Regresión lineal por mínimos cuadrados

Resumen

Se ajusta una ecuación de una recta de prueba para simular puntos arbitrarios en el plano cartesiano.
Posteriormente, mediante el método de Regresión Lineal por Mínimos Cuadrados, se busca aproximar los coeficientes de una función lineal que asemeje el comportamiento de lo presentado por los datos del experimento analizado y se calculan los errores cuadráticos medios para determinar el porcentaje de identificación de la función generada.
Al final se deja un ejercicio para comprobar los conocimientos.

Contexto

En ocasiones cuando se realiza la captura de algunas señales experimentales, es común no tener datos entre una medición y la otra. Por ejemplo, si se realiza un experimento muy costoso o difícil de reproducir en donde se mide la temperatura de un dispositivo cada hora. Terminado el experimento habrá datos con los que no se cuenten por que no se incluyeron en las mediciones, como la temperatura del dispositivo cada media hora.

Para ello, se busca aproximar una función que asemeje el comportamiento o tendencia que tienen los datos experimentales. De manera que se pueda considerar, bajo un error lo mínimo posible, los datos que se desean, incluso aunque no se hayan medido de forma experimental.

Objetivos de la Actividad

• Mostrar de forma simple y gráfica el uso de la regresión lineal por métodos cuadráticos.
• Presentar una alternativa didáctica para docentes que sea autoguiada y complementaria al curso

Materiales de Enseñanza

La actividad de enseñanza contiene los siguientes temas:

1. Regresión Lineal por Mínimos Cuadráticos
   1. Definición de recta, o puntos a identificar por el modelo lineal
   2. Cálculo de los coeficientes de las ecuaciones normales simultáneas
   3. Determinación de los errores y la precisión del modelo calculado.
   4. Ejercicio
      

Descargar el siguiente archivo con extensión mlx

Live Script de MATLAB:

RegresionLinealMinimosCuadrados.mlx (MATLAB Live Script 87kB Sep26 23)

Acceso desde MATLAB: Link