝑥𝑖 − (Σ𝑥𝑖 ) 2 11 ∗ 0,154 − (1,1)2
n 11
𝜎𝑏 = 𝜎𝑦 √ 2 = 0,026583 ∗ √ = 0,126729
𝑛Σ𝑥𝑖 − (Σ𝑥𝑖 ) 2 11 ∗ 0,154 − (1,1)2
a y b serán:
𝑎 = 0,3027 ± 0,0150
𝑏 = 5,9909 ± 0,1267
La ecuación empírica será:
𝑦𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦𝑖 = 0,3027 + 5,9909𝑥𝑖
𝑥 = 0,3027 + 5,9909𝑡
Graficas:
Para la tabla 2:
Datos de tiempos y alturas obtenidos en un experimento de caída libre.
POSICION vs TIEMPO:
Graficas:
La grafica tiene la forma de una parábola, es decir, una función polinomial de 2do grado.
Σ𝑥𝑖2 0,8772
𝜎𝑎 = 𝜎𝑦 √ = 0,052209 ∗ √ = 0,025308
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2 9 ∗ 0,8772 − 2,042
n 9
𝜎𝑏 = 𝜎𝑦 √ = 0,052209 ∗ √ = 0,081063
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 ) 2 9 ∗ 0,8772 − 2,042
a y b serán:
𝑎 = 2,9770 ± 0,0253
𝑏 = −4,8007 ± 0,0811
𝑦𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦𝑖 = 2,9770 − 4,8007𝑥𝑖
𝑦 = 2,9770 − 4,8007𝑡 2
Gráficas:
LOG (POSICIÓN) vs LOG (TIEMPO): (No se puede aplicar logaritmo a aquellos pares de
datos en los que al menos uno de sus componentes sea cero)
Σ𝑑𝑖 2 0,15473836
𝜎𝑦 = √ =√ = 0,1759195
𝑛−2 7−2
Σ𝑥𝑖2
𝜎𝐴 = 𝜎𝑦 √
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2
2,08414804
= 0,1759195 ∗ √ = 0,131763
7 ∗ 2,08414804 − (−3,29756946)2
n
𝜎𝐵 = 𝜎𝑦 √
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2
7
= 0,1759195 ∗ √ = 0,241479
7 ∗ 2,08414804 − (−3,29756946)2
A y B serán:
𝐴 = −0,0792 ± 0,1318
𝐵 = −0,6923 ± 0,2415
Entonces:
𝑦𝑖 = 𝑎𝑏 𝑥𝑖
𝑦𝑖 = 0,8333 ∗ 0,2031 𝑥𝑖
𝑦 = 0,8333 ∗ 0,2031𝑡
Graficas:
Se puede ver que esta función no se ajusta a una línea, por lo que se puede decir que la
relación entre la posición y el tiempo no corresponde ni a una función exponencial ni
potencial.
Para la tabla 3:
LN (VOLTAJE) vs TIEMPO:
i xi= t(s) yi=Ln(V(Volts)) xiyi xi^2 yi^2 a+bxi di^2
1 0 2,564949357 0 0 6,57896521 2,63516535 0,00493029
2 2,55 2,397895273 6,11463295 6,5025 5,74990174 2,4144499 0,00027406
3 5,48 2,197224577 12,0407907 30,0304 4,82779584 2,16084352 0,00132358
4 8,65 1,945910149 16,8321228 74,8225 3,78656631 1,88646392 0,00353385
5 12,21 1,609437912 19,6512369 149,0841 2,59029039 1,57832784 0,00096784
6 17,64 1,098612289 19,3795208 311,1696 1,20694896 1,10833377 9,4507E-05
7 22,38 0,693147181 15,5126339 500,8644 0,48045301 0,6980627 2,4162E-05
8 30,15 0 0 909,0225 0 0,02552974 0,00065177
Σ 99,06 12,50717674 89,530938 1981,496 25,2209215 0,01180005
Σ𝑑𝑖 2 0,01180005
𝜎𝑦 = √ =√ = 0,044347
𝑛−2 8−2
Σ𝑥𝑖2 1981,496
𝜎𝐴 = 𝜎𝑦 √ 2 = 0,044347 ∗ √ = 0,025402
𝑛Σ𝑥𝑖 − (Σ𝑥𝑖 ) 2 8 ∗ 1981,496 − 99,062
n 8
𝜎𝐵 = 𝜎𝑦 √ = 0,044347 ∗ √ = 0,001614
𝑛Σ𝑥𝑖2 − (Σ𝑥𝑖 )2 8 ∗ 1981,496 − 99,062
A y B serán:
𝐴 = 2,6352 ± 0,0254
𝐵 = −0,0866 ± 0,0016
Entonces:
𝐴 = 𝐿𝑛 𝑎 → 𝑎 = 𝑒 𝐴 = 𝑒 2,635165 = 13,9456
𝐵 = 𝑏 = −0,0866
La ecuación empírica será:
𝑦𝑖 = 𝑎𝑒 𝑏𝑥𝑖
𝑦𝑖 = 13,9456𝑒 −0,0866𝑥𝑖
𝑉 = 13,9456𝑒 −0,0866𝑡
Graficas:
ANÁLISIS DE RESULTADOS: Se pudo hallar muy buenos resultados ya que el coeficiente
de correlación de cada conjunto de datos está muy cercano a 1 (excepto el conjunto de
log(y) vs log(t)) lo que muestra que los datos tomados fueron muy buenos y no se
encuentran dispersos como se pueden ver en las gráficas, lo que quiere decir que dichos
datos corresponden a una función, ya sea lineal, potencial o exponencial, a excepción del
conjunto de datos ya mencionado, que en realidad podría corresponder a una función
polinómica.
Conclusiones. –
Algunas de las conclusiones que todavía no hemos podido obtener pero que
examinaremos más adelante en el curso, y que aparecen directamente relacionadas con
este tema, son las siguientes:
Existe otra versión estocástica del método de Mínimos Cuadrados que considera al vector
de parámetros como un vector de variables aleatorias. Esta aproximación recibe el
nombre de estimación Bayesiana y se suele utilizar para añadir información conocida a
priori sobre el vector de parámetros para, así, intentar mejorar la estima.
El método de Mínimos Cuadrados Estocástico es un método de estimación que, en
general, no posee propiedades de optimalidad estadística, salvo cuando el error se
distribuye de acuerdo con una función de probabilidad Gaussiana, puesto que, en este
caso, el estimador óptimo es una función lineal de las observaciones.
CUESTIONARIO
Se ha llevado a cabo un experimento para investigar la dependencia con la
temperatura de la resistencia de un alambre de cobre. Un modelo común se
representa por la ecuación:
R = RO(1 + αT)
Donde R es la resistencia a la temperatura T °C, R0, es el valor de la resistencia a
O °C, y αes el coeficiente de temperatura de la resistencia. Las mediciones de Ry T
obtenidas se dan en la tabla de abajo.
a. Utilizando el método de mínimos cuadrados, obtenga el mejor valor
para la pendiente y para la ordenada al origen (los encabezados
sugeridos con los que se pueden realizar los cálculos se dan en la
primera parte de la tabla).
b. Obtenga el mejor valor de α.
c. Evalúe la desviación estándar de la pendiente y de la ordenada
al origen (los encabezados sugeridos para esta parte de los
cálculos se dan en la segunda parte de la tabla).
d. De allí evalúe la desviación estándar de α
e. Enuncie el resultado final del experimento con el número apropiado de
cifras significativas.
BIBLIOGRAFÍA: