AJUSTE DE MODELOS

MATEMÁTICOS A PARTIR DE
DATOS EXPERIMENTALES
Regresión por mínimos cuadrados
 Conceptos Estadística previos
 Media aritmética

 Desviación estándar (sy):

dispersión

 Varianza: dispersión
n-1: grados de
libertad

 Coeficiente de variación
 Regresión por mínimos cuadrados

b) Ajuste polinomial c) Resultados más

a) Datos que muestran oscilando más allá del satisfactorios mediante el
un error significativo. rango de los datos. ajuste por mínimos
cuadrados.
 REGRESIÓN LINEAL

Error entre el
modelo y las (xi, yi)
observaciones e
(xi, a0+a1xi)

Intersección
Pendiente
con eje y
Criterio para un “mejor” ajuste
 La estrategia que supera las deficiencias de otros procedimientos, consiste en
minimizar la suma de los cuadrados de los residuos entre la y medida y la y
calculada con el modelo lineal

Coeficiente de Regresión
Cuantificación del error en la regresión
lineal

Cuantifica la dispersión alrededor de la

línea de regresión
se conoce como el coeficiente de determinación y
r es el coeficiente de correlación
Estos cuantifican la eficiencia del ajuste
St =Σ ) Es la cantidad de dispersión en la variable
dependiente antes de la regresión
Consideraciones
 r2= 1, significa que la línea explica el 100% de la variabilidad de
los datos
 El coeficiente de correlación ofrece una manera fácil de medir
la bondad del ajuste.
Si r = 1, existe una correlación positiva perfecta. El índice
indica una dependencia total entre las dos variables
denominada relación directa.
Si 0 < r < 1, existe una correlación positiva.
Si r = 0, no existe relación lineal
Si -1 < r < 0, existe una correlación negativa.
Si r = -1, existe una correlación negativa perfecta. El índice
indica una dependencia total entre las dos variables
llamada relación inversa.
 Se deberá graficar siempre los datos junto con su curva de
regresión e inspeccionar los datos en forma visual, para
asegurarnos que sea posible usar un modelo lineal.
 Ejemplo

Se desea ajustar los siguientes datos experimentales de la

medición de colonias de bacterias (y) por dia (x).
a) Determine la recta de regresión para los puntos dados

b) Utilizando la regresión lineal, estime el número de bacterias

en el sexto día.

c) Compruebe la eficiencia del ajuste

 Ejemplo 2.
Utilice la regresión por mínimos cuadrados para ajustar una
línea recta a:

Además de la pendiente y la intersección, calcule

a)El coeficiente de correlación
b) Haga una gráfica de los datos y la línea de regresión
 Linealización de relaciones no lineales
Cuando se verifica gráficamente y se identifica que el modelo no es lineal, se pueden utilizar
transformaciones para expresar los datos en una forma que sea compatible con la regresión lineal

Modelo exponencial

son constantes

Ecuación de potencias

son constantes
 puede linealizarse mediante logaritmos natural y en
base 10, para los modelos exponencial y de potencias,
respectivamente:
 Ejemplo

 Determine la ecuación de la regresión para los datos de la tabla.

Grafique la función. Tabule el ajuste y calcule el Coeficiente de
determinación r2.

X Maíz en kg 0,1 0,4 0,5 0,7 0,8 0,9

Y B-Caroteno (mg) 0,61 0,92 0,99 1,52 1,47 2,03
Ejemplo
Por ejemplo se desean ajustar los datos
experimentales de la tabla que se presenta a
continuación a un modelo exponencial.
 Ejemplo.

Realice el ajuste de la curva con la regresión lineal mediante

logaritmos
Regresión Polinomial
Regresión Polinomial
Libros consultados

 Luis Castellanos. Cálculo Numérico

 Chapra. Métodos Numéricos para Ingenieros, 5 edición.
 Lucrecia Lucía Chaillou. Cálculo Numérico