Mnimos cuadrados y rectificaci

on de curvas
1. Introducci
on
Al estudiar cualquier fenomeno (en cualquier area del conocimiento), se comprueba que en
ellos siempre hay magnitudes relacionadas entre s. Esto significa que al variar una de las
magnitudes, las otras tambien cambian. Su mision es partir de sus resultados experimentales y
determinar como se relacionan entre ellas.
La mejor manera de comenzar es recopilar la informacion ordenadamente, es decir, en tablas
y luego hacer los correspondientes graficos. Que informacion recopilar? y que tablas y graficos
hacer? eso depende del fenomeno que este estudiando y de cuales son, a su juicio, las magnitudes
importantes que desea relacionar.
Si dos magnitudes estan relacionadas, entonces una es funcion de la otra. En estos apuntes
supondremos que nuestro interes es ver como depende la magnitud y de la magnitud x, i.e., nos
interesa encontrar la relacion funcional entre ambas magnitudes, lo que equivale a encontrar
la funcion y(x). Obviamente si Ud. desea encontrar la relacion entre velocidad y tiempo, sus
variables seran v y t y su funcion sera v(t).
2. M
etodo de los mnimos cuadrados
Supongamos que tenemos N valores de la magnitud y, los que hemos medido como funcion de
la magnitud x. Para lo que necesitaremos en esta asignatura nos restringiremos al caso simple
en que toda la incerteza esta en el valor de la magnitud y, es decir los valores de la magnitud
x se conocen con una incerteza bastante peque
na, que podemos, en principio, despreciar. Si
no se puede satisfacer esta condicion, el sencillo metodo que se explica en estos apuntes no es
aplicable y el lector interesado debera recurrir a la literatura mas especfica (y avanzada) que
existe sobre este tema.
Lo primero que podemos hacer es graficar y(x). Este grafico puede ser una recta, u otra curva
que no sea una recta. Si bien lo mas probable es que no sea una recta, comenzaremos con el
caso mas simple, que es cuando el grafico y(x) es, o mejor dicho, parece una recta. Como el
grafico se construyo a partir de datos experimentales este no sera una recta perfecta solo
tendra cara de recta. Las preguntas ahora son puedo trazar una recta en el grafico? y cual
es la mejor recta que puedo trazar considerando los puntos que tengo? Una forma de responder
a estas preguntas (que sera la que usaremos en esta asignatura) es mediante el metodo de
mnimos cuadrados. Este metodo nos dice que la mejor recta que se puede trazar es aquella
tal que la suma de los cuadrados de las diferencias entre los valores de la magnitud y medidos
(o calculados) experimentalmente y la recta trazada es mnima, y ademas nos muestra como
calcular esa recta.
Consideremos el conjunto de N puntos mostrados en la Fig. 1 y supongamos que la recta
que hemos dibujado es la mejor recta. Recordando que la ecuacion de una recta es y = mx + b,
nuestro trabajo es encontrar los valores de m y b. Si llamamos yi al valor de la magnitud y
medido cuando la magnitud x vale xi y yi a la distancia entre el punto yi y la recta entonces,
de la Fig. 1, es claro que:
yi = yi (mxi + b)

y el metodo de mnimos cuadrados nos dice que:

M=

N
X

(yi )2 =

i=1

N h
X

yi (mxi + b)

i2

i=1

debe ser mnimo. Esto nos proporciona 2 ecuaciones,

M
=0
b

M
=0,
m
las que podemos resolver del siguiente modo:
N
i2
X
M
h
=
yi (mxi + b) = 0
m
i=1 m

N
i2
X
M
h
=
yi (mxi + b) = 0
b
i=1 b

(yi xi ) m

yi m

x2i b

xi N b = 0

xi = 0

y luego de un poco de algebra, se obtienen los valores deseados,

m=

(xi yi ) xi yi
,
P
P
N x2i ( xi )2
P

b=

P 2P
P P
xi yi xi (xi yi )
P
P
N x2 ( x )2
i

yi
Yi

Xi

Figura 1: Ajuste de una lnea recta a un conjunto de puntos, mediante el metodo de mnimos
cuadrados.
2

Con esto hemos reemplazado el uso cuestionable del juicio personal por un procedimiento
matematico que da resultados de importancia bien precisada y de aceptabilidad universal.
Ademas, como el nuevo metodo tiene cierta significacion estadstica, cabe esperar una forma
mas precisa para el calculo de incertezas. De hecho, el principio de mnimos cuadrados nos
permite obtener inmediatamente los valores para la desviacion estandar de m y b, lo que nos
da incertezas de significacion estadstica conocida.
La desviacion estandar de m y b se calculan en terminos de la desviacion estandar de la
distribucion de valores de yi alrededor de la mejor recta. Si llamamos Sy a esa desviacion,
entonces se cumple que
sP
(yi )2
Sy =
N 2
con esta definicion los valores de la desviacion estandar de m (la cual llamaremos m ) y la de
b (la cual llamaremos b ) estan dados por
s

m = Sy

N
P 2
P
N xi ( xi )2

b = Sy

v
u
u
t

P 2
x
i

P 2
x
i

xi ) 2

estos deben utilizarse en combinacion con los valores de m y b y escribir m m y b b,

teniendo el cuidado de usar el n
umero correcto de cifras significativas.
Una ventaja muy importante del metodo de mnimos cuadrados es que nos proporciona
valores estadsticamente significativos de las incertezas en m y b, las cuales se derivan, de
manera objetiva, de la dispersion real de los puntos experimentales. Esto es sin perjuicio de
cualquier afirmacion optimista que queramos hacer sobre las incertezas (o errores) de los valores
medidos.
Otra cantidad importante de analizar al hacer un ajuste lineal (es decir, al trazar una recta
por nuestros puntos experimentales), es el llamado coeficiente de correlacion. Este coeficiente
mide el grado de asociacion lineal entre dos variables, es decir nos da una medida sobre la
linealidad de la relacion entre nuestras variables. En palabras simples nos dice que tanta cara
de recta tienen los puntos de nuestro grafico. El coeficiente de correlacion, habitualmente, se
denomina r y su valor se calcula seg
un:
r=h

N
N

P 2
x
i

(xi yi )

xi ) 2

i1/2

xi

P 2
y

P
i

yi
(

yi )2

i1/2

se puede mostrar que 0 |r| 1, donde

0, 9 |r| 1

la correlacion es bastante buena y es muy probable

que la relacion entre ambas variables sea lineal.

0, 7 |r| 0, 85

la correlacion no es muy buena y quizas

la relacion entre ambas variables no sea lineal.

0, 6 |r| 0, 7

la correlacion es bastante mala y es poco probable

que la relacion entre ambas variables sea lineal.

|r| 0, 6

la correlacion es muy mala y la relacion no es lineal.

3

Como esto no es un curso de estadstica no seguiremos ahondando en el tema, con lo presentado hasta aqu es suficiente para lo que se necesitara en esta asignatura, sin embargo hay un
par de cosas importantes que se deben mencionar. La primera es que en todo este analisis se
ha supuesto que todos los puntos de nuestro grafico son igualmente precisos (para todos ellos el
error experimental es el mismo) si esto no fuera as, es decir si algunos de ellos se midieron con
mayor precision que el resto (por ejemplo que el instrumento utilizado era mas sensible en ese
intervalo) entonces se debe usar alg
un procedimiento que le asocie mayor importancia (mayor
ponderacion) a las mediciones mas precisas. Esto sera un calculo ponderado de mnimos cuadrados, si le interesa saber como se hace, recurra a la literatura especializada. La segunda cosa
que se debe mencionar es tener cuidado con correlaciones esp
urias, esto es cuando se tiene
una situacion en la que los valores de dos o mas variables estan estadsticamente relacionados,
pero en realidad no existe ninguna relacion de causalidad entre ambas variables.
Por u
ltimo, el que la relacion entre dos variables no sea lineal NO significa, necesariamente, que ellas no esten correlacionadas, tal vez la relacion entre ellas sea alguna funcion mas
complicada.
3. Rectificaci
on de curvas
En el tem anterior supusimos que nuestro grafico era, o pareca, una recta. Pero que pasa
cuando el grafico no es una recta? La respuesta es muy simple: transformelo en una recta. Como
siempre sucede: es mas facil decirlo que hacerlo. Para hacerlo debe recurrir a sus conocimientos
de funciones, de fsica y a su intuicion. Por ejemplo si la curva parece una parabola defina una
nueva variable z = x2 y grafique y como funcion de z y vea si obtiene una recta. Si ahora tiene
una recta use lo aprendido en el tem anterior sobre mnimos cuadrados, pero para la funcion
y(z). Una vez que obtenga los valores de m y b de esta recta (la recta y(z)) puede deshacer el
cambio de variable y as obtener la funcion y(x) que es la que interesa.
Si luego de hacer el primer cambio de variable y graficar y(z) tampoco obtiene una buena
recta, entonces pruebe otro cambio de variable y vuelva a graficar hasta que obtenga una buena
recta. Este proceso de encontrar el cambio de variable adecuado se ve muy facilitado si usa su
intuicion y sus conocimientos previos (tanto de funciones como de fsica).
4. Palabras finales
El objetivo de estos apuntes es mostrarle, muy resumidamente, lo que se entiende por ajuste
por mnimos cuadrados y ademas ense
narle a usarlo en el laboratorio manipulando resultados
experimentales. Si esta interesado en aprender mas sobre el metodo debera recurrir a literatura
especializada. Para lo que necesitara en esta asignatura es suficiente con el contenido de estos
apuntes.
Para finalizar, y como de costumbre, ante cualquier duda converse con sus ayudantes y con
su profesor.

Laboratorio de Fsica
version 2012 (2)