FACULTAD DE CIENCIAS PECUARIAS

INGENIERIA EN PRODUCCION ACUICOLA

CONSULTA DE MNIMOS CUADRADOS

PRECENTADO POR: KEVIN ARNOL BOLAOS

PROFESOR: MARCO ANTONIO IMUEZ

UNIVERSIDAD DE NARIO
FACULTAD DE CIENCIAS PECUARIAS
NGENIERIA PRODUCCION ACUICOLA
2015

PROCEDIMIENTO DE MINIMOS CUADRADOS

Sea

un conjunto de n pares con abscisas distintas, y

sea
un conjunto de m funciones linealmente independientes (en un
espacio vectorial de funciones), que se llamarn funciones base. Se desea
encontrar una funcin
de dicho espacio, o sea, combinacin lineal de las
funciones base, tomando por ello la forma:
.
Ello equivale por tanto a hallar los m coeficientes:

. En concreto, se

desea que tal funcin

sea la mejor aproximacin a los n pares
empleando, como criterio de "mejor", el criterio del mnimo error cuadrtico medio
de la funcin

con respecto a los puntos

El error cuadrtico medio ser para tal caso:

Minimizar el error cuadrtico medio es equivalente a minimizar el error cuadrtico,

definido como el radicando del error cuadrtico medio, esto es:

OBTENCIN DE ECUACIONES NORMALES DEL MNIMO CUADRADO

Se obtiene un sistema de m ecuaciones con m incgnitas, que recibe el nombre

de "Ecuaciones Normales de Gauss". Operando con ellas:
, para i=1,2, . . .,m
, para i=1,2, . . .,m
Si se desarrolla la suma, se visualiza la ecuacin "i-sima" del sistema de m
ecuaciones

normales:

, para cada i=1,2, . . .,m

Lo cual, en forma matricial, se expresa como:

Siendo
y g(x) como:

el producto escalar discreto, definido para dos funciones dadas h(x)

,
y para una funcin h(x) y vector cualquiera u, como:

La resolucin de dicho sistema permite obtener, para cualquier base de funciones

derivables localmente, la funcin f(x) que sea mejor aproximacin mnimo
cuadrtica al conjunto de puntos antes mencionado. La solucin es ptima esto
es, proporciona la mejor aproximacin siguiendo el criterio de mnimo error
cuadrtico, puesto que se obtiene al optimizar el problema
ESTIMACIN DE o Y 1
Los parmetros del modelo lineal se estiman a travs del mtodo de mnimos
cuadrados. Llamamos o y 1 a los estimadores de mnimos cuadrados de o
y 1 , para obtenerlos no es necesario hacer los supuestos 1,2 y 4, slo el de
LINEALIDAD.
o es un estimador insesgado de o
1 es un estimador insesgado de 1
Esto significa que:
o tiene una distribucin de muestreo con media o y
1 tiene una distribucin de muestreo con media 1
Recordar. La distribucin de muestreo de o y 1 se obtendra empricamente
repitiendo infinitas veces el experimento (5 ratas con las mismas dosis y en las

mismas condiciones), y calculando para cada repeticin las estimaciones o y 1

de los parmetros.