CURS 3

METODA CELOR MAI MICI PĂTRATE (MCMMP)

Obiectivele acestui curs: studiem aplicații ale funcției de mai multe variabile în domeniul
economic, adică studiem prognoza unui fenomen economic prin metoda celor mai mici pătrate;
Cuvinte cheie: metoda celor mai mici pătrate; funcția de ajustare liniară; suma pătratelor
erorilor.

Valoarea profitului înregistrat de un agent economic în ultimii 5 ani, exprimat în mil. lei,
a fost după cum urmează:

AN 2017 2018 2019 2020 2021

PROFIT (mil. lei) 6 7 9 10 11

Să se realizeze o prognoză a profitului pentru anul 2022 prin ajustare liniară.

a. 13 mil. lei
b. 12,5 mil. lei
c. 12 mil. lei.

Scopul utilizării MCMMP. Metoda celor mai mici pătrate este o metodă fundamentată științific
utilizată în analiza de prognoză a unui fenomen economic cu scopul de a planifica eficient
resursele și a implementa deciziile optime.
Prognoză: previziune, anticipare a desfășurării în viitor a unor fenomene și procese din
domeniul economiei, tehnologiei, științei, societății în ansamblul ei etc., plecând de la experiența
anterioară și folosind metode și tehnici necesare obținerii de cunoștințe privind evoluția acestora
într-o perspectivă mai îndepărtată.
Decizie: Hotărâre luată în urma examinării unei probleme, a unei situații etc., soluție adoptată
(dintre mai multe posibile);
A ajusta: a aproxima, a adapta, a potrivi.
Metoda celor mai mici pătrate prin ajustare liniară

Fie n perechi de valori (𝑥1 , 𝑦1 ), … , (𝑥𝑛 , 𝑦𝑛 ) obținute în urma măsurătorilor unei mărimi,
de exemplu: evoluția unui fenomen economic yi (profit, încasări, producție, cifra de
afaceri, cheltuieli etc.) în timp xi (ani, luni, trimestre etc.). Aceste valori pot fi ordonate
sub forma unui tabel:
xi x1 x2 ... xn
yi y1 y2 ... yn

1
 • Dacă reprezentăm grafic în R2 punctele de coordonate (x1,, y1), ..., (xn,, yn), se formează
norul de puncte.
• Observăm în jurul cărei curbe se concentrează norul de puncte (adică ce tip de curbă se
poate trasa prin/printre aceste puncte). Această curbă se reprezintă matematic printr-o
funcție f(x), numită funcție de prognoză (sau de ajustare).
Dacă observăm că norul de puncte este concentrat în apropierea unei drepte, atunci definim
funcția de prognoză (sau de ajustare) liniară prin expresia f(x)=ax+b, unde a și b sunt numere
reale numite parametri.
Ne propunem să estimăm parametrii a și b prin metoda celor mai mici pătrate (MCMMP), după
cum urmează. Definim F(a,b) funcția de două variabile reale a și b, numită suma pătratelor
erorilor:
𝑛 𝑛

𝐹(𝑎, 𝑏) = ∑[𝑓(𝑥𝑖 ) − 𝑦𝑖 ]2 = ∑[𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 ]2

𝑖=1 𝑖=1

și punem condiţia ca F(a,b) să fie minimă. Erorile sunt definite ei = |f(xi)-yi|.

Figura 1. Reprezentarea grafică a punctelor (x1,y1), (x2,y2), (x3,y3), (x4,y4) concentrate în jurul
unei drepte
F(a,b) este minimă atunci când derivatele parțiale ale lui F în raport cu a, respectiv b sunt egale
cu zero:
𝐹𝑎′ (𝑎, 𝑏) = 2 ∑𝑛𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )𝑥𝑖 = 0
{
𝐹𝑏′ (𝑎, 𝑏) = 2 ∑𝑛𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 ) = 0.
Obținem sistemul (numit sistemul de ecuații normale ale lui Gauss):

2
 𝑛 𝑛 𝑛

𝑎 ∑ 𝑥𝑖2 + 𝑏 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛

𝑎 ∑ 𝑥𝑖 + 𝑛𝑏 = ∑ 𝑦𝑖 .
{ 𝑖=1 𝑖=1

Rezolvăm sistemul, adică determinăm parametrii a și b, apoi aflăm valoarea fenomenului

economic prognozat.
Observație. Există funcții de ajustare neliniare, de exemplu:
• Ajustare parabolică: 𝑓(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
𝑏 1
• Ajustare hiperbolică: 𝑓(𝑥) = 𝑎 + 𝑥; cu notaţia 𝑧 = 𝑥 se ajunge la o ajustare liniară.

Exemplu:
Valoarea profitului înregistrat de un agent economic în ultimii 5 ani, exprimat în mil. lei, a fost
după cum urmează:
AN 2017 2018 2019 2020 2021

PROFIT (mil. lei) 6 7 9 10 11

Să se realizeze o prognoză a profitului pentru anul 2022 prin ajustare liniară.

Rezolvare:
Tabelul precedent poate fi reprezentat (cu n = 5 observații succesive) sub forma :
xi -2 -1 0 1 2
yi 6 7 9 10 11

Considerăm funcţia de ajustare liniară 𝑓(𝑥) = 𝑎𝑥 + 𝑏 (profit în funcție de an). Profitul prognozat
pe anul 2022 este 𝑓(3) = 3𝑎 + 𝑏. Ne propunem să estimăm parametrii a și b.
Suma pătratelor erorilor este definită de funcţia:
5 5
F (a, b) =   f ( x i ) − y i  =  axi + b − y i 
2 2

i =1 i =1

Punem condiţia ca suma pătratelor erorilor să fie minimă şi avem:

𝐹𝑎′ (𝑎, 𝑏) = 0
{
𝐹𝑏′ (𝑎, 𝑏) = 0
𝐹𝑎′ (𝑎, 𝑏) = 2 ∑5𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )𝑥𝑖 𝑎 ∑5𝑖=1 𝑥𝑖2 + 𝑏 ∑5𝑖=1 𝑥𝑖 = ∑5𝑖=1 𝑥𝑖 𝑦𝑖
{ ; rezultă sistemul: {
𝐹𝑏′ (𝑎, 𝑏) = 2 ∑5𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 ) 𝑎 ∑5𝑖=1 𝑥𝑖 + 5𝑏 = ∑5𝑖=1 𝑦𝑖 .

3
xi yi x i2 xi yi
-2 6 4 -12
-1 7 1 -7
0 9 0 0
1 10 1 10
2 11 4 22
𝟓 𝟓 𝟓 𝟓

∑ 𝒙𝒊 = 𝟎 ∑ 𝒚𝒊 = 𝟒𝟑 ∑ 𝒙𝟐𝒊 = 𝟏𝟎 ∑ 𝒙𝒊 𝒚𝒊 = 𝟏𝟑
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

10 ⋅ 𝑎 + 0 ⋅ 𝑏 = 13 𝑎 = 1,3
Sistemul devine: { ⇒{
0 ⋅ 𝑎 + 5 ⋅ 𝑏 = 43 𝑏 = 8,6
Am obţinut dreapta de ajustare 𝑓(𝑥) = 1,3𝑥 + 8,6. Profitul prognozat pe anul 2022 (an modelat
x = 3) este f (3) = 12,5 milioane lei. Răspuns corect b).
Exerciții propuse
1. Vânzările unui produs (în u.m.) au înregistrat următoarele valori:

LUNĂ Ianuarie Februarie Martie

VÂNZĂRI (u.m.) 10 12 16

Să se estimeze volumul vânzărilor pe luna aprilie utilizând o funcție de ajustare liniară.

R: 56/3≈18,6 u.m.
2. Profitul unei firme (în mil. u.m.) a fost înregistrat astfel:

AN 2018 2019 2020 2021

PROFIT (mil. lei) 8 5 6 10

Să se estimeze profitul pe anul 2022 prin ajustare liniară.

R: f(x)=0,7x+5,5; f(5)=9.

3. Profitul unei firme (în mil. u.m.) a fost înregistrat astfel:

AN 2017 2018 2019 2020 2021

PROFIT (mil. lei) 6 9 10 13 16

Să se estimeze profitul pe anul 2022 prin ajustare liniară.

R: f(x)=2,4x+10,8; f(3)=18.

4
Știați că?
" Metoda celor mai mici pătrate (MCMMP) îşi are originile pe tărâmul astronomiei și geodeziei,
în încercarea oamenilor de ştiinţă şi a matematicienilor de a oferi soluţii de navigaţie pe oceane
în timpul erei marilor descoperiri geografice. Descrierea precisă a comportamentului corpurilor
cereşti a fost cheia ce a deschis calea navigaţiei pe oceane, unde marinarii nu mai aveau
posibilitatea de a se ghida după poziţia uscatului. MCMMP reprezintă punctul culminant al unor
cercetări ce au avut loc în secolul XVIII.
Metoda a fost descrisă pentru prima data de Carl Friedrich Gauss în jurul anului 1794.
Matematicianul a pus bazele metodei celor mai mici pătrate în 1795, la vârsta de 18 ani. O primă
demonstraţie a puterii metodei lui Gauss a apărut când a fost folosită la prezicerea poziţiei
viitoare a nou-descoperitului asteroid Ceres. Pe 1 ianuarie 1801, astronomul Giuseppe Piazzi a
descoperit asteroidul Ceres și a reuşit sa-i urmărească traiectoria timp de 40 de zile, înainte de a-l
pierde în strălucirea soarelui. Bazându-se pe aceste date, s-a dorit aflarea poziţiei lui Ceres după
ce va apărea din spatele soarelui, fără a rezolva complicatele ecuaţii neliniare ale lui Kepler
privind mişcarea planetelor. Singurele predicţii care i-au permis astronomului maghiar Franz
Xaver von Zach să determine cu succes poziţia lui Ceres au fost cele realizate de Gauss, folosind
analiza MCMMP." (Alina Țurcanu, Aplicarea metodei celor mai mici pătrate la studierea
corelației dintre factorii climaterici în Republica Moldova )