Upload
paulo-rivera
View
229
Download
5
Embed Size (px)
DESCRIPTION
diseño de bloques
Citation preview
FACULTAD DE CIENCIAS PECUARIAS
INGENIERIA EN PRODUCCION ACUICOLA
CONSULTA DE MÍNIMOS CUADRADOS
PRECENTADO POR: KEVIN ARNOL BOLAÑOS
PROFESOR: MARCO ANTONIO IMUEZ
UNIVERSIDAD DE NARIÑO
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 llamarán funciones base. Se desea
encontrar una función de dicho espacio, o sea, combinación 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 función sea la mejor aproximación a los n pares empleando, como criterio de "mejor", el criterio del mínimo error cuadrático medio
de la función con respecto a los puntos .
El error cuadrático medio será para tal caso:
Minimizar el error cuadrático medio es equivalente a minimizar el error cuadrático, definido como el radicando del error cuadrático medio, esto es:
OBTENCIÓN DE ECUACIONES NORMALES DEL MÍNIMO CUADRADO
Se obtiene un sistema de m ecuaciones con m incógnitas, 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 ecuación "i-ésima" del sistema de m ecuaciones normales:
, para cada i=1,2, . . .,m
Lo cual, en forma matricial, se expresa como:
Siendo el producto escalar discreto, definido para dos funciones dadas h(x) y g(x) como:
,y para una función h(x) y vector cualquiera u, como:
La resolución de dicho sistema permite obtener, para cualquier base de funciones derivables localmente, la función f(x) que sea mejor aproximación mínimo cuadrática al conjunto de puntos antes mencionado. La solución es óptima –esto es, proporciona la mejor aproximación siguiendo el criterio de mínimo error cuadrático–, puesto que se obtiene al optimizar el problema
ESTIMACIÓN DE βo Y β1
Los parámetros del modelo lineal se estiman a través del método de mínimos cuadrados. Llamamos β o ˆ y 1 βˆ a los estimadores de mínimos cuadrados de β o y β1 , para obtenerlos no es necesario hacer los supuestos 1,2 y 4, sólo el de LINEALIDAD. ♦
β o ˆ es un estimador insesgado deβ o
♦ βˆ1 es un estimador insesgado de β1
Esto significa que: ♦
β o ˆ tiene una distribución de muestreo con media βo y
βˆ1 tiene una distribución de muestreo con media β1
Recordar. La distribución de muestreo de β o ˆ y 1 βˆ se obtendría empíricamente repitiendo infinitas veces el experimento (5 ratas con las mismas dosis y en las mismas condiciones), y calculando para cada repetición las estimaciones β o ˆ y 1 βˆ de los parámetros.