MTODO DE MNIMOS CUADRADOS Camilo Andrs Zorro Mendoza cazorrom@unal.edu.

co Facultad de ingeniera Departamento de mecnica y mecatrnica Universidad Nacional de Colombia ResumenA partir de la toma de datos experimentales se busca hacer un ajuste de la distribucin que se describe. En el presente informe se pretende mostrar el uso de un de los muchos mtodos presentes para encontrar la funcin que describa de forma adecuada un distribucin dada haciendo uso de muchos de las herramientas aportadas por el clculo. 1. Introduccin A medida que la ciencia ha avanzado se puede dar cuenta que, a manera general, siempre un factor variable depender de otra condicin que vara de forma independiente, mostrando un relacin grfica entre estas variables que puede ser representada a partir de una funcin lineal, exponencial, parablica, logartmica o de otro tipo, pero estos tipos de relaciones no son cien por ciento ideales debido a que la toma de datos experimentales muestra una distribucin de datos que puede no corresponder a algn tipo de funcin, sino que muestre una tendencia a describir dicha funcin, en estos casos se procede a encontrar una funcin que sirva como ajuste a la descripcin de los datos tomados, para esto se pueden encontrar varios mtodos, dentro de los cuales est la regresin lineal o ajuste lineal a partir del ingenioso mtodo de los mnimos cuadrados, principalmente usado para distribuciones de tipo lineal. El surgimiento de este mtodo se remonta al siglo XIX, tiempo en el cual se haba descubierto el cuerpo celeste Ceres por el astrnomo italiano G. Piazzi en el ao de 1801. En este mismo ao un astrnomo alemn, conocido por Carl F. Gauss, llamado Xavier Von Zach, publica las posiciones orbitales de dicho cuerpo, pero luego de 40 das se perdi su rastro, alcanzando a observar 9 grados de su rbita. Luego de esto, el astrnomo alemn hace una serie de predicciones dentro de las cuales se encuentra una formulada mediante el mtodo de mnimos cuadrados propuesto por Gauss, siendo este clculo suficientemente preciso para reencontrar el cuerpo celeste. Ahora bien, el objetivo de este informe es el de mostrar cmo se aplica este ingenioso mtodo a una distribucin lineal y los pasos a seguir, de esta manera,

en futuras prcticas de laboratorio ser ms fcil hallar la relacin entre dos variables de forma matemtica. Para esto explicaremos como se define este mtodo y la forma en que se construyen las ecuaciones a utilizar.

Este mtodo consiste en ver el comportamiento de la desviacin de todos los puntos con respecto a la recta a la cual van a ser ajustados y transforma la desviacin de todos los puntos de la desviacin lo ms pequeo posible, es decir, hallar un recta que este lo ms cerca posible a dichos puntos, para esto debemos tener en cuenta el principio de mnimos cuadrados el cual dice lo siguiente la desviacin vertical del punto ( de la recta [1] siendo el punto de corte con el eje , la pendiente que tendr dicha recta y ( unos puntos cualesquiera que pertenecen a la distribucin. Expresada la anterior cita en leguaje matemtico, hara referencia a lo siguiente: ( (

A partir de esto, la sumatoria de todas las desviaciones verticales al cuadrado, de los puntos a la recta es ( ( (

Posterior a esto se hallan las estimaciones de mnimos cuadrados ( que minimizan los valores de la funcin anteriormente dada, es decir, ( ( y quedndonos la recta de mnimo cuadrados de la siguiente forma (

Para el clculo de estas estimaciones, se deriva parciamente ( con respecto a , posteriormente se igualan a cero y de esta forma se pueden hallar las llamadas ecuaciones normales que permiten hacer mnima la desviacin entre los puntos y la recta de mnimos cuadrados. Este proceso se muestra a continuacin. ( ( (

Luego de esto, se aplican algunas propiedades de las sumatoria y se cancela el factor quedando las ecuaciones normales. [2]

( , posterior (

Observando la ecuacin 6 se puede ver que y a esto, se divide entre n, quedando de la siguiente forma.

Posteriormente hacemos uso de la segunda ecuacin normal para hallar la ecuacin que permite calcular . Primero debemos reemplazar la ecuacin 8 en la nmero 7, luego se reemplaza por y por ltimo despejamos , formndose la siguiente igualdad. (

Luego de estos, se puede deducir que ( ( y que ( , quedando finalmente la ecuacin que permitir calcular la pendiente de la recta. ( ( ( ( ( (

Finalmente los valores de ecuaciones como: [3]. (

son

respectivamente quedando las

Por ltimo, se debe calcular los errores que estos dos valores tiene y la confiabilidad que puede tener este resultado. Estos seran los errores de propagacin de estos valores y el coeficiente de correlacin lineal que estn dadas por las siguientes ecuaciones.

)(

( (

( ( (

)(

( )

Teniendo esto en cuenta, en el presente informe procederemos a mostrar un ejemplo donde se haga uso de este mtodo con las ecuaciones anteriormente planteada.

2. Datos y resultados Para la demostracin de cmo se aplica dicho mtodo se har uso de un una tabla de datos en la cual se describe como un gas, a diferentes temperaturas, aumenta su volumen de forma lineal. 1- Datos experimentales y grfica de la distribucin Para saber si los datos experimentales tomados son apropiados para aplicar el mtodo, se debe hacer su grfica y observar si este posee una distribucin lineal. Como vemos a continuacin, los datos de la tabla No 1 y su correspondiente grfica cumplen con lo requerido.
Tabla No 1. Datos experimentales tomados. [4]

i 1 2 3 4 5 6 7 8 9

T(C) 62,3 68,6 81,4 87,4 98,6 104,5 116,9 121,2 135

V(104cm3) 2,7073 2,8492 2,93 2,92 3,0849 3,15 3,21 3,2 3,35

Grafico No 1. Distribucin de los datos encontrados en la tabla No 1.

T versus V
3.4 3.3 3.2 V(*104 cm3) 3.1 3 2.9 2.8 2.7 2.6 60 70 80 90 100 T(C) 110 120 130 140 (T,V)

2- Planteamiento de la recta de mnimo cuadrados. Como el ajuste que vamos a hacer es una recta, entonces el planteamiento de la ecuacin de los mnimos cuadrados se debe ajustar a estas caractersticas, quedando la siguiente ecuacin: 3- Calculo de ; ; ; ; ; y

Antes de hallar las sumatorias debemos calcular, a partir de cada par de puntos, la multiplicacin de la temperatura y el volumen y sus respectivos cuadrados.

Tabla No 2. Tabla de datos y clculos

i 1 2 3 4 5 6 7 8 9

T(C) 62,3 68,6 81,4 87,4 98,6 104,5 116,9 121,2 135

V(104cm3) 2,71 2,85 2,93 2,92 3,08 3,15 3,21 3,2 3,35

T2(C2) 3881,29 4705,96 6625,96 7638,76 9721,96 10920,25 13665,61 14689,44 18225

T*V (104cm3*C) (V-b1*T-b0) 2 V 2(104cm3) 2 168,83 7,3441 7,3441 195,51 8,1225 8,1225 238,5 8,5849 8,5849 255,21 8,5264 8,5264 303,69 9,4864 9,4864 329,18 9,9225 9,9225 375,25 10,3041 10,3041 387,84 10,24 10,24 452,25 11,2225 11,2225

Posterior a esto efectuamos las respectivas sumatorias y el promedio del volumen y temperatura para poder calcular los parmetros de ajuste (pendiente y punto de corte) de la recta de mnimos cuadrados.
Tabla No 3. Sumatorias de

;
3

;
(10 cm ) 83,7534
4 3 2

y
(C2) 90074,23 ( 104 C *cm3) 2706,26

(C) 875,9

(10 cm ) 27,4

Tabla No 4. Promedio de volumen y temperatura.

(C)
97,32

(104cm3) 3,04

4- Calculo de los parmetros de ajuste ( ), la sumatoria de todas las desviaciones verticales al cuadrado y sus respectivos errores Para hallar los parmetros de ajuste haremos uso de las ecuaciones nmero 11 y 12 ( ( (

Antes de calcular los errores de estos parmetros debemos calcular la sumatoria de todas las desviaciones verticales al cuadrado a partir de la ecuacin No 2.

Tabla No 5. Desviaciones verticales.

i 1 2 3 4 5 6 7 8 9

((*104cm3) 2) 0,00221 0,0017 0,00026 0,00185 0,00063 0,00218 0,00002 0,00163 0,00001

Posterior a esto, se halla el error de propagacin que tiene cada uno de estos parmetros y estos se calculan mediante las ecuaciones 13 y 14 que fueron mencionadas con anterioridad. ( )( ( ) ( ((

((

( (( ( (

)(

) (

((

5- Calculo del coeficiente de correlacin Con este coeficiente podemos calcular cuanta precisin tuvieron estos clculos y esto a partir de la ecuacin No 15, dndonos como resultado lo siguiente

( ( ] [(

( [( ] [

) ( ( ] [( ] ( ]

6- Ecuacin de la recta de mnimos cuadrados Con los clculos anteriormente hechos se puede mostrar que la recta que se ajusta a esta distribucin lineal es la siguiente. ( ( ( )

7- Grafica de mnimos cuadrados y distribucin de los datos experimentales

T versus V
3.4 3.3 3.2 V(*104 cm3) 3.1 3 2.9 2.8 2.7 2.6 60 80 100 T(C) 120 140 V = (2,24*10^4 cm^3)+(0,0082*10^4 (cm^3/C))*T (T,V)

Grfico No 2. Distribucin lineal y recta de mnimos cuadrados

Como vemos, la ecuacin hallada describe la recta ms apropiada para ser el ajuste de la distribucin lineal.

3. Conclusiones A partir de todo el trabajo redactado en este informe se pudo observar la manera en que un distribucin de tipo lineal se puede ajustar a una recta que recibe el nombre de recta de mnimos cuadrados, la cual posee un pendiente y un punto de corte que son calculado mediante la diferencia vertical encontrada entre un punto (x,y) cualquiera, perteneciente a la distribucin lineal, y la recta de mnimos cuadrados; con la ayuda de la sumatoria y las derivadas de las funciones. Por otro lado se observa que los clculos no sern cien por ciento confiables, por lo tanto se busca el error asociado al punto y a la pendiente adems de hacer uso del coeficiente de correlacin lineal que brinda informacin sobre la confiabilidad de los resultados.

4. Referencias [1] Jay L. Devore. Probabilidad y estadstica para ingeniera y ciencias, Mxico, Thomson editores, 2005, P. 506. [2] Jay L. Devore. Probabilidad y estadstica para ingeniera y ciencias, Mxico, Thomson editores, 2005, P. 506-509. [3] Departamento de agricultura y recursos econmico (Kyle J. Emerick). Derivation of OLS Estimator , Publicacin en lnea, http://are.berkeley.edu/courses/EEP118/current/derive_ols.pdf, citado el 11 de marzo de 2013. [4] Fernando Cristancho. Fundamentos de fsica experimental y mecnica, Bogot, 2008, P.12.