MTODOS NUMRICOS

Fecha de realizacin de la prctica: 6/01/2017

Fecha de entrega del informe: 13/01/2017

REGRESIN POR MNIMOS CUADROS Y REGRESIN

POLINOMIAL
Luis Ramiro Calupia Glvez Christian Alexander Jami Herrera
lcalupina@est.ups.edu.ec cjamih@est.ups.edu.ec
Quito-Ecuador
RESUMEN. - El presente informe ilustra el
procedimiento de la codificacin en Matlab,
para la determinacin de la regresin por
mnimos cuadros y la regresin polinomial, de
donde se obtendr valores para la generacin
de ecuaciones lineales en el primer caso y
polinomiales en el segundo.
ABSTRACT. - The present report illustrates
the coding procedure in Matlab, for the
determination of the regression by least
squares and the polynomial regression, from
which values will be obtained for the
generation of linear equations in the first case
and polynomials in the second.

Estimacin de la ecuacin de regresin por

mnimos cuadros.
Consiste en determinar los valores de A y B
a partir de la muestra, es decir, encontrar los
valores de A y B con los datos observados de
la muestra. El mtodo de estimacin es el de
mnimos cuadrados, mediante el cual se
obtiene:
n

n x i y i x i y i
B=

i=1

i=1

i=1

n x i2( x i)
i =1

i=1

1. OBJETIVOS
GENERAL

Realizar
la
programacin
y
codificacin necesaria para desarrollar
el algoritmo de regresin por mnimos
cuadrados y regresin polinomial.
ESPECFICOS

Expresar en codificacin para Matlab

el algoritmo de regresin para
mnimos
cuadros
y
regresin
polinomial.

Realizar las respectivas pruebas, para

verificar que la codificacin es la
correcta y cumple con la teora de
regresiones.

2. MARCO TERICO
REGRESIN POR MNIMOS CUADROS
Una lnea de regresin lineal tiene una frmula
de Y = A + BX , donde X es la variable
explicativa, dependiente o regresiva y la Y es
la variable dependiente, respuesta para cada
valor especfico xi de X. La pendiente de la
lnea es B, y a la intercepcin (el valor de Y
cuando X = 0)

A= y B x
Luego, la ecuacin de regresin muestral
estimada es:

Y = A+ BX

REGRESIN POLINOMIAL
El procedimiento de mnimos cuadrados se
puede extender fcilmente al ajuste de datos
con un polinomio de grado superior. Por
ejemplo, suponga que ajustamos un polinomio
de segundo grado o cuadrtico:
En este caso, la suma de los cuadrados de los
residuos es:

Al seguir el procedimiento de los mnimos

cuadros, obtenemos la derivada de la
ecuacin con respecto a cada uno de los
coeficientes desconocidos del polinomio,

MTODOS NUMRICOS
Fecha de realizacin de la prctica: 6/01/2017
Fecha de entrega del informe: 13/01/2017
Estas ecuaciones se igualan a cero y se
reordenan para desarrollar el siguiente
conjunto de ecuaciones normales:

donde todas las sumatorias van desde i = 1

hasta n. Observe que las tres ecuaciones
anteriores son lineales y tienen tres incgnitas:
a0, a1 y a2. Los coeficientes de las incgnitas
se evalan de manera directa, a partir de los
datos observados.
En este caso, observamos que el problema de
determinar un polinomio de segundo grado por
mnimos cuadrados es equivalente a resolver
un sistema de tres ecuaciones lineales
simultneas.
El caso bidimensional se extiende con facilidad
a un polinomio de m-simo grado como sigue
El anlisis anterior se puede extender
fcilmente a este caso ms general. As, se
reconoce que la determinacin de los
coeficientes de un polinomio de m-simo
grado es equivalente a resolver un sistema de
m + 1 ecuaciones lineales simultneas.

Fig 2. Formulas de regresin lineal codificadas

en Matlab

Realizar
las
pruebas
de
funcionamiento y comparar los valores
determinados por el programa y los
obtenidos de un ejercicio realizado
previamente con la teora.
Se debe guardar el programa creado
para que pueda ser ejecutado.

Fig 3. Ingreso de los valores para x e y, y

cdigo para ejecucin del programa

3. CODIFICACIN Y APLICACIN DEL

ALGORITMO EN MATLAB
REGRESIN POR MNIMOS CUADROS

El primer paso es crear un nuevo

archivo en Matlab.

Fig 4. Respuesta obtenida en el programa

para los valores de A y B

Fig 1. Creacin de nuevo archivo

Analizar las formulas de los algoritmos

y crear las condiciones necesarias
para que ests sean codificadas en
Matlab.

Fig 5. Grafica de la ecuacin de la regresin

con sus respectivos puntos
REGRESIN POLINOMIAL

El primer paso es crear un nuevo

archivo en Matlab.

MTODOS NUMRICOS
Fecha de realizacin de la prctica: 6/01/2017
Fecha de entrega del informe: 13/01/2017

Fig 6. Creacin de nuevo archivo

Analizar las formulas y parmetros de

los algoritmos y crear las condiciones
necesarias para que ests sean
codificadas en Matlab.

Fig 10. Grafica de la ecuacin de la regresin

con sus respectivos puntos
4. ANLISIS DE RESULTADOS

Las grficas que nos presenta el

software Matlab coincidieron con las
elaboradas previamente en la prctica.

Se comprob con el ingreso de puntos

especficos que el programa no
cumple con la resolucin de una
grfica cerrada.

Programa de regresin polinomial

cumpli
satisfactoriamente
las
condiciones para una regresin lineal.

Fig 7. Formulas de regresin polinmica

codificadas en Matlab

5. CONCLUSIONES

Podemos ver que la utilizacin del

software Matlab es muy confiable y
rpido
para
estas
aplicaciones
numricas.

Las grficas obtenidas son exactas, y

segn la programacin del software
pueden ser detalladas a necesidad del
usuario.

Realizar
las
pruebas
de
funcionamiento y comparar los valores
determinados por el programa y los
obtenidos de un ejercicio realizado
previamente con la teora.
Se debe guardar el programa creado
para que pueda ser ejecutado.

6. RECOMENDACIONES
Fig 8. Ingreso de los valores para x e y, y
cdigo para ejecucin del programa

Fig 9. Respuesta obtenida en el programa

para los valores de a0, a1 y a2

Tener cuidado al codificar el programa

ya
que
se
debe
ingresar
correctamente las frmulas que se van
a utilizar para posteriormente no tener
errores en los grficos.

El ingreso de los puntos tienen que

ser coherentes, no tienen que ser
arbitrarios, se necesita hacer un
anlisis previo de los datos que se van
a ingresar.

7. BIBLIOGRAFA

Chapra, S. C. C., Chapra, R. P. S. C.,

Canale, R. P., Chapra, S. C. C.,

MTODOS NUMRICOS
Fecha de realizacin de la prctica: 6/01/2017
Fecha de entrega del informe: 13/01/2017

Chapra, R. P. C., Canale, R. P., ... &

Raymond, P. (2007). Mtodos
numricos para ingenieros. McGrawHill,.
Burden, R. L., Faires, R. L., Burden, J.
D. L., Faires, J. D., Mathews, J. H.,
Mathews, K. D. J. H., ... & Atkinson, K.
A. (1985). Anlisis numrico (No.

519.63/. 65). Grupo Editorial

Iberoamericana,.
Nakamura, S. (1992). Mtodos
numricos aplicados con software (No.
QA297 N34). Mexico: Prentice-Hall
Hispanoamericana.