Método de mínimos Cuadrados

Mínimos cuadrados es una técnica de análisis numérico enmarcado dentro de

la optimización matemática, en la que, dados un conjunto de pares ordenados:
variable independiente, variable dependiente, y una familia de funciones, se
intenta encontrar la función continua, dentro de dicha familia que mejor se
aproxime a los datos.

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 sumatorio 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.

Fundamentos:

La creación del método de mínimos cuadrados generalmente se le acredita al

matemático alemán Carl Friedrich Gauss, quien lo planteó en 1794 pero no lo
publicó sino hasta 1809. El matemático francés Andrien-Marie Legendre fue
el primero en publicarlo en 1805, este lo desarrolló de forma independiente.

El dia de año nuevo de 1801, el astrónomo italiano Giuseppe Piazzi descubrió

el planeta enano Ceres. Fue capaz de seguir su órbita durante 40 días.
Durante el curso de ese año, muchos científicos intentaron estimar su
trayectoria con base en las observaciones de Piazzi (resolver las ecuaciones
no lineales de Kepler de movimiento es muy difícil). La mayoría de las
evaluaciones fueron inútiles; el único cálculo suficientemente preciso para
permitir a Franz Xaver von Zach, astrónomo alemán, reencontrar a Ceres al
final del año fue el de Carl Friedrich Gauss, por entonces un joven de 24 años
(los fundamentos de su enfoque ya los había planteado en 1795, cuando aún
tenía 18 años). Sin embargo, su método de mínimos cuadrados no se publicó
sino hasta 1809, y apareció en el segundo volumen de su trabajo sobre
mecánica celeste, Theoria Motus Corporum Coelestium in sectionibus conicis
solem ambientium. El francés Adrien-Marie Legendre desarrolló el mismo
método de forma independiente en 1805.

En 1829, Gauss fue capaz de establecer la razón del éxito maravilloso de este
procedimiento: simplemente, el método de mínimos cuadrados es óptimo en
muchos aspectos. El argumento concreto se conoce como teorema de Gauss-
Márkov.

Aplicación:

Para entender con claridad la aplicación del método veamos un ejemplo:

Encontrar la recta que mejor se ajusta a los siguientes datos:

Veamos el gráfico:

Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método

de mínimos cuadrados. Como ya sabemos entonces, primero
centraremos el valor (x ∙ y):
Segundo por las expresiones de m y b debemos encontrar el valor x²:

Ahora podemos obtener los valores de las sumatorias de cada columna:

Σx = 55 ; Σy = 57 ; Σ(x·y) = 233 ; Σx² = 473 ; n=9

Sustituimos en cada una de las expresiones:

m = (9·233 – 55·57) / (9·473 – |55|²) = -1038 / 1232 = – 0,84

b = (57·473 – 55·233) / (9·473 – |55|²) = 14146 / 1232 = 11,48

La recta obtenida con el método de los mínimos cuadrados es la

siguiente:

y = (- 0,84)·x + 11,48
Observemos el gráfico:

Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Si

queremos saber dónde corta en el eje x igualamos la ecuación y = 0:

0 = (- 0,84)·x + 11,48

Despejamos x:

x = – 11,48 / (-0,84) = 13,57