Академический Документы
Профессиональный Документы
Культура Документы
Mı́nimos Cuadrados
Violeta Chamorro (00125047)
Camila Álvarez (00118760)
Andrés Fierro (00123242)
Nicole Cárdenas (00125602)
diciembre de 2015
Aproximación Lineal
Consideremos el conjunto O cuyos elementos son puntos cuyas coordenadas
se muestran en la siguiente tabla:
x y
0,14045 0,02062
0,79732 0,64472
0,06728 0,00456
0,64644 0,43472
0,99442 0,95482
0,26896 0,06879
0,45596 0,20092
0,99059 1,02479
0,19038 0,0347
0,13674 0,01931
1
Figura 1: Conjunto O
2
Notemos que el vector y0 se puede escribir como y0 =
1 x a donde
1
1
1 = ..
.
1
x1
x2
x = ..
.
xn
b
a= .
a
Utilizamos la ecuación (1) para los puntos del conjunto O y encontramos que
b −0,16743
a= = .
a 1,08397
En la Figura 2 mostramos los puntos del conjunto O junto con la recta de mejor
ajuste y = 1,08397 · x − 0,16743. Escrita en forma vectorial, la recta de mejor ajuste
es
x 1 0
= t+ .
y 1,08397 −0,16743
3
Figura 2: Puntos del conjunto O junto con la recta y = ax + b
Aproximación Cuadrática
Ahora procedemos a buscar una aproximación cuadrática por el método de
los mı́nimos cuadrados. Para encontrar la mejor aproximación cuadrática y =
ax2 + bx + c buscamos las constantes a, b y c que minimizen la suma de los errores
2
cuadrados ∑in=1 yi − ( axi2 + bxi + c) . Esto es lo mismo a minimizar la distancia
entre los vectores
y1
y2
y = ..
.
yn
y
ax12 + bxi + c
ax2 + bx + c
2 2
y0 = .
..
.
axn2 + bxn + c
4
Notemos que el vector y0 se puede escribir como y0 = 1 x x2
a donde 1
y x se definen como en el caso lineal y
2
x1
x2
2
x2 = ..
.
xn2
c
a = b .
a
Utilizamos la ecuación (2) para los puntos del conjunto O y encontramos que
c −0,003927
a = b = 0,021792 .
a 0,98873
5
Figura 3: Puntos del conjunto O junto con la recta y = ax + b
e =
y − y0
q
= (y − y0 ) · (y − y0 )
q
= (y − 1 x x2 a) · (y − 1 x x2 a)
= 0,057472.
Aproximación Cúbica
De manera similar se puede hacer una aproximación cúbica. Por lo desarro-
llado anteriormente, de manera natural se conjetura que si la mejor aproximación
cúbica (utilizando mı́nimos cuadrados) es y = a3 x3 + a2 x2 + a1 x + a0 y además
a0
a1
a= a2
a3
entonces
T −1 T
a= 1 x x2 x3 1 x x2 x3 1 x x2 x3 y. (3)
6
Utilizamos la ecuación (3) para los puntos del conjunto O y encontramos que
a0 0,011855
a1 −0,140883
a= a2 = 1,359054 .
a3 −0,226634
En la Figura 4 mostramos los puntos del conjunto O junto con la función cúbi-
ca de mejor ajuste (de color rojo) y = −0,226634 · x3 + 1,359054 · x2 − 0,140883x +
0,011855.
e =
y − y0
q
= (y − y0 ) · (y − y0 )
q
= (y − 1 x x2 x3 a) · (y − 1 x x2 x3 a)
= 0,0560123.
7
Nuevos Datos
Ahora consideramos el conjunto V, este conjunto contiene puntos obtenidos
con el mismo experimento por el cual fueron obtenidos los puntos del conjunto
O. Las coordenadas de estos nuevos puntos se muestran en la tabla siguiente:
x y
0,529423 0,284002
0,184810 0,035793
0,576934 0,331234
0,666697 0,465335
0,234738 0,055887
Figura 5: Conjunto V
El error de estos nuevos datos (solo los nuevos datos, sin tener en cuenta los
anteriores) respecto a los modelos encontrados en las secciones anteriores vienen
dados por las fórmulas:
1. Aproximación lineal:
q
e= (y − 1 x a) · (y − 1 x a)
= 0,053713.
2. Aproximación cuadrática:
q
e = (y − 1 x x2 a) · (y − 1 x x2 a)
= 0,0085479.
8
3. Aproximación cúbica:
q
e = (y − 1 x x2 x3 a) · (y − 1 x x2 x3 a)
= 0,0069425.
Los resultados obtenidos indican que las aproximaciones son cada vez mejores a
medida que el grado de la aproximación polinómica aumenta. Además nos dicen
que si el grado de la aproximación polinómica es mayor, entonces este modelo
será mejor para predecir la tendencia de futuros datos sobre el mismo experi-
mento, esto se ve reflejado en el hecho de que, aunque los puntos del conjunto V
no fueron utilizados para realizar las aproximaciones polinómicas por mı́nimos
cuadrados, igual tienen un menor error cuando el grado de la paroximación es
mayor.
Nota Para evaluar los valores de los puntos en las ecuaciones se utilizó el pro-
grama de computadora Maxima y para realizar los gráficos se utilizó GeoGebra.
Referencias
[1] D. Lay, Álgebra Lineal y sus aplicaciones, Pearson, 4ta Ed., 2012.