El Método de los Mínimos Cuadrados (MMC) es un método estadístico para obtener la línea de regresión que mejor se ajusta a un conjunto de datos. El MMC minimiza la suma de los cuadrados de las distancias verticales entre los puntos de datos y la línea de regresión. Para determinar la ecuación de la línea de regresión, se calculan las derivadas parciales de la función de suma de cuadrados y se igualan a cero para encontrar los valores de m (pendiente) y b (ordenada al origen) que minimiz
0 calificaciones0% encontró este documento útil (0 votos)
381 vistas5 páginas
El Método de los Mínimos Cuadrados (MMC) es un método estadístico para obtener la línea de regresión que mejor se ajusta a un conjunto de datos. El MMC minimiza la suma de los cuadrados de las distancias verticales entre los puntos de datos y la línea de regresión. Para determinar la ecuación de la línea de regresión, se calculan las derivadas parciales de la función de suma de cuadrados y se igualan a cero para encontrar los valores de m (pendiente) y b (ordenada al origen) que minimiz
El Método de los Mínimos Cuadrados (MMC) es un método estadístico para obtener la línea de regresión que mejor se ajusta a un conjunto de datos. El MMC minimiza la suma de los cuadrados de las distancias verticales entre los puntos de datos y la línea de regresión. Para determinar la ecuación de la línea de regresión, se calculan las derivadas parciales de la función de suma de cuadrados y se igualan a cero para encontrar los valores de m (pendiente) y b (ordenada al origen) que minimiz
El Método de los Mínimos Cuadrados (MMC) es un método estadístico para obtener la línea de regresión que mejor se ajusta a un conjunto de datos. El MMC minimiza la suma de los cuadrados de las distancias verticales entre los puntos de datos y la línea de regresión. Para determinar la ecuación de la línea de regresión, se calculan las derivadas parciales de la función de suma de cuadrados y se igualan a cero para encontrar los valores de m (pendiente) y b (ordenada al origen) que minimiz
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 5
Método de los Mínimos Cuadrados (MMC).
1. Introducción: “Ya se ha visto cómo los modelos matemáticos se emplean en muchas aplicaciones. Con frecuencia, estos modelos son ecuaciones que contienen a las variables de la situación. Se emplean varios métodos a fin de obtener dichos modelos, uno de estos trata acerca de la recta de regresión que proporciona la recta de mejor ajuste para un conjunto de puntos. El procedimiento para determinar una recta de regresión requiere la localización de un valor mínimo absoluto de una función de dos variables. Suponga, por ejemplo, que se desea obtener un modelo matemático para algunos datos dados mediante el conjunto de puntos (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), … . , (𝑥𝑛 , 𝑦𝑛 ). En particular, 𝑦𝑖 puede representar el número de dólares de la unidad semanal de un fabricante cuando 𝑥𝑖 es el número de unidades vendidas en la semana, o 𝑦𝑖 podría representar el total de las ventas anuales de una compañía cuando 𝑥𝑖 años han transcurrido desde que inició la compañía. El número de casos nuevos de cierta enfermedad podría representarse por 𝑦𝑖 cuando 𝑥𝑖 es el número de días desde el brote de una epidemia de la enfermedad. El modelo deseado es una relación que involucra a x y y, y que puede emplearse para hacer predicciones. Dicha relación está dada por una recta que se ajusta a los datos. Con el propósito de obtener una definición adecuada de la recta de mejor ajuste de los datos, primero se indica qué tan bien se ajusta una recta particular a un conjunto de puntos al medir las distancias verticales desde los puntos a la recta. Por ejemplo:
La ilustración 1 muestra n puntos y la recta y =
mx + b. El punto (𝑥𝑖 , 𝑦𝑖 ) es el i-ésimo punto y le corresponde el punto (𝑥𝑖 , 𝑚𝑥𝑖 + 𝑏) de la recta. La desviación (o error) entre el i-ésimo punto y la recta está definido por 𝑑𝑖 , donde: 𝑑𝑖 = 𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏) La suma de los cuadrados de las desviaciones es 𝑛 𝑛
∑ 𝑑𝑖2 = ∑[𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏)]2
𝑖=1 𝑖=1
Ilustración 1 La cual nunca es negativa y es cero sólo si cada
𝑑𝑖 es cero, en este caso todos los puntos están sobre la recta. Se considerará como la reta de mejor ajuste aquella para la cual ∑𝑛𝑖=1 𝑑𝑖2 es un mínimo absoluto. Esta recta se denomina recta de regresión de y sobre x, y el proceso para determinarla se llama método de mínimos cuadrados.” Referencia 1 “Una recta que mejor se ajusta es una línea recta que es la mejor aproximación del conjunto de datos dado. Es usada para estudiar la naturaleza de la relación entre dos variables. Una recta que mejor se ajusta puede ser determinada aproximadamente usando el método visual al dibujar una línea recta en una gráfica de dispersión para que tanto el número de puntos arriba de la recta y debajo de la recta sean casi iguales (y la línea pasa a través de tantos puntos como sea posible). Una forma más precisa de encontrar la recta que mejor se ajusta es el método de mínimos cuadrados.” Referencia 2
2. Método de mínimos cuadrados para determinar la recta de regresión y = mx + b, de
un conjunto de n puntos. “Como 𝑥𝑖 𝑦 𝑦𝑖 son constantes, y m y b son variables, entonces ∑𝑛𝑖=1 𝑑𝑖2 es una función de m y b. Denote esta función de modo que: 𝑛
𝑓(𝑚, 𝑏) = ∑(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏)2
𝑖=1 Con el fin de obtener los valores de m y b que hacen de f (m, b) un mínimo absoluto, primero se calculan las derivadas parciales 𝑓𝑚 (𝑚, 𝑏) 𝑦 𝑓𝑏 (𝑚, 𝑏). 𝑛 𝜕 𝑓𝑚 (𝑚, 𝑏) = ∑ [(𝑦 − 𝑚𝑥𝑖 − 𝑏)2 ] 𝜕𝑚 𝑖 𝑖=1 𝑛
= ∑ 2(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏)(−𝑥𝑖 )
𝑖=1 𝑛 𝑛 𝑛
= 2 [− ∑ 𝑥𝑖 𝑦𝑖 + 𝑚 ∑ 𝑥𝑖 2 + 𝑏 ∑ 𝑥𝑖 ] 𝑖=1 𝑖=1 𝑖=1
𝑛 𝜕 𝑓𝑏 (𝑚, 𝑏) = ∑ [(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏)2 ] 𝜕𝑏 𝑖=1 𝑛
= ∑ 2(𝑦𝑖 − 𝑚𝑥𝑖 − 𝑏)(−1)
𝑖=1 𝑛 𝑛
= 2 [− ∑ 𝑦𝑖 + 𝑚 ∑ 𝑥𝑖 + 𝑛𝑏 ] 𝑖=1 𝑖=1
Al considerar 𝑓𝑚 (𝑚, 𝑏) = 0 𝑦 𝑓𝑏 (𝑚, 𝑏) = 0 se obtienen dos ecuaciones simultáneas
en m y b: 𝑛 𝑛 𝑛
𝑚 ∑ 𝑥𝑖 2 + 𝑏 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖 (2) 𝑖=1 𝑖=1 𝑖=1
Y 𝑛 𝑛
𝑚 ∑ 𝑥𝑖 + 𝑛𝑏 = ∑ 𝑦𝑖 𝑖=1 𝑖=1
Si se resuelve la segunda ecuación para b, se tiene
𝑛 𝑛 1 𝑏 = (∑ 𝑦𝑖 − 𝑚 ∑ 𝑥𝑖 ) (3) 𝑛 𝑖=1 𝑖=1
Al sustituir este valor de b en la ecuación (2) se obtiene
𝑛 ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑦𝑖 m = (4) 𝑛 ∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2 Se puede observar que en las fórmulas (3) y (4) aparecen cuatro sumas diferentes. Estas fórmulas pueden evaluarse en una computadora o en muchas calculadoras.” Referencia 1. 3. Resolución del ejercicio 45 de la sección 12.8 de Leithold: La siguiente tabla presenta la producción mensual de una fábrica y la utilidad para los primeros cinco meses del año, donde x miles unidades se produjeron y y miles de dólares se obtuvieron de utilidad. Enero Febrero Marzo Abril Mayo x 65 72 82 90 100 y 30 35 42 48 60
Si la producción para junio es de 105000 unidades, utilice la recta regresión para los datos de la tabla a fin de estimar la utilidad de ese mes. 𝒙𝒊 𝒚𝒊 𝒙𝒊 𝟐 𝒙 𝒊 𝒚𝒊 65 30 4225 1950 72 35 5184 2520 82 42 6724 3444 90 48 8100 4320 100 60 10000 6000 409 215 34233 18234
Por lo tanto, una ecuación de la recta de regresión es
3235 97611 y= 𝑥 − 3884 3884 En junio donde la producción es de 105000 unidades x = 105; y para este valor de x: 3235 97611 y= (105) − = 62.3233 3884 3884 Conclusión: se estima que la utilidad del mes de junio con la producción de 105000 unidades es de $62323.377.
4. Resolución del ejercicio 47 de la sección 12.8 de Leithold:
Un decorador, quien es un monopolista, hace dos tipos de marcos para pinturas. Por medio de la experiencia, el decorador ha determinado que, si elabora x marcos del primer tipo y y marcos del segundo tipo y los pone a la venta en una sala de exhibición, pueden venderse por (100 – 2x) dólares y (120 – 3y) dólares cada uno respectivamente. El costo total de fabricación de estos marcos es (12x + 12y + 4xy) dólares. ¿Cuántos marcos de cada tipo debe producir para obtener la máxima utilidad, y cuál es esa utilidad?
(100 − 2x)x + (120 − 3y)y = 12x + 12y + 4xy
100x − 2x 2 + 120𝑦 − 3𝑦 2 − 12𝑥 − 12𝑦 − 4𝑥𝑦 = 0
−2𝑥 2 − 3𝑦 2 + 88𝑥 + 108𝑦 − 4𝑥𝑦 = 0
𝜕𝑓 = −4𝑥 + 88 − 4𝑦 𝜕𝑥
𝜕𝑓 = −6𝑦 + 108 − 4𝑥 𝜕𝑦
−4𝑥 − 4𝑦 = −88 (−4𝑥 − 4𝑦 = −88)(−1) 4𝑥 + 4𝑦 = 88
{ ={ ={ −6𝑦 − 4𝑥 = −108 −4𝑥 − 6𝑦 = −108 −4𝑥 − 6𝑦 = −108 𝑦 = 10 Al sustituir el valor de y en (-4x-6y=-108) −4𝑥 − 6(10) = −108 𝑥 = 12
Al sustituir los valores en la ecuación −2𝑥 2 − 3𝑦 2 + 88𝑥 + 108𝑦 − 4𝑥𝑦 = 0 se
obtiene el costo total de fabricación: −2𝑥 2 − 3𝑦 2 + 88𝑥 + 108𝑦 − 4𝑥𝑦 = −2(12)2 − 3(10)2 + 88(12) + 108(10) − 4(12)(10) = 1068
Conclusión: Se debe producir 12 marcos del tipo 1 y 10 del tipo 2 para obtener la máxima utilidad que es igual a $1068.
Referencias 1. Leithold, L. (1999). El cálculo. México: Oxford university press.
2. Métodos de mínimos cuadrados. (s.f.). Obtenido de Virsity tutors:
