CORRELACION DE DATOS- TECNICAS DE

MINIMOS
CUADRADOS
AJUSTE DE CURVA
 ASIGNATURA:
MÉTODOS NUMÉRICOS

TECNICA DE MINIMOS CUADRADOS

TRABAJO SOBRE EJERCICIOS DE APLICACIÓN

PRESENTA:
ANDERSON CAMILO ARIAS SOLARTE
CÓDIGO: 20172161541
VALENTINA ANDRADE ANDRADE
CÓDIGO: 20172163838

DOCENTE:
ING. YAMIL ARMANDO CERQUERA ROJAS MSC.

24 JULIO DEL 2019

NEIVA-HUILA
TABLA DE CONTENIDO
PLANTEAMIENTO DEL PROBLEMA ................................................................................ 3
ANALISIS DEL PROBLEMA .............................................................................................. 3
REVISION BIBLIOGRAFICA ............................................................................................. 3
REGRESIÓN SIMPLE Y CORRELACIÓN ..................................................................... 3
PROBLEMAS AL AJUSTAR UN MODELO DE REGRESIÓN LINEAL SIMPLE ............ 4
MÉTODO DE MÍNIMOS CUADRADOS ......................................................................... 5
PLANTEAMIENTO DE LA SOLUCION .............................................................................. 5
SOLUCION DEL PROBLEMA ........................................................................................... 5
CONCLUCIONES .............................................................................................................. 7
BIBLIOGRAFÍA .................................................................................................................. 7
PLANTEAMIENTO DEL PROBLEMA
A continuación se muestra una tabla en donde se coloca en evidencia el
comportamiento de la fase líquido y vapor del pentano, allí comparamos la presión
cuando su temperatura aumenta en este compuesto. (x=Temperatura en Kelvin,
y°=Presión en atm). A demás daremos un ajuste de curva a los puntos dados por
medio de un polinomio con la función 𝑦𝑐 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐, en donde se encontraran
las variables necesarias para dar una función a la curva y una línea de tendencia
con los datos obtenidos por la función.

X(K) 282,47 287,47 297,47 303,47 311,47 319,47 327,47 335,47 343,47
Y° 0,4 0,3 0,8191 1,2 1,5 1,9 2,1 2,99
(ATM) 0,75

351,4 359,4 367,4 375,4 383,4 391,4 399,4 407,4 415,4 423,4 431,4
7 7 7 7 7 7 7 7 7 7 7
3,9 4,6 5,48 6,2 7,7 8,2 10,5 13,15 15,5 16,05 17,2

ANALISIS DEL PROBLEMA

En este trabajo en los datos arrojados en la tabla podemos observar y analizar el
comportamiento del pentano cuando se le aumenta la temperatura, lo que provoca
una variación en la presión de la sustancia; Con dichos datos realizaremos un
ajuste de curva a los puntos dados por medio de la técnica de mínimos cuadrados,
arrojándonos así una función 𝑦𝑐 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐, en donde hallaremos las variables
para dar una función a la curva.

REVISION BIBLIOGRAFICA

REGRESIÓN SIMPLE Y CORRELACIÓN

La Regresión y la Correlación son dos técnicas estadísticas que se pueden utilizar
para solucionar problemas comunes en los negocios.

Muchos estudios se basan en la creencia de que es posible identificar y cuantificar

alguna Relación Funcional entre dos o más variables, donde una variable
depende de la otra variable.
Se puede decir que, y depende de x, en donde Y y X son dos variables
cualesquiera en un modelo de Regresión Simple.
" Y es una función de X " 𝑦 = 𝑓(𝑥)
Como y depende de x,
Y es la variable dependiente, y
X es la variable independiente.
En el Modelo de Regresión es muy importante identificar cuál es la variable
dependiente y cuál es la variable independiente.

En el Modelo de Regresión Simple se establece que y es una función de sólo una

variable independiente, razón por la cual se le denomina también Regresión
Divariada porque sólo hay dos variables, una dependiente y otra
independiente y se representa así:
𝑦 = 𝑓(𝑥) "𝑌 𝒆𝒔𝒕𝒂 𝒓𝒆𝒈𝒓𝒆𝒔𝒂𝒏𝒅𝒐 𝒑𝒐𝒓 𝑋"

La variable dependiente es la variable que se desea explicar, predecir. También se

le llama REGRESANDO ó VARIABLE DE RESPUESTA.
La variable Independiente x se le denomina VARIABLE EXPLICATIVA ó
REGRESOR y se le utiliza para EXPLICAR Y.
En el estudio de la relación funcional entre dos variables poblacionales, una
variable x, llamada independiente, explicativa o de predicción y una variable
y, llamada dependiente o variable respuesta, presenta la siguiente notación:
𝑦 = 𝑎 + 𝑏𝑥 + 𝑒
(Rojas, 01/05/2015)

PROBLEMAS AL AJUSTAR UN MODELO DE REGRESIÓN LINEAL SIMPLE

Al ajustar un modelo de regresión lineal simple se pueden presentar diferentes
problemas bien porque no existe una relación lineal entre las variables o
porque no se verifican las hipótesis estructurales que se asumen en el
ajuste del modelo. Estos problemas son los siguientes:

 Falta de Linealidad, porque la relación entre las dos variables no es lineal

o porque variables explicativas relevantes no han sido incluidas en el
modelo.
 Existencia de valores atípicos e influyentes, existen datos atípicos que
se separan de la nube de datos muéstrales e influyen en la estimación del
modelo.
 Falta de Normalidad, los residuos del modelo no se ajustan a una
distribución normal.
 Heterocedasticidad, La heterocedasticidad es la existencia de una
varianza no constante en las perturbaciones aleatorias de un modelo
econométrico.
 Dependencia (auto correlación), existe dependencia entre las
observaciones.

En este apartado se estudia cómo detectar estos problemas, su influencia en el

cálculo del modelo de regresión y las posibles soluciones de los mismos.
(Rojas, 01/05/2015)
MÉTODO DE MÍNIMOS CUADRADOS
El procedimiento más objetivo para ajustar una recta a un conjunto de datos
presentados en un diagrama de dispersión se conoce como "el método de
los mínimos cuadrados". El ejemplo más simple de una aproximación por
mínimos cuadrados, es el ajuste de una línea recta a un conjunto de
parejas de datos observadas: (X1,Y1),(X2,Y2),…..(Xn,Yn). La recta resultante
y=ax+bx+E, en donde a y b son coeficientes que representan la
intersección con el eje de las abscisas y la pendiente, E es el error o
residuo entre las observaciones y el modelo, E=y-a+bx, y presenta dos
características importantes:
1. Es nula la suma de las desviaciones verticales de los puntos a partir de la recta
de ajuste ∑(𝑌̅ − 𝑌) = 0
2. Es mínima la suma de los cuadrados de dichas desviaciones. Ninguna otra
recta daría una suma menor de las desviaciones elevadas al cuadrado
∑(𝑌̅ − 𝑌) → 0(𝑚í𝑛𝑖𝑚𝑎). (Rojas, 01/05/2015)

PLANTEAMIENTO DE LA SOLUCION
1) Realizamos ajuste a los puntos a través de la técnica de mininos
cuadrados. dicha técnica se basa en :

 plantear un sistema de ecuaciones para obtener el valor de la nueva

función por el cual se está realizando el ajuste de la curva.
 Encontrada la función remplazamos los valores de X.
 Reemplazando se obtienen los puntos que dan origen a la línea de
tendencia.

2) Al hacer el procedimiento de la técnica dicha nos arroja una línea de

tendencia obtenida por el polinomio para así notar el ajuste de curva.

SOLUCION DEL PROBLEMA

Inicialmente se tiene el polinomio que ayudara al ajuste de curva 𝑦𝑐 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
Para encontrar el valor de a, b y c; se realiza por medio de los siguientes datos:

𝑎 ∑ 𝑥 4 + 𝑏 ∑ 𝑥 3 + 𝑐 ∑ 𝑥 2 = 𝑦° ∑ 𝑥 2
 𝑎 ∑ 𝑥 3 + 𝑏 ∑ 𝑥 2 + 𝑐 ∑ x = 𝑦° ∑ x

𝑎 ∑ 𝑥 2 + 𝑏 ∑ x + 𝑛𝑐 = 𝑦°

∑ 𝑥 4 =352236000000
∑ 𝑥 3 =944960394,6
∑ 𝑥 2 =2572610,118
∑ x =7114,4
∑ 𝑦°𝑥 2 =18954644,4
∑ 𝑦°x =47616,6737
∑ 𝑦° =120,4391
𝑛 = 20
352236000000𝑎 +944960394,6𝑏 + 2572610,118𝑐 = 18954644,4
944960394,6𝑎 + 2572610,118𝑏 + 7114,4𝑐 = 47616,6737
2572610,118𝑎 + 7114,4𝑏 + 20𝑐 = 120,4391
De este sistema de ecuaciones se obtienen los valores de a, b y c que dan los
resultados para la nueva función
𝑎 = 0,0008993
𝑏 = −0,5266681
𝑐 = 77,6857170
𝑦𝑐 = 0,0008993𝑥 2 − 0,5266681𝑥 + 77,6857170

X(K) 282,47 287,47 297,47 303,47 311,47 319,47 327,47 335,47 343,47
Yc(ATM) 0,67 0,60 0,59 0,67 0,88 1,21 1,65 2,21 2,88

351,4 359,4 367,4 375,4 383,4 391,4 399,4 407,4 415,4 423,4 431,4
7 7 7 7 7 7 7 7 7 7 7
3,66 4,57 5,58 6,71 7,96 9,32 10,80 12,39 14,10 15,92 17,86
 ∑ 𝑦° 120.79
𝑦𝑚 = = = 6.04
𝑛 20
𝐴 = ∑(𝑦° − 𝑦𝑐 )2 =5,2146
𝐵 = ∑(𝑦𝑚 − 𝑦𝑐 )2 =599,0521
𝐵 599,0521
𝑟2 = = = 0,991 = 99.1%
𝐵 + 𝐴 599,0521 + 5,2146
GRAFICA

CONCLUCIONES
● La técnica de mínimos cuadrados tiene un nivel de precisión y
exactitud adecuadas en cuanto a soluciones de sistemas de
cualquier orden.
● Al hacer la prueba con una función cuadrática para nuestro sistema
planteado obtuvimos un arco de 99.1% siendo este un porcentaje de
exactitud muy elevado en nuestro trabajo.

BIBLIOGRAFÍA
Rojas, Y. A. (01/05/2015). Métodos lineales y estimación por mínimos cuadrados.