Metraipolis › archive › dc_be32a325230b
Mínimos cuadrados — Wikipedia (es)
- Source
- Wikipedia (es)
- Original
- https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-07T20:18:00.511Z
- SHA-256 of the archived text
c4cf00665dcdfb9640851ff91516fa1d08caa73d03ca92fc43f18ccbe1450402- Stable URL of this page
https://metraipolis.com/documento/dc_be32a325230b
How to cite
Mínimos cuadrados — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_be32a325230b (Metraipolis archive dc_be32a325230b, sha256 c4cf00665dcdfb9640851ff91516fa1d08caa73d03ca92fc43f18ccbe1450402)
BibTeX
@misc{dcbe32a325230b,
title = {Mínimos cuadrados — Wikipedia (es)},
howpublished = {Wikipedia (es)},
url = {https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_be32a325230b; sha256 c4cf00665dcdfb9640851ff91516fa1d08caa73d03ca92fc43f18ccbe1450402},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la que, dados un conjunto de pares ordenados —variable independiente, variable dependiente— y una familia de funciones, se intenta encontrar la función continua, dentro de dicha familia, que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático. En definitiva, esta técnica de mínimos cuadrados promedio es sencillamente un procedimiento matemático para encontrar la curva que mejor se ajuste a un conjunto dado de puntos mediante el mecanismo que procura minimizar las diferencias entre las ordenadas de los puntos de la curva de la función elegida y los correspondientes valores en los datos. Se denominan residuos a estas diferencias. El algoritmo LMS (del inglés, Least-Mean-Square algorithm) se usa en filtros adaptativos para encontrar los coeficientes del filtro que permiten obtener el valor esperado mínimo del cuadrado de error en tanto diferencia entre lo esperado y lo producido. El algoritmo LMS, se emplea, específicamente, cuando el número de datos medidos es uno y se usa el método de descenso por gradiente para minimizar el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado esperado, con el mínimo de operaciones (por iteración), pero requiere un gran número de iteraciones para converger. 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 a procesar 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. Tema degli esploratori: matematica e informatica teorica (deposito sistematico; ricerca «álgebra lineal»). Fonte: Wikipedia in spagnolo, voce «Mínimos cuadrados» — https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados Wikidata Q74304 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q74304 Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 174925834, consultata il 2026-10-07T19:38:25.352Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: e5291a701696b18f08f8d6465161ae044d379439bbb0e819b86ab9929f132015