Ajuste por Mı́nimos cuadrados

Transcrito por: Jose Ortega

Email: jgc928@icqmail.com

Hasta ahora nos hemos ocupado de la manera de obtener el mejor valor de

una magnitud a partir de una o varias medidas. Un problema más general es
determinar la relación funcional entre dos magnitudes x e y como resultado
de experimentos.
Supongamos que por razones teóricas bien fundadas sabemos que entre x
e y existe la relación lineal de la manera más general:

y = ax + b

Y deseamos determinar los parámetros “a” y “b” a partir de “n” medidas

de x e y. “a” es la pendiente de la recta, es decir, la tangente del ángulo que
forma con el eje de abscisas, y “b” la ordenada en el origen, es decir la altura
a la que corta la recta al eje de ordenadas. Para concretar, supongamos que
los valores que han resultado de un experimento son los siguientes:

Xi 1 2 3 4 5 6
yi 1.5 2.5 4 3.6 5.9 6.1

Ante un problema de este tipo, lo primero que conviene hacer es rep-

resentar gráficamente los resultados para observar si los valores medidos se
aproximan a una recta o no. En la figura adjunta se han representado las
medidas anteriores.

1
 6
5
4
Xi
3
2
1
1
5

3
6

Yi

Figura 1: Representación de los pares de valores Xi , Yi correspondientes al

experimento.

A la vista del gráfico parece claro que las dos variables siguen una relación
lineal. La recta que parece representar mejor la relación se ha dibujado (Por
favor, trace la mejor recta) “a ojo”. Es importante darse cuenta de que
los seis puntos dibujados no pasan todos por la misma recta. Esto es debido
a los errores de las medidas, por lo que los puntos se distribuyen de forma
más o menos aleatoria en torno a esa recta. A pesar de ello es claramente
visible la tendencia lineal de los puntos.
Para determinar la recta que mejor se adapta a los puntos se emplea el
llamado método de los mı́nimos cuadrados. Para un valor de x determinado,
la recta de ajuste proporciona un valor diferente de y del medido en el ex-
perimento. Esta diferencia será positiva para algunos puntos y negativa para
otros, puesto que los puntos se disponen alrededor de la recta. Por este mo-
tivo, la suma de estas diferencias para todos los puntos es poco significativa
(las diferencias negativas se compensan con las positivas).
Por ello, para medir la discrepancia entre la recta y los puntos, se emplea

2
la suma de los cuadrados de las diferencias, con los que nos aseguramos de
que todos los términos son positivos. Esta suma tiene la forma:
n
(yi − axi − b)2
X
ψ=
i=1

De todas las posibles rectas que podemos trazar, caracterizadas por los
parámetros a y b, la recta que mejor se ajusta a los puntos es la que hace
mı́nima la suma expresada en la ecuación anterior. Esto es fácil de compren-
der, puesto que esta suma representa la discrepancia entre los puntos y la
recta. Las condiciones de mı́nimo (primeras derivadas parciales respecto a a
y a b nulas) conducen a las ecuaciones:
a ni=1 (xi )2 + b ni=1 xi =
( P P Pn
i=1 xi yi
a ni=1 xi + bn = ni=1 yi
P P

Que conocen como ecuaciones normales para la determinación de a y b.

n es el número de parejas de valores de que se parte para determinar a recta.
Llegados a este punto se tiene que resolver el anterior sistema de ecuaciónes
para ello vamos a renombrar las sumatorias de manera de hacer los razon-
amientos y deducciones de forma más sencilla.
(xi )2
Pn Pn
i=1 = Sxx i=1 xi yi = Sxy
Pn n
i=1 xi = Sx i=1 yi = Sy
P

Por lo tanto el sistema de ecuaciones, luego de hacer los cambios respec-

tivos:
(
aSxx + bSx = Sxy
aSx + bn = Sy
A continuación se desea eliminar la variable “b” de manera de conseguir
en primera instancia la solución de la variable “a”. Para ello se multiplica la
primera ecuación por n y la segunda por −Sx , ası́:
( (
n [aSxx + bSx = Sxy ] anSxx + bnSx = nSxy
=⇒
−Sx [aSx + bn = Sy ] −a (Sx )2 − bnSx = −Sy Sx

h i
a nSxx − (Sx )2 = nSxy − Sx Sy
nSxy − Sx Sy
a=
nSxx − (Sx )2

3
 Ahora se toma la segunda ecuación del sistema y se despeja directamente
“b” ya que el “a” es conocido:

Sy − aSx
b=
n
Las soluciones de las ecuaciones normales, con sus cambios devueltos, son:
n xy − x y
P P P
a= P 2
n x − ( x)2
P

P P
y−a x
b=
n
Donde por claridad se han suprimido los lı́mites de los sumatorios. Con
los datos del ejemplo y aplicando las anteriores ecuaciones, resulta a = 0,94
y b = 0,65 que es la recta que mejor se ajusta a los datos según el método de
los mı́nimos cuadrados.
El caso de una relación lineal que hemos tomado como ejemplo no es
tan especial como podrı́a pensarse, porque muchas relaciones funcionales de
interés pueden transformarse en lineales con un cambio de variable adecuado
y/o tomando logaritmos.