MÍNIMOS CUADRADOS

Cuando varias personas miden la misma cantidad, generalmente no obtienen los mismos
resultados. De hecho, si la misma persona mide la misma cantidad varias veces, los resultados
variarán. ¿Cuál es la mejor estimación para la verdadera medición? El método de mínimos
cuadrados proporciona una forma de encontrar la mejor estimación, suponiendo que los errores
(es decir, las diferencias con respecto al valor verdadero) sean aleatorias e imparciales.

 ¿QUÉ SON LOS MÍNIMOS CUADRADOS?

Es un procedimiento de análisis numérico en la que, dados un conjunto de datos (pares ordenados

y familia de funciones), se intenta determinar la función continua que mejor se aproxime a los
datos (línea de regresión o la línea de mejor ajuste), proporcionando una demostración visual de la
relación entre los puntos de los mismos. En su forma más simple, busca minimizar la suma de
cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la
función y los correspondientes datos.

Este método se utiliza comúnmente para analizar una serie de datos que se obtengan de algún
estudio, con el fin de expresar su comportamiento de manera lineal y así minimizar los errores de
la data tomada.

La creación del método de mínimos cuadrados generalmente se le acredita al matemático alemán

Carl Friedrich Gauss, quien lo planteó en 1794 pero no lo publicó sino hasta 1809. El matemático
francés Andrien-Marie Legendre fue el primero en publicarlo en 1805, este lo desarrolló de forma
independiente.

 MÉTODO DE MÍNIMOS CUADRADOS

Su expresión general se basa en la ecuación de una recta y = mx + b. Donde m es la pendiente y b

el punto de corte, y vienen expresadas de la siguiente manera:
Σ Es el símbolo sumatoria de todos los términos, mientas (x, y) son los datos en estudio y n la
cantidad de datos que existen.

El método de mínimos cuadrados calcula a partir de los N pares de datos experimentales (x, y), los
valores m y b que mejor ajustan los datos a una recta. Se entiende por el mejor ajuste aquella recta
que hace mínimas las distancias d de los puntos medidos a la recta.

Teniendo una serie de datos (x, y), mostrados en un gráfico o gráfica, si al conectar punto a punto
no se describe una recta, debemos aplicar el método de mínimos cuadrados, basándonos en su
expresión general:

Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea de mejor ajuste
que explique la posible relación entre una variable independiente y una variable dependiente. En
el análisis de regresión, las variables dependientes se designan en el eje y vertical y las variables
independientes se designan en el eje x horizontal. Estas designaciones formarán la ecuación para la
línea de mejor ajuste, que se determina a partir del método de mínimos cuadrados.

EJEMPLO DEL MÉTODO DE MÍNIMOS CUADRADOS

Ejemplo 1:

Encontrar la recta que mejor se ajusta a los siguientes datos:

Veamos el gráfico:
Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de mínimos cuadrados.
Como ya sabemos entonces, primero centraremos el valor (x ∙ y):

Segundo por las expresiones de m y b debemos encontrar el valor x²:

Ahora podemos obtener los valores de las sumatorias de cada columna:

Σx = 55 ; Σy = 57 ; Σ(x*y) = 233 ; Σx² = 473 ; n = 9

Sustituimos en cada una de las expresiones:

m = (9*233 – 55*57) / (9*473 – |55|²) = -1038 / 1232 = – 0,84

b = (57*473 – 55*233) / (9*473 – |55|²) = 14146 / 1232 = 11,48

La recta obtenida con el método de los mínimos cuadrados es la siguiente:

y = (- 0,84)*x + 11,48

Observemos el gráfico:

Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Si queremos saber dónde corta en
el eje x igualamos la ecuación y = 0:

0 = (- 0,84)*x + 11,48

Despejamos x:

x = – 11,48 / (-0,84) = 13,57

 Recta que mejor se ajusta (Método de mínimos cuadrados)

Una recta que mejor se ajusta puede ser determinada aproximadamente usando el método visual
al dibujar una línea recta en una gráfica de dispersión para que tanto el número de puntos arriba
de la recta y debajo de la recta sean casi iguales (y la línea pasa a tráves de tantos puntos como sea
posible).

Paso 1: Calcule la media de los valores de x y la media de los valores de y .

Paso 2: Realice la suma de los cuadrados de los valores de x .

Paso 3: Realice la suma de cada valor de x multiplicado por su valor correspondiente y .

Paso 4: Calcule la pendiente de la recta usando la fórmula:

donde n es el número total de puntos de los datos.

Paso 5: Calcule la intercepción en y de la recta usando la fórmula:

Donde son las medias de las coordenadas de x y y de los puntos de datos

respectivamente.

Paso 6: Use la pendiente y la intercepción en y para formar la ecuación de la recta.

Ejemplo:

Use el método de mínimos cuadrados para determinar la ecuación de la recta que mejor se ajusta
para los datos. Luego grafique la recta.

Solución:

Grafique los puntos en un plano coordenado.

Calcule las medias de los valores de x y los valores de y , la suma de los cuadrados de los valores de
x , y la suma de cada valor de x multiplicado por su valor correspondiente y.
Calcule la pendiente.

Calcule la intercepción en y.

Primero, calcule la media de los valores de x y la media de los valores de y.

Use la fórmula para calcular la intercepción en y.

Use la pendiente y la intercepción en y para formar la ecuación de la recta que mejor se ajusta.

La pendiente de la recta es -1.1 y la intercepción en y es 14.0.

Por lo tanto, la ecuación es y = -1.1 x + 14.0.

Dibuje la recta en la gráfica de dispersión.