Ajuste de Mínimos Cuadrados: Fundamentos y Aplicaciones
Ajuste por Mínimos Cuadrados
El ajuste es una rama de la matemática aplicada cuyo objetivo es encontrar una solución única a un sistema de ecuaciones lineales superabundantes y determinar su precisión. Es decir, cuando n > u, donde:
n = número de ecuaciones (observaciones)
u = número de incógnitas (parámetros)
Si n = u, existe una solución única. El objetivo del ajuste es adaptar nuestras observaciones a través de un modelo matemático, de manera que su solución represente la mejor estimación.
Conceptos Clave
Modelo matemático: Es una fórmula que representa una realidad física o funcional.
Mejor estimación: Se obtiene mediante el método de mínimos cuadrados.
Medida vs. Observación
Medida: Es el proceso de obtención de un ángulo, distancia, etc.
Observación: Es el resultado de esa medida (10°, 20 cm, etc.). Estas tienen una precisión, a la cual le asignamos un peso. Trabajaremos con la varianza.
Modelo matemático: Es la expresión que representa una realidad física con suficiente precisión (modelo teórico).
Ejemplo: ax + by + cz + d = 0 (ecuación de un plano)
Modelo matemático funcional: Es la fórmula matemática que representa una situación.
Lo más importante del ajuste es encontrar el modelo matemático que representa la situación.
Modelo matemático de ajuste (estocástico o probabilístico): Es la formulación matemática que se empleará para realizar el ajuste. Este modelo permite encontrar los parámetros por medio de una función aplicada a las observaciones. Su elección depende de la forma del modelo matemático funcional.
La = observaciones; xa = parámetros; F = modelo matemático funcional
La desviación estándar muestra la dispersión.
Grados de Libertad y Errores
GRADOS DE LIBERTAD (redundancia): r = (n - u), donde n = número de ecuaciones y u = número de incógnitas.
ERROR GROSERO (ε > 3σ): Es aquel cuyo valor excede 3 veces la desviación estándar.
Esperanza Matemática
Esperanza matemática: Es el valor esperado de un conjunto de observaciones.
Propiedades de la Esperanza Matemática
- E(c) = c
- E(E(x)) = E(x)
- E(x + y) = E(x) + E(y)
- E(cx) = c * E(x)
- E(x * y) = E(x) * E(y)
- E(x2) ≠ (E(x))2
Varianza
Varianza: Sea una función g(x) donde: g(x) = (x - E(x))2 = (x - μx)2
La esperanza de esta función es llamada varianza de x.
DESVIACIÓN ESTÁNDAR: σx = √σ2x
Covarianza
Covarianza: Es el grado de dependencia entre dos variables y representa el grado de dependencia lineal entre ellas.
Momentos de una Variable Aleatoria
Para 2 variables aleatorias se tiene: MLN = E((x - μx)L (y - μy)N)
Matriz Varianza-Covarianza
Matriz Varianza-Covarianza (o momento de orden 2)
Coeficiente de Correlación
Coeficiente de correlación: Es el grado de relación entre las variables. Cuando es cero, son variables independientes.
NOTA: Las observaciones no correlacionadas son independientes y su covarianza es 0.