Professional Documents
Culture Documents
FACULTAD DE CIENCIAS,
Fundamentos de Mecnica
Informe 1: Mnimos Cuadrados,
Resumen
Hace ms de dos siglos, cuando Carl Friedrich Gauss cre el Mtodo de regresin lineal de Mnimos
Cuadrados no se imagin que ste sera tan utilizado a lo largo de los aos en incontables
aplicaciones. El propsito de este informe es exponer dicho mtodo paso a paso en su forma ms
simple, la de aproximacin lineal; para de esta forma describir su funcionamiento y analizar los
beneficios principales que lo mantienen vigente hoy en da. Al realizar la experimentacin con
cualquier grupo de datos experimentales basta con entender y aplicar unos pocos conceptos
estadsticos y geomtricos para obtener concretos resultados con mnimos mrgenes de error asociado.
En pocas palabras se parte de una dispersin de puntos (datos experimentales) en un plano cartesiano
y el mtodo permite encontrar la ecuacin de la recta que ms se ajusta a dichas ordenadas (xi, yi).
Dicha recta nos brinda valiosa informacin acerca de la tendencia que siguen los datos experimentales
o la relacin entre las dos variables en cuestin por ejemplo.
Palabras claves: Regresin lineal, predictivos cuantitativos, factores predictivos, Gauss, funcin lineal,
correlacin lineal.
Abstract
More than two centuries ago, Carl Friedrich Gauss create his linear regression method of "Least
Squares", he didn't imagine that it would be so used to over the years in countless applications. The
purpose of this report is to present it step by step in its simplest form, the linear approximation and
describe its operation and analyze its main benefits that are keeping to the present. When we make any
experiment, we just need to understand and apply a few statistical and geometric concepts to our
experimental data, and we will have concrete results with minimal margins of error associated. So, in a
few words, we have a simple dispersion of points (experimental data) in a Cartesian plane and the
method allows finding the equation of the line that best fits these ordinates (xi, yi). This line gives us
valuable information about the trend followed the experimental data and the relationship between the
two variables involved, for example.
Keywords: Linear regression, predictive quantitative, predictive factors, Gauss, linear function, linear
correlation.
* snmonsalves@unal.edu.co
Universidad Nacional de Colombia., Facultad de Ciencias, Fundamentos de Mecnica, Informe 1: Mnimos Cuadrados
1. Introduccin
T (C) V (cm^3)
62,3
27073
68,6
81,4
28492
29300
87,4
29200
98,6
30849
104,5
31500
116,9
32100
121,2
32000
135,0
33500
T [C]
x
62,3
68,6
81,4
87,4
98,6
104,5
116,9
121,2
135,0
V [x 10^4
cm^3]
y
2,71
2,85
2,93
2,92
3,08
3,15
3,21
3,2
3,35
Universidad Nacional de Colombia., Facultad de Ciencias, Fundamentos de Mecnica, Informe 1: Mnimos Cuadrados
(Mnima).
Entonces debemos minimizar el error y una estrategia
que lo permite es la de minimizar la suma de los
cuadrados de los errores residuales, as:
Ecuacin No. 3: Suma de los cuadrados de los errores.
Definiendo:
()
T
[C]
[x 10^4 cm^3]
(T)^2
[C]
Xi
Yi
Xi^2
Xi*Yi
62,3
2,71
3881,29
168,833
68,6
2,85
4705,96
195,51
98,
6
104
,5
116
,9
121
,2
T*V
81,4
2,93
6625,96
238,502
87,4
2,92
7638,76
255,208
98,6
3,08
9721,96
303,688
104,5
3,15
10920,25
329,175
116,9
3,21
13665,61
375,249
121,2
3,2
14689,44
387,84
135
3,35
18225
452,25
875,9
27,4
90074,23
2706,255
T
[C]
[x 10^4
cm^3]
875,9
27,4
3,2
9721,9
6
10920,
25
13665,
61
14689,
44
303,68
8
329,17
5
375,24
9
9,486
4
9,922
5
10,30
41
387,84
10,24
3,054928
203
3,103335
821
3,205073
865
3,240353
993
3,353578
59
27,4
135
3,3
5
18225
452,25
11,22
25
875
,9
27,
4
90074,
23
2706,2
55
83,75
34
0,00062859
0,00217755
2,4267E-05
0,00162844
1,2806E-05
0,01050262
SUM
A
3,0
8
3,1
5
3,2
1
(T)^2
[C]
T*V
[C]* [x 10^4
cm^3]
90074,23 2706,255
Operando y despejando:
Ecuacin No. 8: Error total.
Luego:
Xi
Yi
Xi^
2
62,
3
68,
6
81,
4
87,
4
2,7
1
2,8
5
2,9
3
2,9
2
3881,2
9
4705,9
6
6625,9
6
7638,7
6
Xi*Yi
168,83
3
195,51
238,50
2
255,20
8
Yi^
2
7,344
1
8,122
5
8,584
9
8,526
4
2,757098
285
2,808787
775
2,913807
691
2,963035
777
(n+mxy)^2
0,00221825
0,00169845
0,00026219
0,00185208
Universidad Nacional de Colombia., Facultad de Ciencias, Fundamentos de Mecnica, Informe 1: Mnimos Cuadrados
Donde:
4. Conclusiones
El mtodo de mnimos cuadrados es una de las mejores
tcnicas para realizar una regresin lineal a partir de
una dispersin de puntos, gracias a que sus resultados
son muy fiables y su error asociado es mnimo. Hay
que destacar que este es propiamente un mtodo de
aproximacin que depende exclusivamente de los datos
experimentales. Todas las ecuaciones aqu mencionadas
tienen una justificacin geomtrica y matemtica muy
precisa. Finalmente puedo mencionar que es un
mtodo en mi opinin de fcil comprensin y que
siempre estar vigente gracias a su amplia gama de
aplicabilidad
5. Referencias
[1] Wikipedia. Siglo XIX. Wikipedia. [En lnea]
[Citado el: 08 de 03 de 2013.]
http://es.wikipedia.org/wiki/Siglo_XIX
http://www.utdallas.edu/~herve/AbdiLeastSquares-pretty.pdf.
[4] lvarez, Sergio A. Cruces. El metodo de
mnimos cuadrados. Universidad de Sevilla. [En
lnea] [Citado el: 09 de 03 de 2013.]
http://personal.us.es/sergio/PDocente/lectur
a.pdf.
[5] Granados, Saul. Pronsticos por mnimos
cuadrados. Scribd. [En lnea] [Citado el: 09 de
03 de 2013.]
http://es.scribd.com/doc/53014746/minimoscuadrados-trabajo-presu.
[6]Bailach, Jos Bosch. Ajuste de una recta por
mnimos. Universidad de Valencia. [En lnea]
[Citado el: 09 de 03 de 2013.]
http://www.uv.es/jbosch/PDF/RectaMinimo
sCuadrados.pdf.
[7] Wikipedia. Minimos cuadrados. Wikipedia.
[En lnea] [Citado el: 08 de 03 de 2013.]
http://es.wikipedia.org/wiki/M
%C3%ADnimos_cuadrados
[8] Ciencias, Instituto de Fsica - Facultad de.
Mtodo de mnimos cuadrados. Scribd. [En
lnea] [Citado el: 10 de 03 de 2013.]
http://es.scribd.com/doc/4746753/METODO
-DE-MINIMOS-CUADRADOS.
[9] Rojas, Yamil Armando Cerquera. Ajustes
de curvas. Scribd. [En lnea] [Citado el: 09 de 03
de 2013.]
http://es.scribd.com/doc/5707214/MinimosCuadrados.