Mestodos Numericos
Mestodos Numericos
Mestodos Numericos
El primer paso para la aplicación del método consiste en discretizar el recinto del
plano en el que se quiere resolver la ecuación con una malla, por conveniencia cuadrada.
Los puntos de la malla están separados una distancia h en ambas direcciones x e y.
Podemos desarrollar T(x,y) en serie de Taylor alrededor de un punto:
Desde un punto de vista estadístico, un requisito implícito para que funcione el método
de mínimos cuadrados es que los errores de cada medida estén distribuidos de forma
aleatoria. El teorema de Gauss-Márkov prueba que los estimadores mínimos cuadráticos
carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una
distribución normal. También es importante que los datos recogidos estén bien
escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para
dar más peso a un dato en particular, véase mínimos cuadrados ponderados).
La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas. Muchos
otros problemas de optimización pueden expresarse también en forma de mínimos
cuadrados, minimizando la energía o maximizando la entropía.
∑ (Y-- Y) = 0.
2. Es mínima la suma de los cuadrados de dichas desviaciones. Ninguna otra recta daría.
Una suma menor de las desviaciones elevadas al cuadrado ∑ (Y-- Y)² → 0 (mínima).
Ecuaciones normales del modelo que pueden ser resueltas por cualquier método ya
sea igualación o matrices para obtener los valores de a y b.