Universidad Nacional Autónoma de México.
Facultad de Estudios Superiores Aragón.
Ingeniería Civil.
Trabajo Final
Probabilidad y Estadística
Alumno: Zaldivar Orozco Jessica Lizeth
Profesor: ROSA MARIA MENCHACA ROCHA
Grupo: 2255
Fecha: Viernes 31 de mayo 2024
Ajuste de 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.
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.
Ajuste lineal
El ajuste lineal es un caso específico del método de mínimos cuadrados donde se busca encontrar una
línea recta que se ajuste lo mejor posible a un conjunto de datos. Esta línea recta se puede expresar
mediante la ecuación:
𝒀 = 𝒎𝒙 + 𝒃
Donde Y representa la variable dependiente, X la variable independiente, m la pendiente de la
línea y b la ordenada al origen (el valor de Y cuando x=0).
El objetivo del ajuste lineal es encontrar los valores de m y b que minimizan la suma de los
cuadrados de las diferencias entre los valores observados Y y los valores predichos
𝒎𝒙 + 𝒃
Este método es muy utilizado en estadística para modelar relaciones lineales entre variables y
para hacer predicciones basadas en estas relaciones. Además, el ajuste lineal proporciona
información importante sobre la fuerza y dirección de la relación entre las variables, a través de
la pendiente de la línea
Ajuste logarítmico
El ajuste logarítmico es un método utilizado cuando los datos parecen seguir un patrón
logarítmico en lugar de lineal. Este método implica ajustar una curva logarítmica a los datos, en
lugar de una línea recta como en el ajuste lineal.
La forma general de una función logarítmica es:
𝒀 = 𝒂 ∗ 𝑰𝒏(𝒙) + 𝒃
donde Y es la variable dependiente, X es la variable independiente, a y b son constantes que
determinan la forma y posición de la curva logarítmica, y ln(x) representa el logaritmo natural
de X
El ajuste logarítmico implica encontrar los valores de a y b que mejor ajustan la curva
logarítmica a los datos. Esto se hace generalmente utilizando el método de mínimos cuadrados,
minimizando la suma de los cuadrados de las diferencias entre los valores observados y los
valores predichos por la función logarítmica.
El ajuste logarítmico es útil cuando los datos muestran un crecimiento o decrecimiento
exponencial que se puede expresar de manera más adecuada mediante una curva logarítmica.
Es comúnmente utilizado en ciencias naturales, ingeniería, economía y otras áreas donde se
encuentran fenómenos que siguen patrones logarítmicos.
Ajuste cuadrático
El ajuste cuadrático es un método utilizado para modelar relaciones no lineales entre variables,
donde se ajusta una función cuadrática a un conjunto de datos. Esta función cuadrática tiene la
forma general:
𝒀 = 𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄
donde Y es la variable dependiente, X es la variable independiente, y a, b y c son coeficientes
que determinan la forma y posición de la curva cuadrática.
El objetivo del ajuste cuadrático es encontrar los valores de a, b y c que minimizan la suma de
los cuadrados de las diferencias entre los valores observados Y y los valores predichos
𝒂𝒙𝟐 + 𝒃 + 𝒄
Este método se utiliza cuando los datos muestran una tendencia no lineal que se asemeja a
una parábola. Por ejemplo, en experimentos donde se observa un crecimiento inicial seguido
de una desaceleración, o en datos que muestran una forma de "U" o "n" invertida.
El ajuste cuadrático puede realizarse utilizando el método de mínimos cuadrados o mediante
otros métodos de optimización. Es una herramienta útil en análisis de datos para modelar y
entender relaciones no lineales entre variables. Sin embargo, es importante tener en cuenta
que este método puede ser sensible a valores atípicos y puede no ser adecuado para todos los
conjuntos de datos.
Datos del trabajo
En este trabajo de mínimos cuadrados, se utilizo el dato del precio del dólar y como ha ido
cambiando a través de los años. Se comenzó desde el año 1995 hasta 2024.
Se estimo el precio del dólar utilizando el ajuste lineal, ajuste logarítmico y ajuste cuadrático.
[Link]
6cqKmO2zYc5JztapXgg0Q7LZhGcc3Kn08/edit#gid=533609687
Conclusiones
Resultado en el ajuste lineal
Resultado en el ajuste logarítmico
Resultado en el ajuste cuadrático
Por lo tanto, para este caso del precio del dólar a través de los años; el mejor
ajuste sería el ajuste cuadrático. Ya que nos da un margen de error mas
pequeño.
Bibliografía
El Método de mínimos cuadrados: definición y ejemplos☑ - Mi Profe. (2022, 22
febrero). Mi Profe. [Link]
Ajuste de curvas: mínimos cuadrados. (s. f.).
[Link]
Debate, Precio del dólar (s. f.).
[Link]
[Link]
