Aproximación por mı́nimos cuadrados José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 1 Introducción Con el fin de determinar el valor de la constante g, la aceleración causada por la acción de la gravedad sobre la superficie de la Tierra, se lleva a cabo un experimento en el cual se mide el tiempo que tarda en caer un objeto desde un edificio a lo largo de alturas diferentes, midiéndose el tiempo a distancias prefijadas. Se obtienen los siguientes datos: t(s) y(m) 1.1 4.9 1.6 13.5 José Vicente Romero Bauset 2.9 39 3.0 45 4.3 87.6 4.8 110 Tema 6.- Aproximación por mı́nimos cuadrados. 2 Introducción Con el fin de determinar el valor de la constante g, la aceleración causada por la acción de la gravedad sobre la superficie de la Tierra, se lleva a cabo un experimento en el cual se mide el tiempo que tarda en caer un objeto desde un edificio a lo largo de alturas diferentes, midiéndose el tiempo a distancias prefijadas. Se obtienen los siguientes datos: t(s) y(m) 1.1 4.9 1.6 13.5 2.9 39 3.0 45 4.3 87.6 4.8 110 ¿Cuál es el valor de la aceleración de la gravedad? José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 2 Introducción Con el fin de determinar el valor de la constante g, la aceleración causada por la acción de la gravedad sobre la superficie de la Tierra, se lleva a cabo un experimento en el cual se mide el tiempo que tarda en caer un objeto desde un edificio a lo largo de alturas diferentes, midiéndose el tiempo a distancias prefijadas. Se obtienen los siguientes datos: t(s) y(m) 1.1 4.9 1.6 13.5 2.9 39 3.0 45 4.3 87.6 4.8 110 ¿Cuál es el valor de la aceleración de la gravedad? 1 Vamos a suponer que y = a + bt + gt 2 2 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 2 Introducción Si se exige que todos los puntos cumplan la ecuación se obtiene el sistema t12 y = a + bt + g 1 1 2 2 t y2 = a + bt2 + g 22 2 y3 = a + bt3 + g t3 2 t42 y = a + bt + g 4 4 2 2 t 5 y = a + bt + g 5 5 2 2 t y6 = a + bt6 + g 6 2 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 3 Introducción Si se exige que todos los puntos cumplan la ecuación se obtiene el sistema t12 y = a + bt + g 1 1 2 2 t y2 = a + bt2 + g 22 2 y3 = a + bt3 + g t3 2 t42 y = a + bt + g 4 4 2 2 t 5 y = a + bt + g 5 5 2 2 t y6 = a + bt6 + g 6 2 ⇒ José Vicente Romero Bauset 1 t1 t12 y1 1 t2 t22 y2 a 1 t3 t32 y3 b = y4 1 t4 t42 g 2 2 y 5 1 t5 t5 2 y 6 1 t6 t6 Tema 6.- Aproximación por mı́nimos cuadrados. 3 Introducción Si se exige que todos los puntos cumplan la ecuación se obtiene el sistema t12 y = a + bt + g 1 1 2 2 t y2 = a + bt2 + g 22 2 y3 = a + bt3 + g t3 2 t42 y = a + bt + g 4 4 2 2 t 5 y = a + bt + g 5 5 2 2 t y6 = a + bt6 + g 6 2 ⇒ 1 t1 t12 y1 1 t2 t22 y2 a 1 t3 t32 y3 b = y4 1 t4 t42 g 2 2 y 5 1 t5 t5 2 y 6 1 t6 t6 Sistema incompatible José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 3 Introducción 6 Se minimiza g ∑ (yi − a − bti − 2 ti2 )2 i=1 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 4 Introducción 6 Se minimiza g ∑ (yi − a − bti − 2 ti2 )2 i=1 Se obtiene g 2 = 4.5217 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 4 Método de los mı́nimos cuadrados Ax = b incompatible José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w w hallar un vector x0 minimice E = kAx − bk José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A w w b − Ax0 es ortogonal a Ay, ∀ y ∈ Rn . José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A w w b − Ax0 es ortogonal a Ay, ∀ y ∈ Rn . w w < Ay, b − Ax0 >= 0 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A w w b − Ax0 es ortogonal a Ay, ∀ y ∈ Rn . w w < Ay, b − Ax0 >= 0 ⇒ yt At (b − Ax0 ) = 0 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A w w b − Ax0 es ortogonal a Ay, ∀ y ∈ Rn . w w < Ay, b − Ax0 >= 0 ⇒ yt At (b − Ax0 ) = 0 ⇒ yt (At b − At Ax0 ) = 0 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados Ax = b incompatible → b no es combinación de las columnas de A w b w hallar un vector x0 0 Col A Ax Ax̂ Ax minimice E = kAx − bk w w Teorema de la mejor aproximación proyección ortogonal de b sobre el espacio columna de A w w b − Ax0 es ortogonal a Ay, ∀ y ∈ Rn . w w < Ay, b − Ax0 >= 0 ⇒ yt At (b − Ax0 ) = 0 ⇒ yt (At b − At Ax0 ) = 0 w w At Ax0 = At b José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 5 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. Si las columnas de A son independientes la solución de las ecuaciones normales es única, como se puede ver aplicando la factorización QR a A José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. Si las columnas de A son independientes la solución de las ecuaciones normales es única, como se puede ver aplicando la factorización QR a A At Ax0 = At b José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. Si las columnas de A son independientes la solución de las ecuaciones normales es única, como se puede ver aplicando la factorización QR a A At Ax0 = At b (QR)t (QR)x0 = (QR)t b José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. Si las columnas de A son independientes la solución de las ecuaciones normales es única, como se puede ver aplicando la factorización QR a A At Ax0 = At b (QR)t (QR)x0 = (QR)t b R t Q t QRx0 = R t Q t b José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Método de los mı́nimos cuadrados A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0 solución óptima y a E 2 = kAx0 − bk2 se le llama error cuadrático. Si las columnas de A son independientes la solución de las ecuaciones normales es única, como se puede ver aplicando la factorización QR a A At Ax0 = At b (QR)t (QR)x0 = (QR)t b R t Q t QRx0 = R t Q t b Rx0 = Q t b. José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 6 Ajuste de datos Relacion lineal Si se espera una relación lineal entre los datos y = a + bx y1 = .. . a + bx1 ym = a + bxm José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 7 Ajuste de datos Relacion lineal Si se espera una relación lineal y1 = a + bx1 .. ⇒ . ym = a + bxm entre los datos y = a + bx 1 x1 y1 .. .. a = .. . . . . b 1 xm ym José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 7 Ajuste de datos Relacion lineal Si se espera una relación lineal y1 = a + bx1 .. ⇒ . ym = a + bxm entre los datos y = a + bx 1 x1 y1 .. .. a = .. . . . . b 1 xm ym (y = a + bx + cx 2 ) x1 x12 a .. .. b = . . 2 c 1 xm xm Relación Cuadrática 1 .. . José Vicente Romero Bauset y1 .. . . ym Tema 6.- Aproximación por mı́nimos cuadrados. 7 Ajuste de datos n El error cuadrático ( ∑ (yi − y (xi ))2 ) depende del número de puntos i=1 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 8 Ajuste de datos n El error cuadrático ( ∑ (yi − y (xi ))2 ) depende del número de puntos i=1 ⇓ Se define el ı́ndice de determinación como m ∑ (y (xk ) − y)2 d= k=1 m , 2 ∑ (yk − y) k=1 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 8 Ajuste de datos n El error cuadrático ( ∑ (yi − y (xi ))2 ) depende del número de puntos i=1 ⇓ Se define el ı́ndice de determinación como m ∑ (y (xk ) − y)2 d= k=1 m ∑ (yk − y)2 , y= 1 m ∑ yk m k=1 k=1 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 8 Ajuste de datos n El error cuadrático ( ∑ (yi − y (xi ))2 ) depende del número de puntos i=1 ⇓ Se define el ı́ndice de determinación como m ∑ (y (xk ) − y)2 d= k=1 m ∑ (yk − y)2 , y= 1 m ∑ yk m k=1 k=1 Es fácil ver que 0 ≤ d ≤ 1. José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 8 Ajuste de datos Los ajustes anteriores son casos particulares del ajuste por modelos lineales y = a1 φ1 (x) + a2 φ2 (x) + · · · + an φn (x). José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 9 Ajuste de datos Los ajustes anteriores son casos particulares del ajuste por modelos lineales y = a1 φ1 (x) + a2 φ2 (x) + · · · + an φn (x). ⇓ φ1 (x1 ) φ1 (x2 ) .. . φ2 (x1 ) φ2 (x2 ) .. . ··· ··· .. . φn (x1 ) φn (x2 ) .. . φ1 (xm ) φ2 (xm ) · · · φn (xm ) José Vicente Romero Bauset a1 a2 .. . an = y1 .. . . ym Tema 6.- Aproximación por mı́nimos cuadrados. 9 Ajuste de datos Los ajustes anteriores son casos particulares del ajuste por modelos lineales y = a1 φ1 (x) + a2 φ2 (x) + · · · + an φn (x). ⇓ φ1 (x1 ) φ1 (x2 ) .. . φ2 (x1 ) φ2 (x2 ) .. . ··· ··· .. . φn (x1 ) φn (x2 ) .. . φ1 (xm ) φ2 (xm ) · · · φn (xm ) a1 a2 .. . = an y1 .. . . ym Algunas funciones no lineales se pueden linealizar y = aebx ⇒ ln y = ln a + bx José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 9 Ajuste de datos Ejemplo El nivel del agua en el mar del Norte está principalmente determinado por la marea. Se han tomado las siguientes mediciones t h(t) 0 1 2 1.6 4 1.4 6 0.6 8 0.2 10 0.8 con t medido en horas. a) Ajuste a los datos anteriores una recta. Para ello escriba las ecuaciones normales y resuelva dicho sistema por el método de Gauss-Jordan. ¿Tiene sentido la solución obtenida para tiempos grandes? b Ajuste por mı́nimos cuadrados los datos anteriores a una función del tipo πt πt h(t) = h0 + a1 sen + a2 cos 6 6 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 10 Ajuste de datos h = a + bx José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos h = a + bx 1 1.6 1.4 0.6 0.2 0.8 = = = = = = a a a a a a + + + + + + 0b 2b 4b 6b 8b 10 b José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos 1 1.6 1.4 0.6 0.2 0.8 = = = = = = a a a a a a + + + + + + 0b 2b 4b 6b 8b 10 b h = a + bx 1 0 1 2 1 4 ⇒ 1 6 1 8 1 10 {z | A José Vicente Romero Bauset ! a = b | {z } x0 } | 1 1.6 1.4 0.6 0.2 0.8 {z d } Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos 1 1.6 1.4 0.6 0.2 0.8 = = = = = = a a a a a a + + + + + + 0b 2b 4b 6b 8b 10 b h = a + bx 1 0 1 2 1 4 ⇒ 1 6 1 8 1 10 {z | A ! a = b | {z } x0 } | 1 1.6 1.4 0.6 0.2 0.8 {z d } At Ax0 = At d José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos 1 1.6 1.4 0.6 0.2 0.8 = = = = = = a a a a a a + + + + + + 0b 2b 4b 6b 8b 10 b At Ax0 = At d ⇒ h = a + bx 1 0 1 2 ! 1 4 a ⇒ = 1 6 b 1 8 | {z } x0 1 10 {z } | | A ! ! 6 30 5.6 x0 = 30 220 22 José Vicente Romero Bauset 1 1.6 1.4 0.6 0.2 0.8 {z d } Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos 1 1.6 1.4 0.6 0.2 0.8 = = = = = = a a a a a a + + + + + + 0b 2b 4b 6b 8b 10 b At Ax0 = At d ⇒ 6 30 F1 − 30F2 −−−−−→ 30 220 5.6 22 F2 − 5F1 −−−−→ ! 6 0 286 F1 353 6 0 1 − 35 → − h = a + bx 1 0 1 2 ! 1 4 a ⇒ = 1 6 b 1 8 | {z } x0 1 10 {z } | | A ! ! 6 30 5.6 x0 = 30 220 22 ! 6 30 6 30 5.6 F2 70 0 70 −6 → 0 1 − 1 0 José Vicente Romero Bauset 0 1 ! 143 105 ⇒ x0 = 3 − 35 1 1.6 1.4 0.6 0.2 0.8 {z d 5.6 3 − 35 } ! 1.36 −0.086 ! Tema 6.- Aproximación por mı́nimos cuadrados. 11 Ajuste de datos José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 12 Ajuste de datos h(t) = h0 + a1 sen José Vicente Romero Bauset πt 6 + a2 cos πt 6 Tema 6.- Aproximación por mı́nimos cuadrados. 13 Ajuste de datos h(t) = h0 + a1 sen 1 = h0 + sen 1.6 = h0 + sen 1.4 = h0 + sen 0.6 = h0 + sen 0.2 = h0 + sen 0.8 = h + sen 0 π0 6 a1 π2 6 a1 π4 6 a1 π6 6 a1 π8 6 a1 π10 a1 6 + cos + cos + cos + cos + cos + cos πt 6 + a2 cos πt 6 π0 6 a2 π2 6 a2 π4 6 a2 π6 6 a2 π8 6 a2 π10 a2 6 José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 13 Ajuste de datos h(t) = h0 + a1 sen 1 = h0 + sen 1.6 = h0 + sen 1.4 = h0 + sen 0.6 = h0 + sen 0.2 = h0 + sen 0.8 = h + sen 0 π0 6 a1 π2 6 a1 π4 6 a1 π6 6 a1 π8 6 a1 π10 a1 6 + cos + cos + cos + cos + cos + cos πt + a2 cos 6 6 1 0 1 √ 3 1 1 2 2 √ 3 1 1 − 2 2 ⇒ 0 −1 1 √ 1 − 23 − 12 √ 1 1 − 23 2 | {z πt π0 6 a2 π2 6 a2 π4 6 a2 π6 6 a2 π8 6 a2 π10 a2 6 A José Vicente Romero Bauset | 1 1.6 1.4 0.6 0.2 0.8 | {z } a1 = a2 {z } h0 x0 } Tema 6.- Aproximación por mı́nimos cuadrados. 13 d Ajuste de datos h(t) = h0 + a1 sen 1 = h0 + sen 1.6 = h0 + sen 1.4 = h0 + sen 0.6 = h0 + sen 0.2 = h0 + sen 0.8 = h + sen 0 π0 6 a1 π2 6 a1 π4 6 a1 π6 6 a1 π8 6 a1 π10 a1 6 + cos + cos + cos + cos + cos + cos πt + a2 cos 6 6 1 0 1 √ 3 1 1 2 2 √ 3 1 1 − 2 2 ⇒ 0 −1 1 √ 1 − 23 − 12 √ 1 1 − 23 2 | {z πt π0 6 a2 π2 6 a2 π4 6 a2 π6 6 a2 π8 6 a2 π10 a2 6 A | x0 } Tema 6.- Aproximación por mı́nimos cuadrados. 13 1.6 1.4 0.6 0.2 0.8 | {z } a1 = a2 {z } h0 At Ax0 = At d José Vicente Romero Bauset 1 d Ajuste de datos h(t) = h0 + a1 sen 1 = h0 + sen 1.6 = h0 + sen 1.4 = h0 + sen 0.6 = h0 + sen 0.2 = h0 + sen 0.8 = h + sen 0 π0 6 a1 π2 6 a1 π4 6 a1 π6 6 a1 π8 6 a1 π10 a1 6 + cos + cos + cos + cos + cos + cos πt + a2 cos 6 6 1 0 1 √ 3 1 1 2 2 √ 3 1 1 − 2 2 ⇒ 0 −1 1 √ 1 − 23 − 12 √ 1 1 − 23 2 | {z πt π0 6 a2 π2 6 a2 π4 6 a2 π6 6 a2 π8 6 a2 π10 a2 6 A 6 0 A Ax0 = A d ⇒ 0 t t 0 3 0 0 | x0 } José Vicente Romero Bauset d Tema 6.- Aproximación por mı́nimos cuadrados. 13 1.6 1.4 0.6 0.2 0.8 | {z } a1 = a2 {z } h0 5.6 0.93 1.73 0.58 0 x0 = ⇒ x0 = 3 0.8 0.27 1 Ajuste de datos José Vicente Romero Bauset Tema 6.- Aproximación por mı́nimos cuadrados. 14