Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ajuste de curvas
TEMARIO
Introducción a los
métodos de
Regresión por
mínimos
cuadrados
AJUSTE DE CURVAS
a) Datos con error significativo
b) Interpolación polinomial
oscilando más allá del rango de
los datos
c) Resultados satisfactorios
mediante el ajuste por mínimos
cuadrados
Regresión por mínimos cuadrados
1. Se debe encontrar algún criterio para graficar la
función que mejor aproxime la tendencia de los
datos.
Regresión
simple lineal
Conocimientos previos
Este sistema no
tiene solución.
Reemplazamos los puntos en la De forma matricial: El objetivo es
ecuación de la recta: encontrar y de
modo que sea lo
más próximo
posible a
𝑦 𝑚𝑜𝑑𝑒𝑙𝑜 𝑦 𝑜𝑏𝑠
Se debe minimizar .
REGRESIÓN LINEAL
Sean , y .
⇒ 𝐴 𝑇 ( 𝐜 − 𝐴 𝐱 ) =𝟎
𝑇 𝑇
⇒ 𝐴 𝐜 − 𝐴 𝐴 𝐱 =𝟎
⇒ 𝐴𝑇 𝐜 = 𝐴𝑇 𝐴 𝐱
−1 𝑇
⇒ 𝐱 =( 𝐴 𝐴 )
𝑇
𝐴 𝐜siempre que sea invertible.
x c
A
𝐱=
[ ]
2/ 3
1/ 2
2 1
𝑦= + 𝑥
3 2
EJEMPLOS
1. Encuentre la aproximación lineal por mínimos cuadrados para los puntos de datos
dados. Haga un gráfico de los puntos y la recta de aproximación en cada caso.
a. (1; 2), (2; 2) y (3; 4)
b. (1; 1), (2; 2), (3; 2) y (4; 3)
c. (−1; 1), (0; −1), (1; 0) y (2; 2)
3. Ajuste los datos (1; 180), (2; 210), (3; 250), (4; 380), (5; 430), (6; 410), (7; 190), (8; -
640) al modelo .
Coeficiente de determinación
∑ ( 𝑦 𝑖 𝑚𝑜𝑑𝑒𝑙𝑜 − 𝑦 𝑖 𝑜𝑏𝑠 )2
2 𝑖 =1
𝑅 = 𝑛
∑ ( 𝑦 𝑖 𝑜𝑏𝑠 − 𝑦 𝑖 𝑜𝑏𝑠 )2
𝑖= 1
Regresión
simple
exponencial
REGRESIÓN SIMPLE EXPONENCIAL
REGRESIÓN SIMPLE EXPONENCIAL
ln(y) =ln(a)+ln
ln(y) =ln(a)+bx*lne
∑ ( 𝑧 𝑖 𝑚𝑜𝑑𝑒𝑙𝑜 − 𝑧 𝑖 𝑜𝑏𝑠 )2
𝑅2 = 𝑖 =1
𝑛
∑ ( 𝑧 𝑖 𝑜𝑏𝑠 − 𝑧 𝑖 𝑜𝑏𝑠 )
2
𝑖= 1
EJEMPLOS
1. Considere la población de Perú del 2011 al 2020. Ajuste los datos al modelo
exponencial y úselo para estimar la población en 2030.
Año Población al inicio del año (en
millones de habitantes)
2011 29,46
2012 29,80
2013 30,14
2014 30,48
2015 30,81
2016 31,15
2017 31,49
2018 31,83
2019 32,16
2020 32,51
Obtenido de datosmacro.com
REGRESIÓN MÚLTIPLE
Regresión
lineal múltiple
REGRESIÓN LINEAL MÚLTIPLE
1 1 7
1 2 11
-1 1 6
2 -1 8
-2 1 2
3 -2 9
REGRESIÓN MÚLTIPLE
Regresión
no lineal
múltiple
REGRESIÓN NO LINEAL MÚLTIPLE
REGRESIÓN NO LINEAL MÚLTIPLE
Aunque puede haber ciertos casos donde una variable esté linealmente
relacionada con dos o más variables, la regresión lineal múltiple tiene además
utilidad en la obtención de ecuaciones de potencias de la forma general,
𝑎1 𝑎2 𝑎3 𝑎𝑚
𝑦 =𝑎 ( 𝑥 1 ) ∗ (𝑥2) ∗( 𝑥3) …( 𝑥𝑚)
Aplicando logaritmos
lo
log
𝑎1 𝑎2 𝑎3 𝑎𝑚
𝑦 =𝑎 ( 𝑥 1 ) ∗ (𝑥2) ∗( 𝑥3) …( 𝑥𝑚)
𝜕𝑅 𝛼 𝛽 −1
Ordenando la expresión 𝜕 𝐾 = 𝐴 ( 𝐾 ) ( 𝐿 ) 𝛼 ( 𝐾 )
𝜕𝑅 𝛼 𝛽 −1
= 𝐴 ( 𝐾 ) ( 𝐿) 𝛼 ( 𝐾 )
𝜕𝐾
R
∝ 𝛽
La función 𝑅= 𝐴 ( 𝐾 ) ( 𝐿 ) es conocida como la función de producción de Cobb Douglas. Surgió para representar
las relaciones entre la producción obtenida y las variaciones de los insumos capital (K) y trabajo (L), a los que más tarde
se añadió la tecnología. Es una función de producción frecuentemente utilizada en Economía.
𝜕𝑅 −1
(
=𝑅 𝛼 𝐾 )
𝜕𝐾
𝜕 𝑅 𝑅
=𝛼
𝜕 𝐾 𝐾
𝜕 𝑅 𝐾
Despejando =𝛼
𝜕 𝐾 𝑅
𝜕 𝑅
La expresión se puede 𝑅
𝛼=
escribir también como: 𝜕 𝐾
𝐾
∆𝑄 ∆𝑄
×100 %
𝑣𝑎𝑟𝑖𝑎𝑐𝑖 ó 𝑛 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑒𝑛 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎 𝑄 𝑄
𝐸𝑝 = = =
𝑣𝑎𝑟𝑖𝑎𝑐𝑖 ó 𝑛 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑒𝑛 𝑒𝑙 𝑝𝑟𝑒𝑐𝑖𝑜 ∆𝑃 ∆𝑃
× 100 %
𝑃 𝑃
Por ejemplo:
∆𝑄
La interpretación indica que cuando el precio
𝑄 5%
𝐸𝑝 =
∆𝑃
=
2.1 %
=2.38 aumenta en un 1%, la cantidad demandada
𝑃 aumenta en 2,38%.
𝜕 𝑅
La expresión luego de 𝑅
𝛼=
algunas operaciones: 𝜕 𝐾
𝐾
∆ 𝑅
𝑅
Que se puede escribir:
𝛼=
∆ 𝐾
𝐾