Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LABORATORIO II
MNIMOS CUADRADOS
GRUPO CLASE: 02
PROFESOR:
ING. GEORGETH RENAN RODRGUEZ
ALUMNOS:
NOMBRES :
CUCHILLA ZEPEDA, JORGE ROBERTO
GOMEZ MOLINA, CLAUDIA BEATRIZ
ORANTES CASTRO,BASILIO ANTONIO
SALAZAR AMAYA, VICTOR ALFONSO
ZERCEO VIDES, RAUL EDGARDO
CARN
CZ100705
GM103012
OC100710
SA100410
ZV100311
NDICE
INTRODUCCIN................................................................................................... 3
OBJETIVOS.......................................................................................................... 4
Objetivo General................................................................................................. 4
Objetivos Especficos.......................................................................................... 4
METODO DE MINIMOS CUADRADOS.....................................................................5
HISTORIA.......................................................................................................... 5
ANTECEDENTES............................................................................................... 5
DEFINICIN DEL MTODO DE LOS MNIMOS CUADRADOS...................................6
DEFINICIN GENERAL...................................................................................... 6
DEFINICIN ESTADSTICA................................................................................. 7
MTODO SIMPLIFICADO PARA RESOLVER ECUACIONES LINEALES POR EL
MTODO DE MNIMOS CUADRADOS.....................................................................8
FRMULAS UTILIZADAS PARA CALCULAR EL AJUSTE LINEAL SIMPLE POR
MNIMOS CUADRADOS....................................................................................... 11
APLICACIONES DEL MTODO DE LOS MNIMOS CUADRADOS............................12
EJEMPLOS E INTERPRETACIN DE LOS MNIMOS CUADRADOS........................13
CONCLUSIONES................................................................................................ 14
BIBLIOGRAFA................................................................................................... 15
ANEXOS............................................................................................................ 16
EJEMPLOS GRAFICOS DE COEFICIENTES DE CORRELACION LINEAL..............16
INTRODUCCIN
Por su importancia, los mnimos cuadrados (MC) son tratados con gran frecuencia
en numerosas publicaciones cientficas y tcnicas. Es necesario sealar que el
problema de MC es conocido bajo diferentes nombres en varias ramas, por
ejemplo, en Estadstica se le llama anlisis de regresin, y en Ingeniera,
estimacin de parmetros, filtraje o identificacin de procesos
Los antecedentes del mtodo de los MC pueden atriburseles a los matemticos
griegos, no obstante probablemente el primer precursor moderno es Galileo
En su forma ms simple, intenta minimizar la suma de cuadrados de las
diferencias ordenadas (llamadas residuos) entre los puntos generados por la
funcin y los correspondientes en los datos.
La tcnica de mnimos cuadrados se usa comnmente en el ajuste de curvas.
Muchos otros problemas de optimizacin pueden expresarse tambin en forma de
mnimos cuadrados, minimizando la energa.
En este reporte se quiere exponer de forma clara para que sirve el Mtodo de
Mnimos cuadrados y cules son sus aplicaciones, as como tambin como
podemos resolver un problema de forma rpida utilizando este mtodo.
OBJETIVOS
Objetivo General
Dar a conocer el mtodo de Mnimos Cuadrados como una alternativa para
pronosticar tendencias dentro de una amplia diversidad de alternativas, as como
poner en prctica dicho mtodo mediante el uso del software para pronsticos, ya
que es fundamental implementar el uso de algn software estadstico para el
anlisis de datos.
Objetivos Especficos
al
planeta
fue
el
de
un Carl
Friedrich Gauss de
24 aos
Adrien-Marie
Legendre
desarroll
el
mismo
mtodo
de
forma
independiente en 1805. En 1829 Gauss fue capaz de establecer la razn del xito
maravilloso de este procedimiento: simplemente, el mtodo de mnimos cuadrados
es ptimo en muchos aspectos. El argumento concreto se conoce como teorema
de Gauss-Mrkov
ANTECEDENTES
Existen numerosas leyes fsicas en las que se sabe de antemano que dos
magnitudes x e y se relacionan atraves de una ecuacin lineal:
y = ax + b
ms
efectivo
para
determinar
los
DEFINICIN ESTADSTICA
Esta es otra tcnica de tipo cuantitativo que permite el clculo de los pronsticos
para perodos futuros, para lo cual requiere de registros histricos que sean
consistentes, reales y precisos. Esta tcnica como su nombre lo indica se trata de
sacar el total de las desviaciones elevadas al cuadrado a un valor mnimo: su
objetivo es determinar los coeficientes a y b, que son conocidos como coeficientes
de
regresin,
donde
es
la
variable
independiente
(tiempo),
i1
2
i
i1
* 2
i
y
n
i 1
f x i a 1,...,a r
0
a 1
0
a 2
0
a r
C i = ( Y Y^ )
Reemplazando
Y^
nos queda
C i = [ Y ( a+ bx ) ]
La obtencin de los valores de a y b que minimizan esta funcin es un problema
que se puede resolver recurriendo a la derivacin parcial de la funcin en trminos
de a y b: llamemos G a la funcin que se va a minimizar:
G= ( y abx )
y =na+b x
Formula General
y
n
y i m x i
a=
n
n x i y i y i xi
b=
n x
i
y=bx +a
2
i
( x i)
i
y=mx +b
10
Donde:
n = tamao de la muestra o el numero de periodos
x = periodo en el que se desea el pronostico
y = pronostico
y=mx +b
y i m x i
Interseccin de la recta ajustada
b=
n x i y i yi x i
Pendiente de la recta ajustada
m=
n x
2
i
Desviacin estndar
( xi )
i
( x imxib )2
i
n2
11
Coeficiente de correlacin
r=
x i y i
x i 2
x i yi
2
1
xi )
(
][
y i 2
2
1
yi )
(
]
r=1 correlacin total
r=0 No hay correlacin
12
complejos del cometa. Tambin uno de los usos frecuentes de los mnimos
cuadrados ocurre en el rea de la modelacin o en mtodos de optimizacin para
disminuir errores o resolver ecuaciones que no tienen solucin y se busca la que
contenga menos errores linealmente.
Tambin en la fsica es utilizada para por ejemplo, si creemos que un cuerpo est
cayendo con aceleracin constante g, entonces su velocidad v debera ser una
funcin lineal del tiempo t.
13
CONCLUSIONES
14
BIBLIOGRAFA
15
ANEXOS
EJEMPLOS GRAFICOS DE COEFICIENTES DE CORRELACION LINEAL
16
17
18