UNIVERSIDAD NACIONAL SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS GEOLOGÍA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA DE
SISTEMAS

“REGRESION DE MINIMOS CUADRADOS, REGRESION LINEAL, REGRESION

POLINOMIAL Y REGRESION LINEAL MULTIPLE”

CURSO : METODOS NUMERICOS.

DOCENTE : Ing.

INTEGRANTES : DAVID ROMERO LIMAQUISPE

DEYVI ZAMORA GUILLEN

YOEL FERRUA
JANS
REGRESIÓN POR MÍNIMOS CUADRADOS
Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de
la optimización matemática, en la que, dados un conjunto de pares ordenados variable
independiente, variable dependiente y una familia de funciones, se intenta encontrar
la función continua, dentro de dicha familia, que mejor se aproxime a los datos (un
"mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.
Es un procedimiento de análisis numérico en la que, dados un conjunto de datos (pares
ordenados y familia de funciones), se intenta determinar la función continua que mejor
se aproxime a los datos (línea de regresión o la línea de mejor ajuste), proporcionando
una demostración visual de la relación entre los puntos de los mismos. En su forma más
simple, busca minimizar la suma de cuadrados de las diferencias ordenadas (llamadas
residuos) entre los puntos generados por la función y los correspondientes datos.
Este método se utiliza comúnmente para analizar una serie de datos que se obtengan
de algún estudio, con el fin de expresar su comportamiento de manera lineal y así
minimizar los errores de la data tomada.
La creación del método de mínimos cuadrados generalmente se le acredita al
matemático alemán Carl Friedrich Gauss, quien lo planteó en 1794 pero no lo publicó
sino hasta 1809. El matemático francés Andrien-Marie Legendre fue el primero en
publicarlo en 1805, este lo desarrolló de forma independiente.

DEFINICIÓN: MÉTODO DE MÍNIMOS CUADRADOS

Su expresión general se basa en la ecuación de una recta y = mx + b. Donde m es la

pendiente y b el punto de corte, y vienen expresadas de la siguiente manera:

Σ Es el símbolo sumatoria de todos los términos, mientas (x, y) son los datos en estudio
y n la cantidad de datos que existen
El método de mínimos cuadrados calcula a partir de los N pares de datos
experimentales (x, y), los valores m y b que mejor ajustan los datos a una recta. Se
entiende por el mejor ajuste aquella recta que hace mínimas las distancias d de los
puntos medidos a la recta.
Teniendo una serie de datos (x, y), mostrados en un gráfico o gráfica, si al conectar
punto a punto no se describe una recta, debemos aplicar el método de mínimos
cuadrados, basándonos en su expresión general:
Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea de

mejor ajuste que explique la posible relación entre una variable independiente y una
variable dependiente. En el análisis de regresión, las variables dependientes se
designan en el eje y vertical y las variables independientes se designan en el eje x
horizontal. Estas designaciones formarán la ecuación para la línea de mejor ajuste, que
se determina a partir del método de mínimos cuadrados.

EJEMPLO DEL MÉTODO DE MÍNIMOS CUADRADOS

Encontrar la recta que mejor se ajusta a los siguientes datos:

Veamos el gráfico:

Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de mínimos

cuadrados. Como ya sabemos entonces, primero centraremos el valor (x ∙ y):

Segundo por las expresiones de m y b debemos encontrar el valor x²:

Ahora podemos obtener los valores de las sumatorias de cada columna:
Σx = 55
Σy = 57
Σ(x·y) = 233
Σx² = 473
n=9
Sustituimos en cada una de las expresiones:

m = (9·233 – 55·57) / (9·473 – |55|²) = -1038 / 1232 = – 0,84

b = (57·473 – 55·233) / (9·473 – |55|²) = 14146 / 1232 = 11,48

La recta obtenida con el método de los mínimos cuadrados es la siguiente:

y = (- 0,84)·x + 11,48

Observemos el gráfico:
Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Si queremos saber

dónde corta en el eje x igualamos la ecuación y = 0:

0 = (- 0,84)·x + 11,48

Despejamos x:

x = – 11,48 / (-0,84) = 13,57

CONCLUSIONES
La regresión lineal simple, regresión múltiple y la regresión de mínimos cuadrados,
analiza la relación de dos o más variables continuas, cuando analiza dos variables a
esta se el conoce como variable bivariantes que pueden corresponder a variables
cualitativas. La finalidad de una ecuación de regresión es la de estimar los valores de
una variable con base en los valores conocidos de la otra. Del mismo modo, una
ecuación de regresión explica los valores de una variable en términos de otra. Es decir,
se puede intuir una relación de causa y efecto entre dos o más variables. El análisis de
regresión únicamente indica qué relación matemática podría haber, de existir una.

Estas técnicas estadísticas constituyen una herramienta útil para el análisis de las
variables de un proceso ya que a través de la aplicación de éstas, es posible conocer el
modelo que siguen y la fuerza con que se encuentran relacionadas. Asimismo, es
posible explicar la relación que guardan dos o más causas de un posible defecto.