Xn
Yn
La tabla anterior contiene, entonces, n pares de datos empricos de la forma (Xi;Yi).
Con ese conjunto de valores se construye un grfico (ver grfico N 1) denominado diagrama de
dispersin, que muestra la disposicin de n puntos en el plano.
-------------------------Probabilidades y Estadstica Ao 2005
37
38
dispersin admite un ajustamiento de tipo lineal. Si bien una disposicin de puntos no lineal no
estara bien representada por una funcin de primer grado, esa funcin, se reitera, puede
calcularse perfectamente sin inconvenientes. En todo caso, la decisin de que un ajuste sea lineal
o no depende del investigador del problema, por lo que se insiste en que lo imprescindible es
construir, en primer lugar, el diagrama de dispersin.
Algunos casos de disposicin no lineal se muestran en los grficos siguientes:
Observando ambos diagramas queda perfectamente claro que los puntos no siguen una
disposicin lineal y que, por eso mismo, un ajuste de ese tipo no sera apropiado. Con
posterioridad se ver que existen algunas soluciones para aquellos casos de ajustamiento en los
cuales los diagramas de dispersin presentan una disposicin no lineal.
4 - METODOS DE AJUSTAMIENTO LINEAL:
Los mtodos de ajustamiento lineal se pueden clasificar en mtodos subjetivos y
mtodos objetivos. Los mtodos subjetivos pueden concluir en diferentes soluciones para un
mismo problema segn quien sea el investigador, mientras que los objetivos permiten encontrar
la misma solucin, independientemente del investigador que la desarrolle.
a) Mtodo subjetivo: Ajustamiento a mano alzada: este mtodo consiste en analizar la
disposicin de los puntos del diagrama de dispersin para, posteriormente, trazar aquella recta
que, a juicio del dibujante, cumpla con los requisitos del ajustamiento lineal. Si bien el mtodo es
sumamente simple, su carcter de subjetivo le quita rigurosidad por las posibles diferencias entre
las rectas trazadas por diferentes investigadores. Adems, una dificultad adicional del mtodo
subjetivo es que no permite obtener la expresin matemtica de la funcin lineal que se dibuja.
b) Mtodo objetivo: Mtodo de los mnimos cuadrados: este procedimiento es creacin
del matemtico alemn Gauss quien sugiri un criterio objetivo para determinar cul es la mejor
recta de ajustamiento. Segn l, es aquella que minimiza la sumatoria de los cuadrados de los
desvos existentes entre los puntos empricos del diagrama de dispersin y la propia recta
de ajustamiento. Es decir que este procedimiento consiste en encontrar una funcin lineal del
tipo Yi a1 b1 X i que cumpla las condiciones sugeridas por Gauss.
39
di2 Yi Yi Yi a1 b1 X i
Como ya se indic, Gauss postula que la mejor recta es aqulla que minimiza esos
desvos al cuadrado. Si bien en el plano existen infinitas rectas, cada una con un par de
parmetros a1 y b1, de todas ellas slo una cumple con la condicin impuesta por Gauss. Se
trata de encontrarla, y eso equivale a encontrar sus parmetros a1 y b1. De acuerdo con los
procedimientos del Anlisis Matemtico, eso se consigue minimizando la funcin , es decir
haciendo
2
Yi a1 b1 X i min.
2
Para eso, en primer lugar, debe calcularse la primera derivada de con respecto al
parmetro a1, e igualrsela a cero.
Yi a1 b1 X i
2 Yi a1 b1 X i 1 2 Yi a1 b1 X i 0
a1
a1
Como el factor (-2) es distinto de cero, entonces debe ser Yi a1 b1 X i 0 .
2
Yi na1 b1 X i 0 , y por
Yi na1 b1 X i
pasaje de
40
2 Yi a1 b1 X i X i 2 Yi X i a1 X i b1 X i2 0
b1
b1
2
Yi X i a1 X i b1 X i2
0 .A partir de esta
2
igualdad, se verifica que Yi X i a1 X i b1 X i 0 , por lo que finalmente, mediante un
pasaje de trminos, se obtiene la siguiente expresin
Yi X i a1 X i b1 X i2
b1
n
Xi
n
Xi
Yi
Yi X i
Xi
X i2
n Yi X i X i Yi
n X i2
X i
Se puede ver fcilmente que ambos parmetros son calculados a partir de expresiones
basadas exclusivamente en los datos empricos.
Lo que quedara por analizar es si el punto crtico obtenido corresponde a un mximo o a
un mnimo, para lo cual se debera obtener la segunda derivada y verificar su signo. Sin
embargo, en este caso eso no es necesario porque aqu ocurre algo similar a lo visto en la tercera
propiedad de la media aritmtica. En su recorrido a travs del diagrama de dispersin, la
recta de ajustamiento se comporta como una medida de posicin aunque de carcter
dinmico (no de carcter esttico, como sera el caso de una media aritmtica) ya que cumple
con esa propiedad (equivalente a la segunda propiedad de la media aritmtica) de que
Yi Yi 0 , cuya verificacin es sencilla: aplicando sumatoria tenemos
Gauss.
Yi a1 b1 X i Yi na1 b1 X i 0
Si la recta de ajustamiento se comporta como una medida de posicin y cumple con todas
sus propiedades, el criterio de los mnimos cuadrados de Gauss nos remite a la tercera propiedad
de la media aritmtica, en la cual el nico punto crtico obtenido en el proceso del anlisis
debe ser mnimo, ya que el mximo no tiene lmite. Efectivamente: si una recta particular
minimiza la suma de los desvos al cuadrado, alejarla de los puntos empricos (tanto en un
sentido como en el otro) produce un aumento en el valor de los desvos y, por consiguiente, de su
suma al cuadrado, por lo que el mximo no tiene lmite y la nica cota obtenida mediante
este procedimiento resulta un mnimo.
-------------------------Probabilidades y Estadstica Ao 2005
41
Xn
Yn
Xn2
Xn Yn
Xi
Yi
X i2
X i Yi
con la cual se obtienen todos los trminos involucrados en el clculo de los parmetros.
Ejemplo: Sean dos variables Xi e Yi para las cuales se dispone de los siguientes datos
empricos:
Xi
1
2
3
4
5
15
Yi
3
5
1
2
4
15
Xi2
1
4
9
16
25
55
Xi Yi
3
10
3
8
20
44
Los clculos para obtener los parmetros se efectan aplicando las frmulas, lo cual da
a1
42
b1
5 44 15 15
5 55 15
220 225 5
0,10
50
50
b1
xiYi
xi2
43
44
sen.
a1 a1
X
a1 a1 b1 X Y b1 X
Yi X i a2 Yi b2 Yi2
en las cuales se observa una similitud con las ecuaciones normales para la ecuacin Yi , pero
con la variable Yi en lugar de Xi, y viceversa.
Finalmente, las frmulas de los parmetros a2 y b2 del caso inverso, calculadas
mediante el mtodo abreviado, son
Xi
a2 X
n
b2
yi X i
yi2
45
Yi na1 b1 X i
n
X a2 b2 Y
tambin escribirse como Y a1 b1 X y
con lo cual se demuestra que el punto de coordenadas X ; Y satisface las dos ecuaciones
correspondientes a las rectas de ajustamiento, por lo que ambas rectas pasan por ese punto y
por consiguiente, se cruzan en l (ver grfico N 6 precedente).
46
A ju s t a m ie n t o L in e a l
D a t o s E m p r ic o s
D ia g r a m a d e
D is p e r s i n
A ju s t a m ie n t o
L in e a l
A ju s t a m ie n t o
N o L in e a l
M to d o s
M to d o
S u b je t iv o s
O b je t iv o s
M a n o A lz a d a
S e m ip r o m e d io s
O b je t iv o
M n im o s
C u a d ra d o s
P a r a b lic o
M n im o s
C u a d ra d o s
E x p o n e n c ia l
P o t e n c ia l
L o g a r t m ic o
a) Yi Y 0
b) Yi Yi
minimo
c) Yi Y minimo
2) En un problema de ajustamiento lineal se obtienen los siguientes datos:
a1 3
X 5
Y 6
BIBLIOGRAFIA CONSULTADA:
Berenson Levine
Estadstica bsica en Administracin
Editorial Prentice Hall - 6 Edicin
Kazmier L. Daz Matta A.
Estadstica Aplicada a Administracin y Economa
Editorial McGraw Hill - 2 Edicin
Levin Rubin
Estadstica para Administradores
Editorial Prentice Hall - 6 Edicin
-------------------------Probabilidades y Estadstica Ao 2005
47
Editorial Shaum