ESCUELA SUPERIOR POLITECNICA DEL LITORAL

Proyecto:
Regresión Lineal y Regresión Cuadrática

Integrantes:
Byron Javier De Loor Veloz

Materia:
Algebra Lineal

Profesora:
Margarita Helena Martínez Jara

Paralelo: 10
 INDICE

Tabla de contenido
1. INTRODUCCIÓN ....................................................................................................................................3
2. DESCRIPCION DEL PROBLEMA .............................................................................................................4
3. MARCO TEORICO ..................................................................................................................................5
a. REGRESION LINEAL ...........................................................................................................................5
b. REGRESION CUADRATICA.................................................................................................................5
c. PARABOLA DE LOS MINIMOS CUADRATICOS..................................................................................5
4. RESOLUCION DE LOS EJERCICIOS .........................................................................................................7
5. SOFTWARE UTILIZADO EN LA REALIZACION DEL PROYECTO ........................................................... 15
6. CONCLUSIONES.................................................................................................................................. 16
7. RECOMENDACIONES ......................................................................................................................... 16
8. REFERENCIAS ..................................................................................................................................... 17
1. INTRODUCCIÓN

En el mundo real existen pocas cosas que son constantes, como el día y la noche, pero
existen muchas otras que no lo son, como la cantidad de producción que tendrá una fábrica de
vidrio en un día, o el tiempo que toma esperar el bus.

De ahí nace la idea de que con un conjunto de datos se pueda establecer o hallar un cierto
patrón el cual sea fijo, que permita “predecir” los nuevos datos que se podrían obtener en el
futuro.

La regresión lineal y cuadrática son utilizadas con mayor frecuencia en las áreas de
Estadística y Matemáticas a fin de resolver problemas similares, aproximando la relación que
va a tener un valor respecto a otro, donde uno se establecerá como dependiente y el otro se
establecerá como independiente.

En este proyecto analizaremos dos ejercicios: uno de regresión Lineal y otro de regresión
Cuadrática, y utilizando los conocimientos de algebra lineal para poder hallar las respectivas
funciones que aproximaran los valores en la tabla de datos obtenidos.
2. DESCRIPCION DEL PROBLEMA

El presente proyecto tiene como finalidad resolver los ejercicios dados, plantearlos y
representarlos matricialmente para posteriormente resolverlos y hallar los datos numéricos y
como parte final interpretar los resultados obtenidos, todo esto usando regresión lineal y
regresión cuadrática.

Una curva cuadratica en x es una expresión de la forma:

𝑌 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2

La ecuación representa una parábola en el plano, si los puntos dados estuvieran en la

parábola se tendría :

Y se puede expresar matricialmente como

y=Au

Donde:

Sin embargo, en un experimento las mediciones siempre presentan errores de medición, ya

sea por la naturaleza del instrumento, del medio, o del actor de la medición. Esto hace que
los puntos no necesariamente cumplan la igualdad del sistema, es decir y−Au ≠0. El
problema se resume en encontrar un vector u tal que ||y−Au|| sea mínimo.
3. MARCO TEORICO

a. REGRESION LINEAL

En estadística y campos relacionados a esta, la regresión lineal o ajuste lineal es un

modelo matemático que tiene como principal fin el aproximar la relación de
dependencia que existe entre una variable de tipo dependiente “y”, las variables de tipo
independiente “x” y un término aleatorio ”c” el cual pertenece a los reales. (Regresión
lineal, s.f)

b. REGRESION CUADRATICA

La regresión cuadrática es una variación de la regresión lineal, pero se diferencia

de esta debido a que la regresión cuadrática es el proceso mediante el cual hallamos los
parámetros de una parábola que se ajustan mejor a los datos dados. (Ingenieria-
Industrial.net, s.f)

c. PARABOLA DE LOS MINIMOS CUADRATICOS

La parábola de los mínimos cuadrados o la parábola del mejor ajuste que aproxima
el conjunto de puntos (𝑋1 , 𝑌1 ), (𝑋2 , 𝑌2 ), (𝑋3 , 𝑌3 ) … (𝑋𝑛 , 𝑌𝑛 ) tiene su ecuación dada de la
forma 𝑌 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 en donde los valores de los parámetros de 𝑎0 , 𝑎1 , 𝑎2 se
logran determinar al resolver el sistema de ecuaciones, donde n representa la cantidad
de puntos : (Monografias.com, s.f)
 ∑ 𝑦 = 𝑎0 𝑛 + 𝑎1 ∑ 𝑥 + 𝑎2 ∑ 𝑥 2

∑ 𝑥𝑦 = 𝑎0 ∑ 𝑥 + 𝑎1 ∑ 𝑥 2 + 𝑎2 ∑ 𝑥 3
2 2 3 4
{∑ 𝑥 𝑦 = 𝑎0 ∑ 𝑥 + 𝑎1 ∑ 𝑥 + 𝑎2 ∑ 𝑥

El mismo sistema de ecuaciones también puede ser representado de forma

matricial:
4. RESOLUCION DE LOS EJERCICIOS
Problema 1.

Los estudiantes de la politécnica en épocas de vacas flacas no pueden almorzar por diversas
razones. El campus cuenta con una gran cantidad de ´arboles de mango. En un intento de
mejorar la precisión de la técnica de tumbar mangos lanzando un objeto, los estudiantes
piensan en construir un robot−tumba−mangos y para esto necesitan datos para programar
el robot. Estos brillantes politécnicos toman datos de la mejor trayectoria después de lanzar
varias veces una pelota de tenis hacia una altura en la que supuestamente estaría el mango
objetivo. Los estudiantes que ya habían aprobado Física I conocen que la altura de la pelota
1
en función del tiempo está dada por ℎ(𝑡) = ℎ0 + 𝑣𝑜 𝑡 + 2 𝑔𝑡 2 .Se hicieron las siguientes

mediciones:

Tiempo transcurrido ( Segundos ) Altura ( pies )

1 57
1,5 67
2,5 68
3 56
4 9,5

Usando estos datos estímese

a. La altura desde la cual se soltó la pelota.

b. La velocidad inicial con la que debe ser lanzada la pelota.

c. g (La gravedad)
Resolución del problema 1.

Realizamos un diagrama de dispersión para poder visualizar mejor la ubicación de los

puntos, además de poder ver qué forma tendrá la función cuadrática a la cual
aproximaremos nuestros datos.

Altura en funcion del tiempo

80
70
60
Altura ( pies )

50
40
30
20
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Tiempo ( segundos)

Posteriormente los representamos matricialmente

𝑦 = 𝐴𝑢

57 1 1 12
67 1 1.5 1.52 𝑎2
𝑦 = 68 , 𝐴 = 1 2.5 2.52 , 𝑢 = (𝑎1 )
56 1 3 32 𝑎0
9.5
( ) (1 9.5 9.52 )

Una vez realizado el diagrama, procedemos a hallar los valores numéricos factores que
estarán dentro del sistema de ecuaciones que usaremos para hallar los parámetros de
nuestra función.

n=5 ∑ 𝒙𝟑 =111 ∑ 𝒚 =257,5

∑ 𝒙 =12 ∑ 𝑥 4 =382,12 ∑ 𝑥𝑦 =533,5
∑ 𝒙𝟐 =34,5 ∑ 𝑥 2 𝑦 =1288,75
Una vez
hallado los valores, procedemos a ubicarlos dentro de la matriz de la parábola del mejor
ajuste
 𝑎0 𝑎1 𝑎2

𝟓 𝟏𝟐 𝟑𝟒, 𝟓 | 𝟐𝟓𝟕, 𝟓
[ 𝟏𝟐 𝟑𝟒, 𝟓 𝟏𝟏𝟏 | 𝟓𝟑𝟑, 𝟓 ]
𝟑𝟒, 𝟓 𝟏𝟏𝟏 𝟑𝟖𝟐, 𝟏𝟐 | 𝟏𝟐𝟖𝟖, 𝟕𝟓

Con ayuda de una calculadora de matrices reducimos la matriz para hallar los valores que
tendrán 𝑎0 , 𝑎1 y 𝑎2 . Y obtenemos que dichos valores son:

𝑎0 = −15,34

𝑎1 = 61,07

𝑎2 = 10,77

Reemplazando estos valores en la ecuación de la parábola, nos quedara la siguiente

ecuación:

𝑌 = 10,77 + 61,07𝑥 − 15,34𝑥 2

la cual representa la siguiente gráfica:

La misma funcion a su vez puede ser expresada como un vector ( u ) el cual hace que
||y−Au|| sea minimo
 10,77
𝑢 = ( 61,07 )
−15,34

Apartir de la ecuación de la altura en función del tiempo ya hallada a partir de la regresión

cuadrática podemos resolver los literales establecidos en este problema.

a) altura de la que se lanzó la pelota

Igualando términos en la ecuación de la parábola inicial con la encontrada obtenemos que

la altura en la posición inicial, es decir cuando el tiempo es 0 es:

𝑌 = 10,77 + 61,07𝑥 + −15,34𝑥 2 t=x=0

𝑌 = 10,77

ℎ0 = 10,77

b) Aplicando un artificio muy útil podemos hallar la velocidad inicial con la que fue
lanzada igualamos la ecuación inicial con la ecuación que encontramos, y procedemos a
igualar los términos con términos x de igual grado, sin olvidar que el parámetro t es igual
al parámetro x

1
ℎ0 + 𝑣𝑜 𝑡 + 𝑔𝑡 2 = 10,77 + 61,07𝑥 + −15,34𝑥 2
2

𝑣𝑜 𝑡 = 61,07𝑡

𝑣𝑜 = 61,07

y sus unidades serian pies/segundos

c) Aplicando lo usado en el literal anterior podemos hallar el valor de la gravedad también.

 1
ℎ0 + 𝑣𝑜 𝑡 + 𝑔𝑡 2 = 10,77 + 61,07𝑥 + −15,34𝑥 2
2

1 2
𝑔𝑡 = −15,34𝑡 2
2

𝑔 = −30,68

Y sus unidades serian Pies/Segundos^2 (el cual es un valor realmente aproximado al valor
de la gravedad real)

Problema 2.

En un intento de expandir su alcance, el Fabla ubicado en la ESPOL llamado Asiria Lobs

compra grandes cantidades de ciertas refacciones para maquinas. Debido a la experiencia
de los estudiantes politécnicos encargados del área, encuentran que su costo depende del
número de cajas de piezas que compre una vez y que el costo por unidad disminuye al
aumentar el número de unidades compradas. Si se supone que el costo es una función
cuadrática del volumen y, de experiencia anterior, se obtiene la tabla siguiente

Numero de cajas Costo Total

10 $150
30 $260
50 $325
100 $500
175 $670
Encuéntrese su función de costo total.

Planteamiento del problema

Realizamos un diagrama de dispersión para poder apreciar mejor la ubicación de los puntos
en el plano.

Costo total
800

700

600

500

400

300

200

100

0
0 50 100 150 200

Posteriormente los representamos matricialmente

𝑦 = 𝐴𝑢

150 1 10 102
260 1 30 302 𝑎2
𝑦 = 325 , 𝐴= 1 50 502 , 𝑢 = (𝑎1 )
500 1 100 1002 𝑎0
(670) ( 1 175 1752 )

Procedemos a partir de la tabla a hallar los valores de los factores que irán en nuestra matriz
de para hallar la parábola de mejor ajuste la cual aproximara los valores de la tabla a una
ecuación cuadrática.

Obtenemos los siguientes datos:

 n= 5 ∑ 𝒙𝟑 =6512375 ∑ 𝒚 =1905
∑ 𝒙 = 365 ∑ 𝑥 4 =1044960625 ∑ 𝑥𝑦 =192800
∑ 𝒙𝟐 =44125 ∑ 𝑥 2 𝑦 = 26580250

Procedemos a ubicarlos en la matriz para hallar la parábola de mejor ajuste

𝑎0 𝑎1 𝑎2

𝟓 𝟑𝟔𝟓 𝟒𝟒𝟏𝟐𝟓 | 𝟏𝟗𝟎𝟓

[ 𝟑𝟔𝟓 𝟒𝟒𝟏𝟐𝟓 𝟔𝟓𝟏𝟐𝟑𝟕𝟓 | 𝟏𝟗𝟐𝟖𝟎𝟎 ]
𝟒𝟒𝟏𝟐𝟒 𝟔𝟓𝟏𝟐𝟑𝟕𝟓 𝟏𝟎𝟒𝟒𝟗𝟔𝟎𝟔𝟐𝟓 | 𝟐𝟔𝟓𝟖𝟎𝟐𝟓𝟎

Usando una calculadora de matrices reducimos la matriz para poder hallar los valores de
𝑎0 , 𝑎1 y 𝑎2 y obtenemos que los valores son:

𝑎0 = −0,097

𝑎1 = 4.9064

𝑎2 = 108.71

Recordando que la ecuación de la parábola tiene forma de 𝑌 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2

reemplazamos los datos obtenidos y nos quedara que

𝑌 = 108.71 + 4.9064𝑥 + −0,0097𝑥 2

Sería la función costo total y su grafica

La misma funcion puede ser escrita como un vector ( u ) el cual hace que ||y−Au|| sea
minimo

108,71
𝑢 = ( 4,9 )
−0,0097
5. SOFTWARE UTILIZADO EN LA REALIZACION DEL PROYECTO
https://matrixcalc.org/es/slu.html: MATRIX CALCULATOR

Este software fue utilizado únicamente con el fin de reducir las matrices y hallar los
valores de los parámetros 𝑎0 , 𝑎1 y 𝑎2 en los sistemas de ecuaciones de ambos
ejercicios.

http://soft.ingenieria-industrial.net/regresion_lineal.php:
Esta plataforma digital se la utilizo principalmente para verificar que los resultados de
los parámetros obtenidos con anterioridad eran los respectivos, además de proporcionar
la respectiva grafica de la regresión lineal.
6. CONCLUSIONES
 Los resultados obtenidos usando métodos algebraicos y por medio de la calculadora de
matrices fueron muy aproximados a los obtenidos al usar software de regresion lineal.
 Se conluye que el proyecto se realizo con éxito, porque se lograron resolver de manera
correcta los ejercicios planteados.
 La regresion lineal juega un papel un muy importante en las áreas relacionadas con la
matemática, ya que gracias a ella se pueden resolver problemas de distintos caracteres
como: Fisicos, Estadisticos, entre otros

7. RECOMENDACIONES
 Para obtener una mayor eficiencia al resolver problemas de este tipo, es preferible usar
directamente un software que resuelva este tipo de ejercicios, ya que ayuda a ahorrar
tiempo y se obtienen datos con mayor exactitud.
 Se recomienda tener conocimientos claros tanto de algebra como de matemáticas para
que podamos interpretar de manera correcta los resultados de los ejercicios además de
poder plantearlos con claridad.
8. REFERENCIAS
Ingenieria-Industrial.net. (s.f). Obtenido de http://ingenieria-industrial.net/leer/articulo/83

Regresión lineal. (s.f). Obtenido de https://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal

(s.f). Obtenido de Monografias.com: http://www.monografias.com/trabajos-pdf5/parabola-

minimos-cuadrados-excel-graph-y-geogebra/parabola-minimos-cuadrados-excel-graph-y-
geogebra.shtml