ITJ

DJEST

INSTITUTO TECNOLOGICO DE JIQUILPAN

INGENIERIA BIOQUIMICA

CINETICA QUÍMICA Y BIOLÓGICA

MINIMOS CUADRADOS

CHAVO GUERRA

ALUMNO: ANGEL EDUARDO FUENTES MARTÍNEZ

 INDICE

INTRODUCCIÓN:............................................................................................................................. 3

El método de los mínimos cuadrados ........................................................................................... 4

EJEMPLO A.1-1: El método de los mínimos cuadrados. ......................................................... 7

CONCLUSIÓN: ................................................................................................................................. 9

BIBLIOGRAFÍA: ................................................................................................................................ 9
INTRODUCCIÓN:

Mínimos cuadrados es una técnica de análisis numérico encuadrada dentro de la

optimización matemática, en la que, dados un conjunto de pares (o ternas, etc), se
intenta encontrar la función que mejor se aproxime a los datos (un "mejor ajuste"),
de acuerdo con el criterio de mínimo error cuadrático. En su forma más simple,
intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas
residuos) entre los puntos generados por la función y los correspondientes en los
datos. Específicamente, se llama mínimos cuadrados promedio (LMS) cuando el
número de datos medidos es 1 y se usa el método de descenso por gradiente para
minimizar el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo
cuadrado esperado, con el mínimo de operaciones (por iteración), pero requiere
un gran número de iteraciones para converger.

Desde un punto de vista estadístico, un requisito implícito para que funcione el

método de mínimos cuadrados es que los errores de cada medida estén
distribuidos de forma aleatoria. El teorema de Gauss-Márkov prueba que los
estimadores mínimos cuadráticos carecen de sesgo y que el muestreo de datos no
tiene que ajustarse, por ejemplo, a una distribución normal. También es importante
que los datos recogidos estén bien escogidos, para que permitan visibilidad en las
variables que han de ser resueltas (para dar más peso a un dato en particular,
véase mínimos cuadrados ponderados).

La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas.

Muchos otros problemas de optimización pueden expresarse también en forma de
mínimos cuadrados, minimizando la energía o maximizando la entropía.
El método de los mínimos cuadrados
Esta es una técnica estadística para ajustar una línea recta a datos de y en
función de x. sin embargo, debes saber que en la presentación tocamos
ligeramente el campo del análisis estadístico; no analizaremos las técnicas para
ajustar funciones de varias variables, para determinar cuantitativamente la
incertidumbre asociada con un ajuste y para comparar las funciones alternativas
usadas para ajustar un conjunto determinado de datos.

Supongamos que mides y a cuatro valores de x, que representas a los datos en

una grafica y en función de x, y que dibujas una línea recta a través de los puntos
de los datos.

Si la linea que dibujas es y= ax + b, entonces en un punto de las abcisas x i (i = 1,

2, 3 ó 4) el valor medio de la “y” es “yi”, y el valor correspondiente de la “y” en la
línea axi + b. La distancia vertical di del i-ésimo dato de la línea (llamado i-ésimo
residuo), es por tanto

di = yi – (axi + b), i = 1, 2, 3 ó 4

Si di es positive, entonces el i-ésimo punto dbe de encontrarse por ensima de la

línea (por qué), si di es negativo, el punto debe ede estar por debajo de la línea, y
si di es igual a cero, la línea pasa a travez de ese punto. Se dice que la línea ajusta
bien los datos de la mayoría de los residuos están cerca de cero.

Hay varias formas de determinar la línea que mejor se ajusta a un conjunto de

datos, que difieren principalmente de su definición de “mejor”. El método más
común es el de mínimos cuadrados.

Supongamos que hay n datos graficados (xi , Yi), (x2 y2 ),…, (xn, Yn ) de manera en
que una línea y = ax +b dibuja a través de los puntos y da un conjunto de n
residuos d1,d2,…,dn. De acuerdo con el método de mínimos cuadrados, la mejor
línea recta que pasa a través de datos de aquella que minimiza la suma de los
cuadrados de los residuos. La tarea constante, entonces, ene contar los valores
de los residuos. La terea consiste entonces, entonces en encontrar los calores a y
b que minimizan.

Pueden obtener expresiones para los mejores valores de a y b en términos de

cantidades conocidas, calculando la diferencial de la ecuación para (iota) (Ec
A.1.2) CON RESPECTO a “a” y “b”, haces las derivadas iguales acero, haces las
derivadas iguales a cero, y resuelves las ecuaciones algebraicas resultantes para
a y b, (véase al problema 38, en el Cap. 2) A continuación se muestran los
cálculos resultantes. Si define.

La mejor línea: y = ax + b
Pendiente de a=

𝑆𝑥𝑦 − 𝑆𝑥 𝑆𝑦
𝑆𝑥𝑥 − (𝑆𝑥 )2

Ordenada al origen, b=

𝑆𝑥𝑥 𝑆𝑦 − 𝑆𝑥𝑦 𝑆𝑥
𝑆𝑥𝑥 − (𝑆𝑥 )2

Por tanto, de la ecuación A.1-4,

𝑆𝑥𝑦 − 𝑆𝑥 𝑆𝑦
𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒: 𝑚 = = 3.94
𝑆𝑥𝑥 − (𝑆𝑥 )2

Y de la ecuación A.1-5

𝑆𝑥𝑥 𝑆𝑦 − 𝑆𝑥𝑦 𝑆𝑥
𝑂𝑟𝑑𝑒𝑛𝑎𝑑𝑎 𝑎𝑙 𝑜𝑟𝑖𝑔𝑒𝑛: 𝑟 = = −0.517
𝑆𝑥𝑥 − (𝑆𝑥 )2

De manera que el resultado final es

1
𝑃=
3.94𝑡1/2 − 0.517

Se obtiene una buena comprobación de los resultados si se grafica 1/P en función

de 𝑡1/2 , mostrando los puntos y la línea
 1
= 3.94𝑡1/2 − 0.517
𝑃

Si la selección de esta función para ajustar los datos es razonable, y si no se

cometen errores en el cálculo, los puntos de los datos deben encontrarse
dispersos alrededor de la línea. De hecho este es el caso, como se muestra en el
siguiente diagrama.

La mejor línea que pasa a través del origen y=ax

𝑆𝑥𝑦 ∑ 𝑋𝑖 𝑌𝑖
Pendiente:𝑎 = = ∑ 𝑋𝑖2
(La ordenada de origen es 0.0; ec. A.1-6)
𝑆𝑥𝑥

Una vez que has calculado a y b, debes graficar la línea y= ax + b en la misma

gráfica que los datos para tener una idea de la bondad del ajuste.

EJEMPLO A.1-1: El método de los mínimos cuadrados.

La siguiente ecuación relaciona dos variables, P y t,

1
𝑃=
𝑚𝑡1/2 + 𝑟

Se toman los siguientes datos:

 P 0.279 0.194 0.168 0.120 0.083
t 1.0 2.0 3.0 5.0 10.0

Calcula m y r usando el método de mínimos cuadrados.

Solución:

La ecuación puede escribirse en la forma:

1
= 𝑚𝑡1/2 + 𝑟
𝑃

De manera que una gráfica de 1/P en función de t1/2 debe ser una línea recta con
pendiente m y ordenada al origen r. A partir de los datos tabulados:

Y=1/P 3.584 5.155 5.592 8.333 12.048

X=t1/2 1.0 1.414 1.732 2.236 3.162

1 1
= 𝑚𝑡 2 + 𝑟
𝑃

1
𝑦=
𝑃

1
𝑥 = 𝑡2

𝑦 = 𝑚𝑥 + 𝑟

Evalúa estas cantidades en la ecuación: A.1-3

1
𝑆𝑥 = (1.000 + 1.414 + 1.732 + 2.236 + 3.162) = 1.909
5

𝑆𝑦 = 7.014

𝑆𝑥𝑥 = 4.200

𝑆𝑥𝑦 = 15.582
CONCLUSIÓN:
Gracias al ajuste por mínimos cuadrados aplicado en la cinética química nos
facilita mucho el análisis y obtención de la contante de la velocidad y saber el
orden de la reacción para su posterior estudio o análisis.

BIBLIOGRAFÍA:
Principios elementales de los procesos químicos.

Autores: Richard M. Felder; Ronald W. Rousseau

Segunda edición

Ed. Addison Wesley