Ajuste por Mínimos Cuadrados

• Para una recta, cálculo de A y B

• cálculo de las incertidumbres

𝒚 = 𝑨 + 𝑩𝒙
 Uno de los tipos más comunes e interesantes de
experimento implica la medición de varios valores de dos
variables físicas diferentes para investigar la relación
matemática entre las dos variables.

Ejemplo 1: relación entre la posición

y el tiempo; velocidad y el tiempo, en
el movimiento de un móvil
1 2
𝑥(𝑡) = 𝑥𝑜 + 𝑣𝑜 𝑡 + 𝑎𝑡
2

𝑣(𝑡) = 𝑣𝑜 + 𝑎𝑡
 Vamos a analizar el caso de dos variables en
las cuales su relación es lineal de la forma
𝒚 = 𝑨 + 𝑩𝒙 … . . (𝟏)
A y B son constantes.
Si dos variables «y» y «x» están
relacionadas linealmente como en la
ecuación 1 su gráfica será:

Si medimos
𝑥1 , 𝑥2 … . . 𝑥𝑛 𝑦 𝑠𝑢𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑦1 , 𝑦2 … … 𝑦𝑛
Y si nuestras medidas no tienen incertidumbres, entonces
nuestra gráfica correspondería a la gráfica mostrada en la
figura anterior.
En la práctica, tenemos
incertidumbres, y lo más que
podemos esperar es que la
distancia de cada punto (𝑥𝑖 , 𝑦𝑖 ) de la
línea será razonable en
comparación con las
incertidumbres, como en la
siguiente figura.
• Si damos por cierta que mi relación es lineal, entonces:
1. Tenemos que hallar las constantes A y B abordado de forma
gráfica, como se discutió anteriormente.
• También se puede tratar analíticamente, por medio del
principio de máxima probabilidad.
• Este método analítico de encontrar la mejor línea recta
para adaptarse a una serie de puntos experimentales se
llama regresión lineal, o los mínimos cuadrados para
una línea
 2. ¿Los valores medidos realmente confirman nuestra
expectativa de que Y es lineal en x?.

Para responder a esta pregunta,

• Graficamos la línea que mejor se ajuste a los datos.
• Si ya sabemos que las incertidumbres en las mediciones, se
puede dibujar un gráfico, como el de la figura anterior, que
muestra la recta de mejor ajuste y los datos experimentales
con sus barras de error. Entonces podemos juzgar
visualmente si o no la línea de mejor ajuste pasa lo
suficientemente cerca de todas las barras de error.
• Si no conocemos las incertidumbres de forma fiable,
debemos juzgar qué tan bien los puntos se ajustan a una
línea recta mediante el examen de la distribución de los
puntos propios. Esto lo veremos en el siguiente capítulo.
CALCULO DE LAS CONSTANTES A Y B
Supondremos:
• A pesar de nuestras medidas de Y sufren incertidumbre
apreciable, la incertidumbre en las mediciones de X es
despreciable
• Vamos a suponer, además, que las incertidumbres en Y
todos tienen la misma magnitud. (Este supuesto es
razonable en muchos experimentos, pero si las
incertidumbres son diferentes, entonces nuestro análisis se
puede generalizar para ponderar las mediciones
apropiadamente

• Más específicamente, se supone que la medición de cada 𝑦𝑖

se rige por el método de distribución de Gauss, con la misma
𝜎𝑦 ( parámetro de anchura para todas las mediciones).
Si conociéramos las constantes A y B para algún valor dado
de 𝑥𝑖 (𝑎𝑠𝑢𝑚𝑖𝑒𝑛𝑑𝑜 𝑞𝑢𝑒 𝑛𝑜 𝑡𝑖𝑒𝑛𝑒 𝑖𝑛𝑐𝑒𝑟𝑡𝑖𝑑𝑢𝑚𝑏𝑟𝑒) podríamos
calcular el verdadero valor de la y
(𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑑𝑒𝑟𝑜 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑦) = 𝐴 + 𝐵𝑥
La medición de y; se rige por una distribución normal
centrada en este verdadero valor, con el parámetro 𝝈𝒚 de
anchura. Por lo tanto, la probabilidad de obtener el valor
observado de 𝒚𝒊 𝒆𝒔:

donde los subíndices A y B indican que esta probabilidad

depende de los valores (desconocidos) de A y B.
La probabilidad de obtener todas nuestras medidas
𝑦1 , 𝑦2 … … 𝑦𝑛 es el producto:

Donde el exponente esta dado por:

La expresión anterior es ahora familiar, vamos a suponer
que las mejores estimaciones para las constantes
desconocidas A y B, sobre la base de las medidas
indicadas, son esos valores de A y B para los cuales la
probabilidad 𝑃𝑟𝑜𝑏𝐴,𝐵 𝑦1 , 𝑦2 , … . . 𝑦𝑁 es máxima.

ó Es mínimo

Para encontrar los valores diferenciamos

𝜒 2 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝐴 𝑦 𝐵 𝑦 𝑙𝑢𝑒𝑔𝑜 𝑖𝑔𝑢𝑎𝑙𝑎𝑚𝑜𝑠 𝑎 𝑐𝑒𝑟𝑜
 y

Reescribiendo ambas ecuaciones tenemos:

σ 𝑥 2 σ 𝑦 − σ 𝑥 σ 𝑥𝑦 𝑁 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝐴= 𝐵=
Δ Δ
Δ = 𝑁 ෍ 𝑥 2 − (෍ 𝑥)2

El ajuste se llama Ajuste por Mínimos Cuadrados y la línea

obtenida Línea de regresión de y sobre x
INCERTIDUMBRE DE y

Se puede probar por el principio de Respecto a

máxima verosimilitud derivando 𝜎𝑦

• La estimación anterior para 𝜎𝑦 no es correcta. Los

números A y B en son los valores reales desconocidos de
las constantes A y B.
• En la práctica, estos números se deben reemplazar por
nuestros mejores estimaciones para A y B hallados por el
ajuste de Mínimos Cuadrados, y este reemplazo reduce
ligeramente el valor de 𝜎𝑦 . Se puede demostrar que esta
reducción se compensa si reemplazamos el factor N en el
denominador de (N-2).
La incertidumbre de nuestras medidas para 𝒚𝟏 , 𝒚𝟐 , … . . 𝒚𝑵
es:

𝑵
𝟏
𝝈𝒚 = ෍(𝒚𝒊 −𝑨 − 𝑩𝒙𝒊 )𝟐
𝑵−𝟐
𝒊=𝟏

INCERTIDUMBRES DE LAS CONSTANTES A y B

σ 𝑿𝟐 𝑵
𝝈𝑨 = 𝝈𝒀 𝝈𝑩 = 𝝈𝒀
𝜟 𝜟
Los resultados obtenidos se basan en la suposición de que
las mediciones de que las incertidumbres de «y» son iguales
y que las incertidumbres en x son insignificantes.

Aunque estas suposiciones a menudo se justifican,

necesitamos discutir brevemente lo que sucede cuando no lo
son.
• En primer lugar, si las incertidumbres en «y» no son
iguales, podemos utilizar el método de los mínimos
cuadrados ponderados.
• En segundo lugar, si hay incertidumbres en x pero no en y,
podemos simplemente intercambiamos los papeles de x e y
en nuestro análisis.
En el caso en que «x» y «y» tienen incertidumbres (un
caso que sin duda puede ocurrir ) los mínimos cuadrados
es bastante complicado y aún controvertido
Supongamos , en primer lugar, que nuestras mediciones de
«x» están sujetas a incertidumbre, pero los de «y» no , y
consideramos un punto de medición en particular ( x , y) y
nuestra ecuación de la recta verdadera y=A+Bx mostrada
en la figura.

El punto (x, y)
esta fuera de la
recta
Podemos observar que para el valor de «x» se tiene:
• 𝜟𝒙
• No se observa incertidumbre de «y»
Analogamente podemos observar que para el valor de
«y» se tiene:
• 𝜟𝒚
• No se observa incertidumbre de «x»
Cuando x e y tienen incertidumbres

La constante B depende de la naturaleza del gas

Ajuste por mínimos cuadrados para funciones
generales.
Expresiones polinomiales
A veces se tiene una variable y que depende de una
variable x en una expresión polinomial como:

Ejemplo, en caída libre: