You are on page 1of 10

MTODO DE LOS

MNIMOS
CUADRADOS

AJUSTES DE RECTAS POR MINIMOS CUADRADOS

Toda funcin Lineal o Curvilnea se puede ajustar a un polinomio por


mtodos numricos.

Presentaremos a continuacin el caso ms simple: el ajuste de una funcin


lineal (esto es, el ajuste de una recta o de un polinomio de grado uno).

La tcnica que presentaremos se conoce como El Mtodo de los Mnimos


Cuadrados y se fundamenta en el hecho de que el mejor ajuste se
obtiene cuando la suma de los cuadrados de las desviaciones de la
variable dependiente alcanza su valor mnimo.

Para encontrar el valor mnimo de las desviaciones de la variable


dependiente se varan parmetros; en el caso de una recta los parmetros
libres a variar son precisamente la pendiente de la recta y el valor de la
ordenada en el origen (esto es, se harn variar m y b, las cuales hemos
considerado hasta ahora como constantes, de modo de encontrar los valores
que correspondan a la recta que mejor se ajuste a los datos
experimentales).

Consideremos la ecuacin que describe a la recta buscada,

yi (teorico) = m xi + b, i = 1,2, ....., N

Note que hemos introducido ndices pues estamos trabajando con un


conjunto de N puntos discretos. El problema consiste en determinar los
valores de m y b por la va de minimizar las diferencias entre los yi (teorico) y
los yi (experimentales)

La suma de los cuadrados de las desviaciones entre los datos


experimentales y los correspondientes a la recta ajustada es,

S = ( yi ( experimentales) - yi ( terico) )2

S = yi (experimentales) ( m xi + b ) 2 con i = 1,2,..N

Igualando a cero las derivadas de S con respecto a las variacin de m y b,


estamos aplicando la condicin de extremos a la funcin:

dS /dm = ( -2yi xi +2m xi 2 + 2b xi )=0

dS /dm = ( -2yi +2m xi+ 2b )=0

Se puede demostrar por la va de sacar la segunda derivada que stas son


(en este caso) condiciones de mnimo necesarias y suficientes. De estas dos
relaciones se puede despejar m y b:

m = N ( xI yI ) - xI yI / N xI 2 ( xI )2

b = ( yI m xI ) / N

b = yI xI 2 - xI xI yI / N xI 2 - ( xI )2

Por lo tanto hemos encontrado las expresiones (en funcin de los datos
experimentales) de los parmetros que dan el mejor ajuste.
En rigor, la recta que se debe trazar en el grfico es aquella que se obtiene
mediante el mtodo de los mnimos cuadrados: una vez determinada la
pendiente y la ordenada en el origen basta utilizar la ecuacin de la recta y
obtener los valores de la ordenada que corresponden a dos valores
cualesquiera de la variable independiente.

Finalmente, enfatizamos que al hacer el ajuste de una recta en un grfico


semilogartmico o logartmico se han de reemplazar las variables xI y/o yI
por sus logaritmos en el par de ecuaciones precedentes.

Note que el error en la determinacin de la pendiente y la ordenada en el


origen por el mtodo de los mnimos cuadrados, podra en principio
calcularse va propagacin de errores. Los programas comerciales que se
utilizan en los computadores personales suelen dar estos errores y tambin
suelen incluir otros criterios ms sofisticados para revelar la calidad del
ajuste de los puntos a la recta.

AJUSTES DE CURVAS POR MINIMOS CUADRADOS

Supongamos ahora que tenemos un conjunto de puntos que mostramos en la


siguiente grfica
De los puntos mostrados nos podemos dar cuenta que parece tener la forma
de un polinomio de segundo grado de la forma:

(1)

Esta ecuacin (1) puede usarse para representar el conjunto de valores


obtenidos experimentalmente para la cual debemos determinar los valores
de a 1, a 2, a 3, etc.

Para determinar estos valores utilizamos el siguiente procedimiento:

1. Establecer el criterio para determinar la ecuacin que represente a


los valores (obtenidos experimentalmente).
2. Escribir la ecuacin que expresa el error o desviacin entre el valor
observado y los valores dados por la ecuacin.
3. Habiendo obtenido la ecuacin del error, minimizar dicho error.

EVALUACIN DEL ERROR

Si consideramos las parejas de datos, como se muestra en la grfica

donde:

d = Distancia = YObservada - Y Obtenida por la ecuacin


Donde:

YObservada = Valor obtenido experimentalmente.

Y Obtenida por la ecuacin = Valor de la funcin evaluada en cualquier valor X

Observando la grfica, parece que esta distancia se puede usar para


representar el error, pero habr distancias positivas y negativas, (como se
puede observar la distancia d1 es positiva y la distancia d2 es negativa) de
modo que el error promedio para los puntos como los mostrados ser
pequeo aunque los errores individuales sean grandes.

Esta dificultad podra ser resuelta usando el valor absoluto de las


distancias, sin embargo al derivar la funcin del valor absoluto se generan
ciertos problemas.

La solucin podra ser definir el error como el cuadrado de la distancia, esto


elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de
Mnimos Cuadrados.

(2)

en donde S es la suma de los cuadrados de las diferencias entre el valor


calculado y el valor observado y por lo tanto es el valor que se debe
minimizar

(3)

Siendo el caso de que la curva supuesta es una ecuacin de segundo grado,


se tiene la ecuacin:

(4)

Para minimizar la funcin anterior, derivando parcialmente con respecto a


a1 , a2 y a3 e igualando a cero:
(5)

(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son


constantes)

Las ecuaciones se pueden expresar de acuerdo como sigue:

(6)

Lo anterior lo podemos expresar en forma matricial:

(7)

La frmula general para un polinomio de grado n en donde hay m parejas de


datos es:
(8
)

Como se puede observar el problema consiste en lo siguiente:

1. Obtener la matriz de coeficientes.


2. Resolver el sistema de ecuaciones resultantes.

Recordando que:

1. Si n es el grado del polinomio, hay n+1 valores de la matriz de


coeficientes y n+1 ecuaciones.
2. El mximo exponente de X en los trminos de la sumatoria de 2n
puede ser que los datos no representen un polinomio de 2o grado sino
que representen uno de 3o y 4o grados.

El ajuste de curvas es un procedimiento de tanteo y error, si una curva no


representa los datos, entonces se intenta con un polinomio de grado
superior.

EJEMPLO:
X Y X Y
0.00 0.0000 0.60 0.6367
0.10 0.1002 0.70 0.7586
0.20 0.2013 0.80 0.8881
0.30 0.3045 0.90 1.0265
0.40 0.4108 1.00 1.1752
0.50 0.5211
De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios
de 2o, 3er y 4o grado; graficar para determinar la curva ms aproximada.

SOLUCIN

POLINOMIO DE SEGUNDO GRADO

Primero determinamos los coeficientes de la matriz y los elementos


constantes. Los elementos de la matriz son:

M =11

Los trminos constantes son:

De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:


Resolviendo por Gauss se obtienen los siguientes resultados.

a1 = 0.006727
a2 = 0.895462
a3 = 0.265963

y el polinomio de segundo grado es:

POLINOMIO DE TERCER GRADO

Para el caso del polinomio de 3er grado se requiere:

M =11
y el sistema de ecuaciones a resolver es:

cuya solucin es:


a1 = - 0.000112
a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032

y el polinomio queda:

POLINOMIO DE CUARTO GRADO

Repitiendo el procedimiento anterior, se obtienen los siguientes resultados

a1 = - 0.000112
a2 = 0.994595
a3 = 0.028713
a4 = 0.113563
a5 = 0.038237

Quedando el polinomio como se muestra:

You might also like