EPIS - 2012 maedol@unsa.edu.pe marcoaedo@hotmail.

com
Ajuste de Curvas
Ajuste de Curvas

Regresi
Regresi

n con
n con
M
M

nimos Cuadrados
nimos Cuadrados
Quit Quit 1.2 1.2
PRESENTADO POR:
PRESENTADO POR:
M
M
Sc
Sc
(c). Ing. Marco Aedo L
(c). Ing. Marco Aedo L

pez
pez
Contacto:
Contacto:
marcoaedo@hotmail.com
maedol@unsa.edu.pe
Blog:
marcoaedo.blogspot.com
Quit Quit 1.3 1.3
Objetivos
Objetivos
Comprender y aplicar los mtodos de
ajuste de curvas
Comprender y aplicar los mtodos de
Regresin con Mnimos Cuadrados
Quit Quit 1.4 1.4
1. Introducci
1. Introducci

n
n
Dados un conjunto de valores
discretos para ciertos puntos, se
busca una estimacin de valores para
otros puntos
Buscar versin simplificada de una
funcin, dados valores discretos a lo
largo de un rango de inters
Quit Quit 1.5 1.5
1. Introducci
1. Introducci

n
n
2 situaciones: (se basa en grado de
error asociado a los datos)
1. Grado significativo de error o ruido:
Se deduce una curva que represente la
tendencia general de los datos
No es necesario que pase por todos los
puntos
Regresin por mnimos cuadrados
Quit Quit 1.6 1.6
1. Introducci
1. Introducci

n
n
2. Se conoce que los datos son muy
precisos:
Se ajustar a una curva o conjunto de
curvas que pase por todos los puntos
Esta estimacin se llama Interpolacin
Interpolacin lineal e Interpolacin
curvilnea
Quit Quit 1.7 1.7
2. Regresi
2. Regresi

n por m
n por m

nimos cuadrados
nimos cuadrados
Cuando los datos exhiben un grado
significativo de error, se ajusta una curva
que represente la tendencia general de los
datos
Una forma de hacerlos es determinando la
curva que minimice la diferencia entre los
puntos y la curva
Quit Quit 1.8 1.8
2. Regresi
2. Regresi

n por m
n por m

nimos cuadrados
nimos cuadrados
Quit Quit 1.9 1.9
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Ajustar conjunto de pares de
observaciones (x
i
,y
i
) a una recta
y=a
0
+a
1
x+e
e=y-(a
0
+a
1
x)
Quit Quit 1.10 1.10
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Estrategia para ajustar a la mejor lnea es
minimizar la suma de los errores para
todos los datos dados:

= =
=
n
i
i
i
n
i
i
x a a y e
1
1 0
1
) (
Quit Quit 1.11 1.11
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Quit Quit 1.12 1.12
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Poner en valor absoluto:

= =
=
n
i
i
i
n
i
i
x a a y e
1
1 0
1
) (
Quit Quit 1.13 1.13
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Quit Quit 1.14 1.14
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Minimax: minimice la mxima distancia
que tenga cada punto individual desde la
lnea
Quit Quit 1.15 1.15
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
SOLUCIN: Minimizar la suma de los
cuadrados de los residuos entre la:
y medida y la y calculada
Se obtiene una nica lnea para un
conjunto de datos

= =
= =
n
i
i
i
n
i
i
x a a y e Sr
1
2
1 0
1
2
) (
Quit Quit 1.16 1.16
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
Quit Quit 1.17 1.17
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
SOLUCIN:
Quit Quit 1.18 1.18
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
EJ ERCICIO: dados los puntos:
Quit Quit 1.19 1.19
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
EJ ERCICIO:
y
Quit Quit 1.20 1.20
2.1 Regresi
2.1 Regresi

n Lineal
n Lineal
EJ ERCICIO:
Quit Quit 1.21 1.21
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
Sera pobremente representada por una
lnea recta
Quit Quit 1.22 1.22
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
Ajuste de datos a un polinomio
de orden superior
y=a
0
+a
1
x+a
2
x
2
+e

=
=
n
i
i i i
x a x a a y Sr
1
2
2
2 1 0
) (
Quit Quit 1.23 1.23
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
Aplicando derivadas parciales con
respecto a los coeficientes a
i
e
igualando a 0 se obtiene:
Mismo procedimiento se puede
extender para polinomio grado n
Quit Quit 1.24 1.24
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
EJ ERCICIO: dados los puntos ajuste a un
polinomio de 2do orden:
Quit Quit 1.25 1.25
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
EJ ERCICIO:
Quit Quit 1.26 1.26
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
EJ ERCICIO:
Quit Quit 1.27 1.27
2.2 Regresi
2.2 Regresi

n de Polinomios
n de Polinomios
EJ ERCICIO:
Quit Quit 1.28 1.28
2.3 Regresi
2.3 Regresi

n Lineal M
n Lineal M

ltiple
ltiple
Extensin til donde y es una funcin de 2
ms variables independientes
y=a
0
+a
1
x
1
+a
2
x
2
+e
y=f(x
1
,x
2
)

=
=
n
i
i i
i
x a x a a y Sr
1
2
2 2 1 1 0
) (
Quit Quit 1.29 1.29
2.3 Regresi
2.3 Regresi

n Lineal M
n Lineal M

ltiple
ltiple
Aplicando derivadas parciales con
respecto a los coeficientes a
i
e
igualando a 0 se obtiene:
Se puede extender:
Quit Quit 1.30 1.30
2.3 Regresi
2.3 Regresi

n Lineal M
n Lineal M

ltiple
ltiple
EJ ERCICIO: dados los puntos ajuste
usando regresin lineal mltiple:
Quit Quit 1.31 1.31
2.3 Regresi
2.3 Regresi

n Lineal M
n Lineal M

ltiple
ltiple
EJ ERCICIO: dados los puntos ajuste
usando regresin lineal mltiple:
Quit Quit 1.32 1.32
2.3 Regresi
2.3 Regresi

n Lineal M
n Lineal M

ltiple
ltiple
EJ ERCICIO: dados los puntos ajuste
usando regresin lineal mltiple:
Quit Quit 1.33 1.33
Ejercicios
Ejercicios
1. Utilice la regresin lineal y la regresin de
polinomios para ajustar los datos a una
curva:
Quit Quit 1.34 1.34
Ejercicios
Ejercicios
2. Con los datos use regresin por mnimos
cuadrados para ajustar a una recta y a
una parbola. Cul aproximacin es
superior? J ustifique
Quit Quit 1.35 1.35
Ejercicios
Ejercicios
3. Utilice la regresin lineal mltiple para
ajustar:
Quit Quit 1.36 1.36
Ejercicios
Ejercicios
4. Describir la FORMA GENERAL LINEAL POR
MNIMOS CUADRADOS
5. Formalizar los algoritmos de: Regresin
Lineal, Regresin por Polinomios, Regresin
Lineal Mltiple y Forma general lineal por
Mnimos Cuadrados
6. Implementar los algoritmos de: Regresin
Lineal, Regresin por Polinomios, Regresin
Lineal Mltiple y Forma general lineal por
Mnimos Cuadrados en MATLAB
6. Implementar los algoritmos de: Regresin
Lineal, Regresin por Polinomios, Regresin
Lineal Mltiple y Forma general lineal por
Mnimos Cuadrados C++/C#/J ava
Quit Quit 1.37 1.37
BIBLIOGRAF
BIBLIOGRAF

A
A
[1] Chapra Steven. Mtodos
Numricos para Ingenieros
[2] Nakamura Shoichiro. Anlisis
Numrico y Visualizacin Grfica
con MATLAB
Gracias