Metodo de Minimos Cuadrados

UNIVERSIDAD FRANCISCO GAVIDIA
FACULTAD DE INGENIERA Y ARQUITECTURA

ASIGNATURA: INVESTIGACIN DE OPERACIONES II
CARRERA: INGENIERA INDUSTRIAL
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
San Salvador, 15 de Marzo de 2014.
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
INVESTIGACION DE OPERACIONES II |UNIVERSIDAD FRANCISCO

GAVIDIA
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.

GAVIDIA
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
Comprender de una manera clara El Mtodo de Mnimos Cuadrados y su

utilizacin.
Conocer las aplicaciones del mtodo de mnimos cuadrados.
Ejemplificar el uso de la tcnica mediante el uso de software especial para

pronsticos para dar una mejor comprensin de la misma.
Establecer las ventajas y limitaciones del mtodo.

GAVIDIA
METODO DE MINIMOS CUADRADOS

HISTORIA
El da de Ao Nuevo de 1801, el astrnomo italiano Giuseppe
Piazzi descubri el planeta enano Ceres. Fue capaz de seguir
su rbita durante 40 das. Durante el curso de ese ao, muchos
cientficos intentaron estimar su trayectoria con base en las
observaciones de Piazzi (resolver las ecuaciones no lineales de
Kepler de movimiento es muy difcil). La mayora de
evaluaciones fueron intiles; el nico clculo suficientemente preciso para permitir
reencontrar
al
planeta
fue
el
de
un Carl
Friedrich Gauss de
24 aos
(los fundamentos de su enfoque ya los haba planteado en 1795, cuando an tena

18 aos). Pero su mtodo de mnimos cuadrados no se public hasta 1809,
apareciendo en el segundo volumen de su trabajo sobre mecnica celeste,
Theoria Motus Corporum Coelestium in sctionibusconicis solemambientium. El
francs
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

GAVIDIA
Donde las constantes b (ordenada en el origen) y a

(pendiente) dependen del tipo de sistema. El
mtodo
ms
efectivo
para
determinar
los
parmetros a y b se conoce como la tcnica de

mnimos cuadrados.
Consiste en someter el sistema a diferentes
condiciones, fijando para ellos distintos valores de
la variable independiente x, y anotando en cada
caso el correspondiente valor medido para la variable dependiente y. De este
modo se dispone de una serie de puntos (x1,y1), .... (xn,yn) que, representados
grficamente, deberan caer sobre una lnea recta. Sin embargo, los errores
experimentales siempre presentes hacen que no se hallen perfectamente
alineados (ver Fig. 1).
DEFINICIN DEL MTODO DE LOS MNIMOS CUADRADOS

DEFINICIN GENERAL
Mnimos cuadrados es una tcnica de anlisis numrico enmarcada dentro de
la optimizacin matemtica, en la que, dados un conjunto de pares ordenados:
variable independiente, variable dependiente, y una familia de funciones, se
intenta encontrar la funcin continua, dentro de dicha familia, que mejor se
aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mnimo
error cuadrtico.
En su forma ms simple, intenta minimizar la suma de cuadrados de las
diferencias en las ordenadas (llamadas residuos) entre los puntos generados por
la funcin elegida y los correspondientes valores en los datos. Especficamente, se
llama mnimos cuadrados promedio (LMS) cuando el nmero de datos medidos es
GAVIDIA
1 y se usa el mtodo de descenso por gradiente para minimizar el residuo

cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado esperado,
con el mnimo de operaciones (por iteracin), pero requiere un gran nmero de
iteraciones para converger.
Desde un punto de vista estadstico, un requisito implcito para que funcione el
mtodo de mnimos cuadrados es que los errores de cada medida estn
distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los
estimadores mnimos cuadrticos carecen de sesgo y que el muestreo de datos no
tiene que ajustarse, por ejemplo, a una distribucin normal. Tambin es importante
que los datos a procesar estn bien escogidos, para que permitan visibilidad en
las variables que han de ser resueltas (para dar ms peso a un dato en particular,
vase mnimos cuadrados ponderados).
mnimos cuadrados, minimizando la energa o maximizando la entropa.
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),
es la variable dependiente (pronstico de la demanda).

mnimos cuadrados, minimizando la energa o maximizando la entropa.

GAVIDIA
MTODO SIMPLIFICADO PARA RESOLVER ECUACIONES

LINEALES POR EL MTODO DE MNIMOS CUADRADOS
1. Determinar los parmetros (a1,...,ar) de tal forma que los residuos sean
mnimos. Es decir, minimizamos la suma de las distancias verticales de los
puntos a la curva.
i1
2
i
i1
* 2
i
y
n
i 1
f x i a 1,...,a r
2. Para obtener el mnimo es que las primeras derivadas parciales respecto a

cada uno de los parmetros se anulen, es decir,
0
a 1
0
a 2
0
a r
3. Resolviendo este sistema, denominado sistema de ecuaciones normales,

quedan determinados (a1,...,ar), as como la correspondiente funcin.
El procedimiento ms objetivo para ajustar una recta a un conjunto de datos
presentados en un diagrama de dispersin se conoce como "el mtodo de los
mnimos cuadrados". La recta resultante presenta dos caractersticas importantes:
1. Es nula la suma de las desviaciones verticales de los puntos a partir de la
recta de ajuste (Y - Y) = 0.

GAVIDIA
2. Es mnima la suma de los cuadrados de dichas desviaciones. Ninguna otra

recta dara una suma menor de las desviaciones elevadas al cuadrado (Y
- Y) 0 (mnima).
El procedimiento consiste entonces en minimizar los residuos al cuadrado Ci
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 )
Tomemos las derivadas parciales de G respecto de a y b que son las incgnitas y

las igualamos a cero; de esta forma se obtienen dos ecuaciones llamadas
ecuaciones normales del modelo que pueden ser resueltas por cualquier mtodo
ya sea igualacin o matrices para obtener los valores de a y b.
Derivamos parcialmente la ecuacin respecto de a
dG
=2 ( y abx )(1 )=0
da
2 ( y abx )=0
( yabx )=0
ynab x=0
GAVIDIA
y =na+b x
Primera ecuacin normal
Derivamos parcialmente la ecuacin respecto de b

dG
=2 ( y abx )(x )=0
db
2 ( y abx )( x )=0
( yabx ) ( x ) =0
( xyax bx )=0
xya x + b x =0

xy=a x b x
Segunda ecuacin normal
Los valores de a y b se obtienen resolviendo el sistema de ecuaciones resultante.
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

GAVIDIA
10
Donde:
n = tamao de la muestra o el numero de periodos
x = periodo en el que se desea el pronostico
y = pronostico
FRMULAS UTILIZADAS PARA CALCULAR EL AJUSTE LINEAL

SIMPLE POR MNIMOS CUADRADOS
Ecuacin de una recta
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

GAVIDIA
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
APLICACIONES DEL MTODO DE LOS MNIMOS CUADRADOS
La aplicacin de los mnimos cuadrados es mltiple y se utilizan generalmente en

modelos lineales estadsticos, especficamente en la rama de econometra para
calcular pronsticos.
Desde sus inicios fueron para ayudar a calcular medidas en la astronoma por
ejemplo una aplicacin real es el estudio de las curvas de luz visuales de los
cometas nos pueden dar informacin sobre el tamao aproximado que tiene el
ncleo, la composicin qumica del cometa, la razn gas-polvo, si el agua domina
o no la actividad gaseosa del ncleo y otros parmetros fsico-qumicos ms
GAVIDIA
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.
EJEMPLOS E INTERPRETACIN DE LOS MNIMOS CUADRADOS

GAVIDIA
13
CONCLUSIONES
El mtodo de los mnimos cuadrados" es el procedimiento ms objetivo

para ajustar una recta a un conjunto de datos representados en un
diagrama de dispersin.
El mtodo de mnimos cuadrados es el mtodo de regresin que se usa

con mayor frecuencia.
Este mtodo es ms apropiado cuando los datos muestran una variacin

uniforme de desviaciones a lo largo de la lnea de tendencia. Si el costo es
fijo, el coeficiente de la pendiente b es de cero; si el costo es variable, la
interseccin a es igual a cero en la funcin de costos.
Las principales aplicaciones de este mtodo de Mnimos Cuadrados son en

el ajuste de curvas.

GAVIDIA
14
BIBLIOGRAFA
Investigacin Mnimos cuadrados generalizados para funciones vectoriales

en la Geofsica Espacial , Jorge Lemagne Prez y Alexander Calzadilla
Mndez, 1 de abril de 2012
FISICA I Escuela Politcnica de Ingeniera de Minas y Energa Torrelavega

GAVIDIA
15
ANEXOS
EJEMPLOS GRAFICOS DE COEFICIENTES DE CORRELACION LINEAL

GAVIDIA
16

GAVIDIA
17

GAVIDIA
18

Metodo de Minimos Cuadrados

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodo de Minimos Cuadrados

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD FRANCISCO GAVIDIA

FACULTAD DE INGENIERA Y ARQUITECTURA

San Salvador, 15 de Marzo de 2014.

INVESTIGACION DE OPERACIONES II |UNIVERSIDAD FRANCISCO

INVESTIGACION DE OPERACIONES II |UNIVERSIDAD FRANCISCO

Comprender de una manera clara El Mtodo de Mnimos Cuadrados y su

Conocer las aplicaciones del mtodo de mnimos cuadrados.

Ejemplificar el uso de la tcnica mediante el uso de software especial para

Establecer las ventajas y limitaciones del mtodo.

INVESTIGACION DE OPERACIONES II |UNIVERSIDAD FRANCISCO