AJUSTE POR MINIMOS CUADRADOS

MTODOS NUMRICOS

Oscar Tinoco Gmez

AJUSTE POR MNIMOS CUADRADOS

1. Diagrama de dispersin: asociacin positiva (r>0), asociacin

negativa (r<0), asociacin nula (r=0)
2. Correlacin: grado de ajuste de la relacin entre dos variables
(-1<= r <=1) (-1 correlacin negativa perfecta) (1 correlacin
positiva perfecta)
3. Regresin: Es un modelo matemtico que explica la relacin entre las
variables y=f(x)
 El Principio de los Mnimos Cuadrados

La regresin trata de generar la

ecuacin de mejor ajuste ---
pero qu es lo mejor?

Criterio: minimizar la suma de

las desviaciones cuadradas
de los puntos de datos de la
regresin lineal.
 Qu tan Buena es la Regresin
(Parte 1) ?

Qu tan bien representa nuestros datos originales la ecuacin de

regresin?

La proporcin (porcentaje) de la varianza en y que es explicada por la

ecuacin de regresin es representada por el smbolo R2.

(Suma de los cuadrados de la media de Y)

R2 = (Suma de los cuadrados de la regresin lineal)

Variabilidad Ajustada - ilustracin

R2 Alto- buen ajuste R2 Bajo- poco ajuste

(90% ,95%, etc) (0%, 5%, etc)
 Qu tan Buena es la Regresin
(Parte 2) ?

Qu tan bien predecir esta ecuacin de regresin los NUEVOS puntos

de datos?

Recuerde que emple una muestra de la poblacin de los puntos

de datos potenciales para determinar la ecuacin de regresin.
e.g. un valor cada 15 minutos, 1-2 semanas de operacin de
datos

Una muestra diferente dar una ecuacin diferente con diferentes

coeficientes de bi

Como se muestra en la siguiente diapositiva, la muestra puede

afectar enormemente la ecuacin de regresin
 Muestreando variablidad de los
Coeficientes de Regresin- ilustracin

Muestra 1:Sample
y = ax
1: y+ b++b' e+
= a'x Muestra 2:y =ya''x
Sample 2: = +ax
b'' + +
b + e
INTERPOLACIN
Se caracteriza por suponer que los datos que
intervienen en el problema son exactos; por lo cual en
la construccin de la funcin de interpolacin se exige
que la misma satisfaga todos y cada uno de los valores
que constituyen los datos

AJUSTE
Supone que los datos ingresados estn afectados en
cierto grado de errores debido al modelado, por lo que
no resulta indispensable que la curva de ajuste
correspondiente pase exactamente por los puntos que
representan los datos, sino que, en promedio, la
aproximacin sea ptima de acuerdo al criterio de ajuste
MTODO DE LOS MNIMOS CUADRADOS
Es una tcnica de anlisis numrico en la que dados un conjunto
de pares ordenados (obtenidos empricamente) se intenta
encontrar la funcin que mejor se aproxime a los datos
(ajuste).
En su forma ms simple intenta minimizar la suma de los
cuadrados de las diferencias ordenadas (residuos) entre los
puntos generados por la funcin (modelo terico) y los
correspondientes en los datos.

( 2 )( )( )( )
Ao = 2 ( )2
= +

( )( )( )
A1 = 2 ( )2
 Regresin Lineal
Se desea ajustar un serie de puntos (xi, yi) a una lnea recta dada por:
y = a0 + a1x + e
Donde a0 y a1 son coeficientes que representan la interseccin con el eje y la
pendiente, y e es el error, o diferencia, entre el modelo y las observaciones.
e = y a0 a1x
 Criterio del mejor ajuste

En el mtodo de mnimos cuadrados se desea minimizar la suma de los cuadrados

de los residuos.

S r e yi ,medida yi ,modelo yi a0 a1 xi
n n n
2 2 2
i
i 1 i 1 i 1
 Ajuste por mnimos cuadrados
Derivando respecto a a0 y a1.

S r e yi ,medida yi ,modelo yi a0 a1 xi
n n n
2 2 2
i
i 1 i 1 i 1

S r
Obtenemos 2 yi a0 a1 xi
a0
S r
2 yi a0 a1 xi xi
a1

Igualando a 0
0 yi a0 a1 xi
0 yi xi a0 xi a1 xi2

Resolviendo para a0 y a1
n xi yi xi yi
a1
n xi2 xi
2

a0 y a1 x
 Ejemplo
Ajustar con mnimos cuadrados los siguientes datos

X Y

1 0.5

2 2.5

3 2.0

4 4.0

5 3.5

6 6.0

7 5.5
 Tarea
Ajustar con mnimos cuadrados los siguientes datos

X Y
0 5
2 6
4 7
6 6
9 9
11 8
12 7
15 10
17 12
19 12
 Estadstica bsica
Promedio: y y i

St yi y
2
St
Desviacin estndar sy
n 1

yi / n
2
S 2
Varianza: s t
2
sy
2 y1
n 1
y
n 1

sy
Coeficiente de variacin: c.v. 100%
y

y
Estimado normal estndar: t
sy / n
 Tarea

Escriba un archivo M para graficar la recta del mejor ajuste utilizando mnimos
cuadrados. Deber aceptar como parmetros los valores de X y Y. Grafique los
puntos con crculos y la lnea de regresin con una recta.
 Error en la regresin lineal
n
S r yi a0 a1 xi
2
y
i 1 Medicin

La desviacin estndar de la lnea de

regresin es: yi a0 a1x

Sr
Sy/x
n2 a0 + a1x

La magnitud del error residual antes de la

regresin es:
x

St yi y
2
En ajuste perfecto Sr = 0 y r = r2 = 1.
El coeficiente de determinacin es: Si r = r2 = 0, Sr = St, el ajuste no representa
St S r alguna mejora.
r
2

St n xi yi xi yi
El coeficiente de correlacin es: r r
2

n xi2 xi n yi2 yi
2 2
 Linealizacin de relaciones no lineales

y y y

x
y 1e 1 x
y 2 x 2
y 3
3 x

x x x

ln y log y 1/y

Pendiente = 3/3
Pendiente = 1
Pendiente = 2 Interseccin = 1/3
x log x 1/x
Interseccin = ln 1 Interseccin = log 2