CC. 1.047.034.658 - CC. 1.193.101.701 - CC. 1.001.818.478 - CC. 1.446.798.343 - CC. 1.047.041.
735
LABORATORIO N. 1 MINIMOS CUADRADOS
Barreto Heimy Michelle, Santiago Clavijo María José, Surmay
Hernández Nicole, Villalba Lozano Saúl, Valdelamar Humberto
Resumen - En el siguiente escrito se llevó
a cabo el desarrollo de la experiencia en el
laboratorio de física, en el cual se trabajó
la solución de diversos grupos o conjuntos
de datos con la principal finalidad de que
mediante un grafica (como la recta) se
pueda representar la solución a cada
problema, por lo que, para llegar a dicha
solución se debe tener en cuenta factores
como: la pendiente (determinada por la
letra m), y la constante (determinada por la
letra b), estipulados dentro de la fórmula
y= mx + b o f(x)= mx + b. una vez obtenida
la recta se puede hacer el análisis de qué
datos son más convenientes o inclusive un
análisis o sistema predictivo, el cual se
podrá observas más adelante en el
desarrollo del documento.
Abstract - In the following document the
development of the experience was carried
out in the physics laboratory, in which the
solution of various groups or sets of data
was worked with the main purpose of
using a graph (as the line) to represent the
solution to each problem, so that, to reach
that solution must take into account factors
such as: the slope (determined by the letter
m), and the constant (determined by the
letter b), stipulated in the formula y = mx
+ b or f (x) = mx + b. Once the line is
obtained, the analysis of which data are
more convenient or even an analysis or
predictive system can be made, which can
be observed later in the development of the
document.
I. INTRODUCCIÓN
El presente informe se realiza con el fin de
conocer y aprender el método de los
mínimos cuadrados que es una técnica de
análisis numérico encuadrada dentro de la
optimización matemática, en la que, dados
un conjunto de pares (o ternas, etc), se
intenta encontrar la función que mejor se
aproxime a los datos (un "mejor ajuste"),
de acuerdo con el criterio de mínimo error
cuadrático.
En su forma más simple, intenta
minimizar la suma de cuadrados de las
diferencias ordenadas (llamadas residuos)
entre los puntos generados por la función
y los correspondientes en los datos.
Específicamente, se llama mínimos
cuadrados promedio (LMS) cuando el
número de datos medidos es 1 y se usa el
método de descenso por gradiente para
minimizar el residuo cuadrado. Se puede
demostrar que LMS minimiza el residuo
cuadrado Para realizar esta regresión se
desarrolló un ejercicio de laboratorio con
datos hipotéticos dados por el profesor,
utilizando 8 datos como base. En el
proceso se nos presentaron ciertos
problemas con el manejo de ecuaciones,
pero no fueron relevantes para la
elaboración del ejercicio en general ya
que se nos permitió la corrección.
Este informe tiene como objetivo
comprender el método de los mínimos
cuadrados, una técnica de análisis
1
CC. 1.047.034.658 - CC. 1.193.101.701 - CC. 1.001.818.478 - CC. 1.446.798.343 - CC. 1.047.041.735
numérico utilizada en la optimización
matemática que intenta encontrar una
función que mejor se aproxima a los datos
dado un conjunto de pares (o triples, etc.)
según el criterio de los mínimos
cuadrados. En su forma más simple,
intenta minimizar la suma de los
cuadrados de las diferencias ordenadas
(llamadas residuos) entre los puntos
generados por la función y los puntos
correspondientes en los datos.
Específicamente, cuando la cantidad de
datos medidos es 1, llamada media de
mínimos cuadrados (LMS), se utiliza el
descenso de gradiente para minimizar el
cuadrado residual. Se puede ver que
LMS minimiza los residuos cuadráticos.
Para realizar esta regresión se desarrolló
un ejercicio de laboratorio utilizando
datos hipotéticos proporcionados por el
docente, tomando como base ocho datos.
Al hacerlo, nos encontramos con algunos
problemas relacionados con las
ecuaciones, pero estos generalmente no
eran relevantes para el desarrollo del
ejercicio porque se nos permitía
corregirlos.
II. OBJETIVOS
• Linealizar Funciones.
• Usar mínimo cuadrados para ajustar
datos experimentales.
III. MARCO TEÓRICO
“El método de mínimos cuadrados tiene
una larga historia que se remonta a los
principios del siglo XIX. En junio de 1801,
Zach, un astrónomo que Gauss había
conocido dos años antes, publicaba las
posiciones orbitales del cuerpo celeste
Ceres, un nuevo “pequeño planeta”
descubierto por el astrónomo italiano G.
Piazzi en ese año. Desafortunadamente,
Piazzi sólo había podido observar 9 grados
de su órbita antes de que este cuerpo
desapareciese tras del sol. Zach publicó
varias predicciones de su posición
incluyendo una de Gauss que difería
notablemente de las demás. Cuando Ceres
fue redescubierto por Zach en diciembre
de 1801 estaba casi exactamente en donde
Gauss había predicho”. (Cruces Álvarez)
El método de mínimos cuadrados es un
proceso o expresión matemática por la
cual se puede llevar a cabo un análisis
numérico de un determinado grupo o
conjunto del que se desea establecer la
ecuación que se ajuste mejor a los datos
experimentales. Ahora bien, “En la ciencia
y en la ingeniería se da, a menudo, el caso
de que un experimento produce un
conjunto de datos (x1, y1), (x2, y2), · · ·,
(xn, yn), siendo las abscisas {xi} distintas
entre sí. Uno de los objetivos del cálculo
numérico es la determinación de una
fórmula y = f(x) que relacione las
variables. Normalmente se dispone de una
clase de fórmulas previamente
establecidas, y lo que hay que hallar ´ son
los valores más adecuados de unos
coeficientes o de unos parámetros para
estas fórmulas. Aunque hay muchos tipos
distintos de funciones que podemos usar,
suele ocurrir que existe un modelo
matemático subyacente, basado en la
situación física que se esté estudiando, que
determina la forma ´ de la función salvo
algunos coeficientes. En esta sección
haremos hincapié en la clase de las
funciones ´ lineales de la forma” (UH
Zapata, 2014) y = f(x) = ax + b.
2
CC. 1.047.034.658 - CC. 1.193.101.701 - CC. 1.001.818.478 - CC. 1.446.798.343 - CC. 1.047.041.735

Gráfica.
IV. RESULTADOS

Ejercicio 1.

# de intervalos x y xy x^2
10 1 12,5 12,5 1
2 6,3 12,6 4
3 4,2 12,6 9
4 3,1 12,4 16
5 2,5 12,5 25
6 2,1 12,6 36 La pendiente de la recta es -0,92 y la
7 1,8 12,6 49 intercepción en y es 8,76. Por lo tanto, la
8 1,6 12,8 64 ecuación es y = -0,92 x + 8,76.
9 1,4 12,6 81
10 1,3 13 100 Ejercicio 2.
Sumatoria 55 36,8 126,2 385
# de intervalos x y xy x^2
11 0 10 0 0
1 12 12 1
2 15 30 4
3 19 57 9
126,2 – (55) (36,8) / 10 4 24 96 16
m= 2 5 30 150 25
385- (55) / 10
6 37 222 36
7 45 315 49
126,2 - 202,4 8 54 432 64
m=
385 - 302,5 9 64 576 81
10 75 750 100
76,2 Sumatoria 55 385 2640 385
m=
82,5

m= -0,92

Y1= (-0,92)*(1)+8,76)= 7,84

Y2= (-0,92)*(10)+8,76= -0,48

3
CC. 1.047.034.658 - CC. 1.193.101.701 - CC. 1.001.818.478 - CC. 1.446.798.343 - CC. 1.047.041.735

2640 – (55) (385) / 11 Ejercicio 3.

m= 2
385- (55) / 11

2640 - 1925 # de intervalos x y xy x^2

m=
385 - 275
10 0 5 0 0
1 8 8 1
715
m= 2 14 28 4
110
3 22 66 9
4 37 148 16
m= 6,5
5 61 305 25
6 100 600 36
7 166 1162 49
8 273 2184 64
9 450 4050 81
Sumatoria 45 1136 8551 285

Y1=(6,5)*(0)+ 2,5= 2,50

Y2=(6,5)*(10)+2,5)= 67,50

Gráfica.

8551 – (45) (1136) / 10

m=
285- (45)2 / 10

8551 - 5112
m=
285 - 202,5

3439
m=
82,5

La pendiente de la recta es 6,5 y la m= 41,68

intercepción en y es 2,5 Por lo tanto, la
ecuación es y = 6,5 x + 2,5.

Y1=(41,68)*(0)+(-73,98)= -73,98
Y2=(41,68)*(9)+(-73,98)= 301,18

4
CC. 1.047.034.658 - CC. 1.193.101.701 - CC. 1.001.818.478 - CC. 1.446.798.343 - CC. 1.047.041.735
Gráfica.
La pendiente de la recta es 38,69 y la
intercepción en y es -54,99 Por lo tanto, la
ecuación es y = 41,68 x + (-73,98).
V. ANALISÍS DE RESULTADOS
VI. CONCLUSIONES
VIII.
Mediante los ejercicios realizados,
pudimos identificar, conocer y
relacionarnos con todos estos conceptos y
fórmulas, con el fin de lograr un trabajo
en equipo favorable. Además, obteniendo
resultados óptimos respecto al análisis de
los datos sugeridos según el método de
mínimos cuadrados verificando su
función para los cálculos relacionados
con la recta de regresión línea la cual
minimiza los residuos, ya que estos son
las diferencias entre los valores reales y
los estimados por la recta, revisando su
fundamento y la forma de calculas los
coeficientes de regresión gracias a este
procedimiento o sistema.
VII. AGRADECIMIENTO
En esta experiencia agradecemos a la
Universidad del Atlántico por el espacio
brindado para el desarrollo del laboratorio
número uno de la asignatura de física
mecánica, en el cual, se trabajó el tema de
mínimos cuadrados. A su vez,
agradecemos al profesor Oscar por el
conocimiento impartido en el aula de
clases, permitiendo así, ampliar el
conocimiento del grupo estudiantil
mediante el tema planteado; solucionando
al mismo tiempo por medios didácticos las
dudas e inquietudes de cada uno de los
estudiantes.
BIBLIOGRAFÍA, AUTORES
[1] Cruces Álvarez, S. A. (s.f.). El
método de mínimos cuadrados. El método
de mínimos cuadrados. Universidad de
Sevilla.
[2] UH Zapata, M. A. (2014). Lección
19. Método de Mínimos Cuadrados.
Lección 19. Método de Mínimos
Cuadrados. Facultad de Matemáticas,
UADY.