UNIVERSIDAD PRIVADA DEL VALLE Evaluación
FACULTAD DE TECNOLOGIA
DEPARTAMENTO DE CIENCIAS EXACTAS
LABORATORIO DE FISICA
Informe de Practica de
Laboratorio Nº 4
MÉTODO DE MINÍMOS CUADRADOS
Grupo “L”
Estudiante: Eber Choque Maman
Ronald Astete Huaman
Docente: Ing. Maria Ibanez Bellido
Cochabamba 22 de septiembre del 2022
Gestión 2 – 2022
MÉTODO DE MINÍMOS CUADRADOS
Objetivos
• Determinar la recta que mejor se ajusta a los datos experimentales, empleando el método de
mínimos cuadrados.
• Linealizar una curva empleando un cambio de variable.
• Linealizar una curva aplicando logaritmos en base 10 o logaritmos neperianos.
• Determinar las funciones empíricas a partir de una gráfica.
• Analizar la descarga de un capacitor y la variación de su voltaje respecto del tiempo, luego graficar.
• Graficar datos de movimiento rectilíneo y caída libre corrigiendo sus datos con el método de
mínimos cuadrados.
2. Marco teórico.
El método de mínimos cuadrados se utiliza para calcular la recta de regresión lineal que minimiza
los residuos, esto es las diferencias entre los valores reales y los estimados por la recta.
Es un procedimiento de análisis numérico en la que, dados un conjunto de datos de pares ordenados
y se intenta determinar la función continua que mejor se aproxime a los datos y se le llama línea de
regresión o línea de mejor ajuste proporcionando una demostración visual de la relación entre los
puntos mismos. En su forma más simple busca minimizar la suma de cuadrados de las diferencias
ordenadas (llamadas residuos).
Su expresión general se basa en la ecuación de la recta 𝑦 = 𝑚𝑥 + 𝑏. Donde 𝑚 es la pendiente y 𝑏 el
punto de corte, y se expresan de la siguiente manera:
∑ es el símbolo sumatorio de todos los términos, mientras (𝑥𝑦) son los datos de estudio y 𝑛 la
cantidad de datos que existen.
El método de mínimos cuadrados se calcula a partir de los 𝑛 pares de datos experimentales (𝑥, 𝑦), y
los valores 𝑚 y 𝑏 que mejor ajustan los datos a una recta. Se entiende por mejor ajuste aquella recta
que hace mínimas las distancias de los puntos medidos a la recta. Teniendo una serie de datos (𝑥,
𝑦), mostrando 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 dependiente y una variable independiente. 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 formaran la ecuación para la
línea de mejor ajuste, que se determina a partir del método de mínimos cuadrados.
Los errores en las medidas se traducirán en errores en los resultados de a y b. Se describe a
continuación un método para calcular estos errores. En principio, el método de mínimos cuadrados
asume que, al fijar las condiciones experimentales, los valores 𝒚𝒊 de la variable independiente se
conocen con precisión absoluta (pero esto en general no es así). Sin embargo la variable 𝒙𝒊 , irán
afectadas de sus errores correspondientes, 𝜀 es el valor máximo de todos los errores, entonces se
tiene:
La pendiente de la recta se escribirá 𝑎 ± ∆𝑎, y la ordenada en el origen 𝑏 ± ∆𝑏.
El coeficiente de correlación es otro parámetro para el estudio de una distribución bidimensional,
que nos indica el grado de dependencia entre las variables 𝑥 y 𝑦. El coeficiente de correlación 𝑟 es
un número que se obtiene mediante la fórmula: