METODO DE LOS MINIMOS CUADRADOS

ANALISIS NUMERICO/ METODOS NUMERICOS -2008-

AJUSTE

Para estudiar el comportamiento de una serie de datos obtenidos empricamente, constituidos por puntos dados mediante pares ordenados de nmeros, asociados con los valores de dos variables, es necesario contar con una funcin, que exprese analticamente la relacin funcional que guardan las variables en cuestin.

AJUSTE E INTERPOLACION
INTERPOLACION : se caracteriza por suponer

que los datos que intervienen en el problema son exactos; por lo cual en la construccin de la FUNCION DE INTERPOLACION se exige que la misma satisfaga todos y cada uno de los valores que constituyen los datos .

AJUSTE : supone que los datos ingresados estn afectados en cierto grado de errores debido al modelado, por lo que, no resulta indispensable que la CURVA DE AJUSTE correspondiente, pase exactamente por los puntos que representan los datos, sino que, en promedio la aproximacin sea ptima de acuerdo a un cierto y determinado criterio, denominado CRITERIO DE AJUSTE. El iniciador de estos procedimientos fue Gauss, quien desarrollo el tan conocido METODO DE LOS MINIMOS CUADRADOS .

METODO DE LOS MINIMOS CUADRADOS

Es una tcnica de Anlisis Numrico en la que, dados un conjunto de pares (o ternas, etc), se intenta encontrar la funcin que mejor se aproxime a los datos (un mejor ajuste). En su forma ms simple, intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la funcin y los correspondientes en los datos.

VENTAJAS
Es objetivo, slo depende de los resultados experimentales. Es reproducible, proporciona la mismaa ecuacin, no importa quin realice el anlisis. Proporciona una estimacin probabilstica de la ecuacin que representa a unos datos experimentales. Proporciona intervalos pequeos de error

RESTRICCIONES
Slo sirve para ajustar modelos lineales Requiere tener, al menos, diez mediciones bajo las mismas circunstancias experimentales. Tales resultados deben estar descritos por una distribucin de probabilidad conocida. La ms comn es la distribucin normal o gaussiana. Se requiere de algn equipo de clculo, de lo contrario, es muy engorroso.

PROCEDIMIENTO ESTADISTICO PARA ENCONTRAR LA LINEA RECTA DE MEJOR AJUSTE

Si se denota el valor ajustado o de pronstico para y por entonces la ecuacin de pronstico o prediccin es:

representan estimaciones de las verdaderas 0 y 1

Lo que se busca es minimizar las desviaciones escogiendo la recta que se ajuste mejor. Se requiere de un criterio para calificar mejor ajuste, que resulte tanto razonable como objetivo y que bajo ciertas suposiciones de buenas predicciones de y dado un valor de x. suma de cuadrados del error Con las siguientes formulas se pueden obtener los valores numricos de

Con las siguientes formulas se pueden obtener los valores numricos de

En donde

Una vez que se hayan calculado, se sustituyen sus valores en la ecuacin de la recta y se obtiene la ecuacin de prediccin de mnimos cuadrados:

EJEMPLO
yi xi Obtenga la recta de prediccin de mnimos cuadrados para el problema cuyos datos aparecen en la tabla 11.1
101 92 110 120 90 82 93 75 91 105 1.2 8 1.0 1.3 7 8 1.0 6 9 1.1