Método de mínimos cuadrados (MMC)

A. C 2018
ME I - UAMI
Método de mínimos cuadrados (MMC)

El MMC es un procedimiento matemático que nos auxilia en la tarea de representar

una serie de datos experimentales usando una expresión matemática entre la
variable independiente y la variable dependiente.

𝑦=𝑦 𝑥

En principio, se puede encontrar un número n de parámetros que especifiquen a esa

función, siempre y cuando n sea menor que el número de datos experimentales N a
analizar (𝑛 < 𝑁)
En general, el MMC produce un sistema de ecuaciones de los parámetros n que definen a la función.

Sea la función 𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3

Los n parámetros son los aj

Aquí, el MMC producirá un sistema lineal de ecuaciones (4 x 4) para

encontrar los aj.

Trataremos el caso especial en que la curva sea una recta.

Así, el sistema de ecuaciones asociados será lineal y el

procedimiento se lama REGRESIÓN LINEAL.

Se busca encontrar la mejor recta asociada a un conjunto de datos experimentales.

Para el análisis usando el MMC se desprecia la incertidumbre en x

Supongamos que tenemos los siguientes datos experimentales:
y
Trazamos la recta AB que intenta representar a los
N datos experimentales.

La ecuación de la recta AB es: 𝑦 = 𝑚𝑥 + 𝑏 A´B´

m y b son los parámetros que identifican a la recta

AB
¿Es esa la recta que mejor se ajusta a los datos?
x
No todos los puntos pasan por esta recta particular.

Si se cambian los valores de m y b se obtiene otra recta A´B´: 𝑦 = 𝑚´𝑥 + 𝑏´

La posición de los puntos será diferente en relación a la recta AB.
¿Cuál es el criterio para elegir los valores de m y b para obtener el mejor ajuste?

y (𝑥𝑖 , 𝑦𝑖 )
Se toma un punto cualquiera (xi,yi)
𝑦𝑖
𝑃𝑖 𝑄𝑖
Se obtiene la separación vertical 𝑃𝑖 𝑄𝑖 que
𝑦 = 𝑚𝑥 + 𝑏
hay entre cada punto experimental (xi,yi)
a una recta del tipo AB:

𝑃𝑖 𝑄𝑖 ≡ 𝛿𝑦𝑖 = 𝑦𝑖 − 𝑚𝑥𝑖 + 𝑏
𝑥𝑖 X
Esta cantidad puede ser positiva o negativa, por ello se eleva al cuadrado
2 2
𝛿𝑦𝑖 = 𝑦𝑖 − 𝑚𝑥𝑖 + 𝑏
 Se define una cantidad M, igual a la suma de las N distancias al cuadrado:
𝑁 𝑁
2 2 2 2
𝑀 = ෍ 𝛿𝑦𝑖 = ෍ 𝑦𝑖 − 𝑚𝑥𝑖 + 𝑏 𝛿𝑦𝑖 = 𝑦𝑖 − 𝑚𝑥𝑖 + 𝑏
𝑖=1 𝑖=1

Se desea seleccionar m y b de tal manera que la suma M tenga el valor más pequeño posible.

Como M es una suma de cantidades positivas, el menor valor posible sería cero.

Así, cada 𝛿𝑦𝑖 es cero y todos los N datos están sobre una misma recta.

Pero esto no ocurre experimentalmente!!

Generalmente, hay una dispersión en los datos experimentales!!

Así, M tiene un valor diferente de cero y cambia de acuerdo a los valores que se
propongan para m y b.
 M es una función que depende de m, b, 𝑥𝑖 , 𝑦𝑖 : 𝑀 = 𝑀(𝑚, 𝑏; 𝑥𝑖 , 𝑦𝑖 )
Así, para que M sea mínima: 𝜕𝑀 𝜕𝑀
=0 y =0
𝜕𝑚 𝜕𝑏
Y resolviendo, se encuentra:

𝑁 σ 𝑥𝑖 𝑦𝑖 − σ 𝑥𝑖 σ 𝑦𝑖 σ 𝑦𝑖 − 𝑎𝑥𝑖 − 𝑏 2
𝑚= ∆𝑚 =
𝑁 σ 𝑥𝑖2 − σ 𝑥𝑖 2 𝑁 − 2 σ 𝑥𝑖 − 𝑥ҧ 2

σ 𝑥𝑖2 σ 𝑦𝑖 −σ 𝑥𝑖 σ 𝑥𝑖 𝑦𝑖 σ 𝑦𝑖 − 𝑎𝑥𝑖 − 𝑏 2 1 𝑥ҧ 2
b= σ 𝑥𝑖2 − σ 𝑥𝑖 2
∆𝑏 =
𝑁−2
+
𝑁 σ 𝑥𝑖 − 𝑥ҧ 2
𝑁
Coeficiente de Correlación Lineal, r :

𝑁 σ 𝑥𝑖 𝑦𝑖 − σ 𝑥𝑖 σ 𝑦𝑖
𝑟=
0<𝑟<1
𝑁 σ 𝑥𝑖2 − σ 𝑥𝑖 2 𝑁 σ 𝑦𝑖2 − σ 𝑦𝑖 2

Nos cuantifica la bondad del MMC.

Mientras más se acerca r a 1 mejor es el ajuste

LEAN, ESTUDIEN Y MANTÉNGANSE INFORMADOS

A. C 2018
ME I - UAMI
LEAN, ESTUDIEN Y MANTÉNGANSE INFORMADOS

A. C 2018
ME I - UAMI