TECNOLOGICO NACIONAL DE MEXICO
INSTITUTO TECNOLOGICO DE APIZACO
DEPARTAMENTO DE INGENIERIA INDUSTRIAL
ASIGNATURA: ADMINISTRACION DE LAS OPERACIONES I
CATEDRÁTICO: MIGUEL ANGEL RODRIGUEZ LOZADA
UNIDAD 2
ACTIVIDAD 2: EJERCICIOS RESUELTOS
REALIZÓ:
PEREZ PEREZ JOSELYN
MARTÍNEZ INFANTE DAVID OCTAVIO
25 DE SEPTIEMBRE DEL 2022
MINIMOS CUADRADOS
El método de mínimos cuadrados es una técnica matemática que permite al
analista determinar la mejor manera de ajustar una curva sobre un gráfico con
puntos de datos. Se usa ampliamente para facilitar la interpretación de los
diagramas de dispersión y está asociado con el análisis de regresión. Hoy en
día, el método de mínimos cuadrados se puede utilizar como parte de la
mayoría del software estadístico.
El método de mínimos cuadrados se utiliza en una amplia variedad de áreas,
incluidas las finanzas y la inversión. Para los analistas financieros, el método
puede ayudar a cuantificar la relación entre dos o más variables, como el precio
de las acciones y las ganancias por acción (EPS). Al realizar este tipo de
análisis, los inversores pueden intentar predecir el comportamiento futuro de
los precios de las acciones u otros factores.
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.
Ejercicio 1. Recta de mínimos cuadrados.
Ejercicio 2. Recta de mínimos cuadrados.
Ejercicio 3. Recta de mínimos cuadrados.
Ejercicio 4. Recta de mínimos cuadrados.
Ejercicio 5. Parábola de los mínimos cuadrados.
Ejercicio 6: Encontrar la recta que mejor se ajusta a los siguientes datos
Gráfico:
Aplicación del método:
x y x*y x^2
1 7 2 14 49
2 1 9 9 1
3 10 2 20 100
4 5 5 25 25
5 4 7 28 16
6 3 11 33 9
7 13 2 26 169
8 10 5 50 100
9 2 14 28 4
Sumas 55 57 233 473
(9∗233−55∗57) −1038
m= = =−0.84
9∗473−|55|
2
1232
(57∗473−55∗233) 14146
b= = =11.4 8
9∗473−|55|
2
1232
El resultado será:
Grafica de dispersion
16
14
12
10
8
6
4
2
0
0 2 4 6 8 10 12 14
Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Por lo tanto,
si queremos saber dónde corta en el eje x igualamos la ecuación y = 0:
Despejamos x:
Ejercicio 7: Los datos de la producción de trigo en toneladas (X ) y el precio del
kilo de harina en pesetas (Y ) en la década de los 80 en España fueron:
Resultado:
trigo harina x*y x^2
1 30 25 750 900
2 28 30 840 784
3 32 27 864 1024
4 25 40 1000 625
5 25 42 1050 625
6 25 40 1000 625
7 22 50 1100 484
8 24 45 1080 576
9 35 30 1050 1225
10 40 25 1000 1600
Sumas 286 354 9734 8468
(10∗9734−286∗354) −3904
m= = =1.353 6
10∗8468−|286|
2
2884
(354∗8468−286∗9734) 213748
b= = =74.115
10∗8468−|286|
2
2884
γ=74.115+1.3536 x
Grafico de dispersion
90
80
70
60
HAR IN A
50
40
30
20
10
0
10 20 30 40 50 60 70 80 90
TRIGO
Vemos que la recta corta al eje y en 74.115 y en el eje x en 54.75. Por lo tanto,
si queremos saber dónde corta en el eje x igualamos la ecuación y = 0:
0=74.115+1.3536 x
Despejamos x:
−74.115
x= =54.7539
1.3536
Ejercicio 8: En un estudio llevado a cabo en Italia, 10 pacientes con
Hipertrigliceridemia se sometieron a una dieta baja en grasas y alta en
carbohidratos para investigar si había alguna relación entre estas variables. La
tabla muestra los valores antes de comenzar la dieta.
Resultado:
Nivel de
Nivel de Colesterol trigliceridos x*y x^2
1 5.12 2.3 11.776 26.2144
2 6.18 2.54 15.6972 38.1924
3 6.77 2.95 19.9715 45.8329
4 6.65 3.77 25.0705 44.2225
5 6.36 4.18 26.5848 40.4496
6 5.9 5.31 31.329 34.81
7 5.48 5.53 30.3044 30.0304
8 6.02 8.83 53.1566 36.2404
9 10.34 9.48 98.0232 106.9156
10 8.51 14.2 120.842 72.4201
Sumas 67.33 59.09 432.7552 475.3283
(10∗432.7552−67.33∗59.09) 349.0223
m= = =1.586
10∗475.3283−|67.33|
2
219.9541
(59.09∗475.3283−67.33∗432.7552) −1050.258
b= = =−4.774
10∗475.3283−|67.33|
2
219.9541
y=1.586 x−4.774
Grafico de dispersion
16
14
12
Nivel de trigliceridos
10
8
6
4
2
0
4 5 6 7 8 9 10 11
Nivel de colesterol
Vemos que la recta corta al eje y en -4.774 y en el eje x en 3.011. Por lo tanto,
si queremos saber dónde corta en el eje x igualamos la ecuación y = 0:
0=1.585 x −4.774
Despejamos x:
4.774
x= =3.011
1.585
Ejercicio 9: Los datos de la tabla siguiente relacionan la solubilidad del nitrato
de sodio Y (NaNO3) con la temperatura del agua T (en ºC). A la temperatura
indicada T, Y partes de nitrato de sodio se disuelven en 100 partes de agua
obteniendo:
Resultado:
T Y x*y x^2
1 0 66.7 0 0
2 4 71 284 16
3 10 76.3 763 100
4 15 80.6 1209 225
5 21 85.7 1799.7 441
6 29 92.9 2694.1 841
7 36 99.4 3578.4 1296
8 51 114 5814 2601
9 68 125 8500 4624
Sumas 234 811.6 24642.2 10144
(9∗24642.2−234∗811.6) 31865.4
m= = =.8720
9∗10144−|234|
2
36540
(811.6∗10144−234∗24642.2) 2466595.9
b= = =67.50 3
9∗10144−|234|
2
36540
y=.8720 x +67.50 3
Grafico de dispersion
140
120
100
80
Y
60
40
20
0
0 10 20 30 40 50 60 70 80
T
Vemos que la recta corta al eje y en 67.503 y en el eje x en 77.411. Por lo
tanto, si queremos saber dónde corta en el eje x igualamos la ecuación y = 0:
0=.8720 x +67.503
Despejamos x:
−67.503
x= =77.411
.8720
Ejercicio 10: De una determinada empresa se conocen los siguientes datos,
referidos al volumen de ventas (en millones de pesetas) y al gasto en
publicidad (en miles de pesetas) de los últimos 6 años:
Resultados:
Volumen de
ventas Gastos Publicidad x*y x^2
1 10 16 160 100
2 15 32 480 225
3 20 48 960 400
4 22 56 1232 484
5 30 64 1920 900
6 32 80 2560 1024
Sumas 129 296 7312 3133
(6∗7312−129∗296) 5688
m= = =2.63 6
6∗3133−|129|
2
2157
(296∗3133−129∗7312) −15880
b= = =−7.36 2
6∗3133−|129|
2
2157
y=2.636 x−7.362
GRAFICO DE DISPERSION
90
80
70
60
GASTOS PUBLICIDAD
50
40
30
20
10
0
5 10 15 20 25 30 35
VOLUMEN DE VENTAS
Vemos que la recta corta al eje y en - 7.362 y en el eje x en 2.792. Por lo tanto,
si queremos saber dónde corta en el eje x igualamos la ecuación y = 0:
0=2.636 x−7.36 2
Despejamos x:
7.362
x= =2.792
2.636
