TEMA No.

7
AJUSTE DE UNA RECTA
OBJETIVO
Aplicar el método de mínimos cuadrados para ajustar una línea recta y obtener el modelo
matemático.
INTRODUCCIÓN
Este método se aplica únicamente cuando las variables analizadas presentan una relación
lineal.
Primeramente, deberemos definir cuál será nuestra variable independiente y cuál la
dependiente de acuerdo con los criterios establecidos previamente en la sección de la
construcción de una gráfica. Con este método se obtienen gráficos con el mejor ajuste a la
relación que guardan las variables, eliminando así la subjetividad en el trazo de la recta. La
recta de ajuste por mínimos cuadrados del conjunto de puntos ( x 1 , y 1 ) , ( x 2 , y 2 ) … ( x n , y n )
tiene la forma: y=mx+b
Donde m es la pendiente y b es la ordenada al origen y se obtienen por las siguientes
ecuaciones:
N ( ∑ xy )− (∑ x ) ( ∑ y )
n= 2
N ( ∑ x 2 )−( ∑ x )
( ∑ y )−m ( Σx ) ( ∑ y ) ( Σ× 2 )−( Σx ) ( ∑ xy )
b= o b=
N N ( Σ x2 ) −( Σx )
2

Donde N es el número de datos que se están analizando.

Es deseable tener un indicador del grado de intensidad o fuerza de la relación lineal entre
dos variables “x” y “y “,que sea independiente de sus respectivas escalas de medición. A
esto se le llama coeficiente de correlación lineal y se representa por la letra τ o R y se puede
calcular por:
N ( Σ × y )−( ∑ x )( ∑ y )
τ
2 2 2
√[ N ( ∑ x ) −( Σx ) ] [ N ( ∑ x ) −( ∑ y ) ]
2

El coeficiente R se le conoce como coeficiente de determinación y se calcula como el

cuadrado de R
GUÍA DE ESTUDIOS
1. ¿Qué es y para qué sirve un diagrama de dispersión? El diagrama de dispersión
permite estudiar las relaciones entre dos conjuntos asociados de datos que aparecen en
pares (por ejemplo, (x,y), uno de cada conjunto). Entre sus usos está descubrir y
 mostrar las relaciones entre dos conjuntos asociados de datos y confirmar relaciones
anticipadas entre dos conjuntos asociados de datos.
2. ¿Cómo diferencia y en que eje se grafican tanto la variable dependiente como la
independiente? En la gráfica, la variable independiente se representa en el eje de
abscisas mientras que la variable dependiente aparece en el eje de ordenadas.
3. ¿para que sirve realizar el proceso de interpolación y/o extrapolación en una
gráfica? La extrapolación es el proceso de estimar más allá del
intervalo de observación original, el valor de la variable en base a su relación con otra
variable.
4. Describa el procedimiento para obtener el modelo matemático a partir de una
grafica que representa una dispersión lineal. Lo que en primer lugar sería deseable
en un modelo de regresión es que estos errores aleatorios sean en media cero para
cualquier valor x de X, es decir, E[ε/X = x] = E[ε]=0, y por lo tanto: E[Y /X = x] = β0
+ β1x + E[ε/X = x] = β0 + β1x En dicha expresión se observa que: • La media de Y,
para un valor fijo x, varía linealmente con x.
• Para un valor x se predice un valor en Y dado por ˆ y = E[Y /X = x] = β0 + β1x, por
lo que el modelo de predicción puede expresarse también como ˆ Y = β0 + β1X.
• El parámetro β0 es la ordenada al origen del modelo (punto de corte con el eje Y) y
β1 la pendiente, que puede interpretarse como el incremento de la variable
dependiente por cada incremento en una unidad de la variable independiente. Estos
parámetros son desconocidos y habrá que estimarlos de cara a realizar predicciones.
5. Explique como y cuando se aplica el método de mínimos cuadrados 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
6. Explique con sus propias palabras el significado tanto del coeficiente de
correlación asi como el de determinación que se obtiene durante el proceso de
linealización de datos
mide la proporción entre la variable dependiente y la independiente

Bibliografía
https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

https://www.universoformulas.com/matematicas/analisis/variable-dependiente-independiente/