Universidad técnica

del Norte
PROBABILIDAD Y
ESTADÍSTICA
Ajuste de
curvas
Joshua
¿qué es un ajuste de curvas?
El ajuste de curvas es un proceso mediante el cual, dado un conjunto
de N pares de puntos {xi, yi} (siendo x la variable independiente e y
la dependiente), se determina una función matemática f(x) de tal
manera que la suma de los cuadrados de la diferencia entre la imagen
real y la correspondiente obtenida mediante la función ajustada en
cada punto sea mínima.

x : variable independiente (causa)

y : variable dependiente (efecto)

2
Generalmente, se escoge una función genérica f(x) en función de uno o más
parámetros y se ajusta el valor de estos parámetros de la manera que se
minimice el error cuadrático, ε. La forma más típica de esta función ajustada
es la de un polinomio de grado M; obteniéndose para M = 1 un ajuste lineal (o
regresión lineal),

𝒇 ( 𝒙 ) =𝒂 𝟎 +𝒂 𝟏 𝒙

para M = 2 un ajuste parabólico,

𝟐
𝒇 ( 𝒙 ) =𝒂 𝟎 +𝒂 𝟏 𝒙 + 𝒂𝟐 𝒙

y así sucesivamente.
3
Correlación lineal y regresión
lineal
La correlación lineal y la regresión lineal simple
son métodos estadísticos que estudian la relación
lineal existente entre dos variables. Donde:
La correlación cuantifica como se relacionadas
están dos variables y,
la regresión lineal consiste en generar una
ecuación (modelo) que, basándose en la relación
existente entre ambas variables, permita predecir el
valor de una a partir de la otra.
4
 Dispersión de puntos de una
correlación lineal

Pendiente (+) Pendiente (-) Pendiente (0)

No existe correlación lineal

5
 Coeficiente de correlación de
Pearson
El coeficiente de correlación de Pearson es una prueba que mide
la relación estadística entre dos variables continuas.

Toma una rango de valores entre -1 y +1

+1 Mayor correlación lineal (m+). Las variables son directamente proporcionales

0 Entre mas cercano a cero no se presenta correlación lineal

-1 Mayor correlación lineal (m-). Las variables son inversamente proporcionales (

6
Para llevar a cabo la correlación de Pearson es necesario
cumplir lo siguiente:

⩥ La escala de medida debe ser una escala de intervalo o

relación.
⩥ Las variables deben estar distribuida de forma
aproximada.
⩥ La asociación debe ser lineal.
⩥ No debe haber valores atípicos en los datos.

7
 coeficiente de relación lineal de Pearson

Donde:
covarianza

desviación estándar

8
Remplazando en la ecuación tenemos:

9
Coeficiente de determinación
Permite calcular la exactitud con el cual se va a
trazar la recta. Su forma de representarlo suele ser
en porcentaje.

10
Ajuste de curvas lineal por
mínimos cuadrados
⩥ Recta de regresión de y sobre x (y es la variable
dependiente, x es independiente)

donde,
coeficiente de regresión (m)

11
⩥ Recta de regresión de x sobre y (x es la variable
dependiente, y es independiente)

donde,
coeficiente de regresión (m)

12
13
 Ajuste de curvas por parábola
mínimos cuadrados
El ajuste de datos a fórmula usando un modelo linear es
excelente cuando los datos sigan una tendencia linear. Sin
embargo, en muchas ocasiones los datos no siguen una
tendencia linear. Es ahí cuando utilizamos la parábola de
mínimos cuadrados.

14
De la gráfica no resulta claro cómo podamos describir esta
colección de datos con una fórmula empírica linear.
Podemos forzar una línea recta sobre esta colección de datos .
Sin embargo, la fórmula así obtenida tal vez no nos será de
mucha utilidad para estimar lo que ocurrirá con otros valores
no graficados.

15
Para realizar un ajuste parabólico por mínimo
cuadrados necesitamos generar un sistema de
ecuaciones de esta forma:

16
 EJERCICIOS
La siguiente tabla muestra las alturas redondeadas en
centímetros (cm) y el pesos en kilogramos (kg) de una
muestra de 12 estudiantes del primer año de una
determinada universidad.
a. Obtener un diagrama de dispersión para estos datos.
b. Determinar si existe relación lineal entre los datos.
c. Obtenga las rectas de ajuste por mínimos cuadrados
18
19
20