Métodos Numéricos I Minimos cuadrados Objetivos Introduccién * Deducir las formulas de grado n para el método de minimos cuadrados, * Aplicar las formulas de minimos cuadrados a problemas de ajuste de curvas mediante la elaboracién de un programa en lenguaje C, El estudio de la teorfa de la aproximacién comprende dos tipos generales de problemas. Uno se presenta cuando una funcién se da de manera explicita, pero se desea encontrar un tipo mas simple de ella, un polinomio por ejemplo, que sirva para determinar los valores aproximados de una funcidn dada. El otro problema se refiere a la adaptacién de las funciones a ciertos datos y a la busqueda de la funcién “dptima” en una clase que se pueda emplear para representar los datos. “Teresa Carrillo Ramirez - pag. 1Métodos Numéricos I Alternativas para el ajuste Supéngase que se tiene el problema de interpolacién y se desean estimar valores de una funcién en puntos no tabulados en la siguiente tabla: x |W Em 1 [as 6 (a8 2 fas 7 |a0a 3 far a jas a so a |aa0 5 |r0 10 | 156 Si se grafican estos valores, se podria suponer que la relacién entre x yyes lineal. La razén probable de que ninguna recta se ajuste a estos datos es que tienen errores. Ahora si buscamos una funcién de aproximacién a estos datos no seria ldgico pedir que se ajusten a cada uno de los puntos (como en un polinomio de interpolacién). Para encontrar una funcién que se ajuste de la mejor manera a estos datos se tienen las siguientes opciones: Sea 01x, + a el -ésimo valor de la recta de aproximacién y y,el Hésimo valor dado para y. El problema de determinar la ecuacién de la mejor aproximacién lineal en el sentido absoluto consiste en encontrar los valores de ay y a; que minimicen maxly, - (a,x, +4,)|] Fat .)= Ba Este problema se conoce como minimax y no es tan simple su solucién. Otra alternativa para encontrar la mejor aproximacién lineal implica hallar los valores de as y a, que minimicen By (a.a)=S)y, (ax, +45) Esta cantidad se llama desviacién absoluta. Para minimizar una funcién de dos variables se deben igualar a cero sus derivadas parciales y resolver en forma simultdnea las ecuaciones resultantes. “Teresa Cassillo Ramiter. - pag. 2Métodos Numéricos I En el caso de la desviacién absoluta se necesitan hallar dp y a; tales que 2 Sy, -Gx, +0) =0 2S, -x, +4) da 2 a, La dificultad de este procedimiento radica en que el valor absoluto no es derivable en cero, y no necesariamente se pueden obtener las soluciones de este par de ecuaciones. El método de minimos cuadrados para resolver este problema requiere determinar la mejor linea de aproximacién, cuando el error es la suma de los cuadrados de las diferencias entre los valores de y en la linea aproximada y los valores de y dados. Por tanto hay que encontrar las constantes ay y ai que reduzcan al minimo el error de minimos cuadrados: 2.(0.4)=Z (ax, +4,)P Consideraciones El método de minimos cuadrados es el procedimiento més adecuado para determinar las mejores aproximaciones lineales. Algunas consideraciones que lo favorecen son: © El método minimax generalmente le da demasiado valor relative a un pequefio elemento de datos que contiene un gran error. * La desviacién absoluta solo promedia el error en varios puntos sin dar suficiente valor relativo a un punto que esté muy alejado de la aproximacién. * El método de minimos cuadrados concede mayor valor relativo al punto que esté alejado del resto de los datos, pero no permite que ese punto domine la aproximacién. ‘Teresa Carrillo RamitezMétodos Numéricos I Formulas para minimos cuadrados El problema de ajustar la mejor recta con minimos cuadrados a una coleccién de datos {(x,,.y, }}", implica minimizar el error total b (@,.4,) ~ (4.x, -a,)] con respecto a los pardmetros dy y a, Para que haya un minimo, debemos tener SEED. Cex -a =250;-ax-aD=0 y Om > as 7 a a ~(ax,-4,)} DO, = a, ~ a )(-x,)=0 Estas ecuaciones se simplifican en las ecuaciones normales La solucién de este sistema de ecuaciones es amt a, LeEn-Lend 7 “Teresa Cassillo Ramiter. - pag. 4Métodos Numéricos I Ejemplo: A partir de la siguiente tabla de datos, obtener la linea de minimos cuadrados que aproxima estos datos ¥ Ped) (ean 1S 1s 0.014884 a8 7 2716 0.614656 42 9 126 4254 0.002916, 5 18 205792 0.627264 725) 35738 aoe ae 36528 BBR 0.004024 01 4970.7 10.405 —_0,092636 125 64 100 11.944 0.309136 gly 134820282824 156 100 156 —15.02_——o.a364 sel aes STaa 234474 Sustituyendo estos valores en las ecuaciones normales: _38581)-55572.4) __y 10(572.4)-S5(81) _ 1 g5g 10885)- G5)" - 360 ; 10(385) - 55) % Entonces P(x) .523x ~ 0.360. En a siguiente tabla se muestran los puntos de la tabla y la linea recta que los ajusta por medio de esta ecuacién. 1 ‘Teresa Carrillo RamitezMétodos Numéricos I Generalizacion De modo similar se resuelve el problema de aproximar un conjunto de datos {(x,.v,)}®, con un polinomio algebraico de grado n < m-1 mediante el procedimiento de minimos cuadrados. Sea el polinomi WM bchayx, $a, =Dya,x) P@)=a,x7 +a, Para disminuir al minimo el error de minimos cuadrados, es necesario seleccionar las constantes do, di, .., dn de tal manera que las parciales con respecto a cada una de ellas sea cero. Asi para cada j Sy a (Sve) S San Se") AR 2, = Sb, - PoP Sera +a Da da, a = Esto nos da n +1 ecuaciones normales en las n+ 1 incégnitas a, Dads Conviene escribir las ecuaciones como sigue: a, 3x9 44, Sox) 4a, S88 4 ta, Soe aS ta Sx tae + Sya)_ para cadaj=0, 1, .n. sada we ada! +a, Estas ecuaciones normales tienen soluci6n nica siempre y cuando las x sean distintas, ‘Teresa Carrillo Ramitez