Método de mínimos cuadrados
Etapa 1 · Los fundamentos (1763–1942) › Probabilidad y estadística
- Linaje
- Datos y aprendizaje
- Tipo
- Publicación
Quién
Qué ocurrió
Adrien-Marie Legendre publica en París Nouvelles méthodes pour la détermination des orbites des comètes, con un apéndice sobre el método de mínimos cuadrados.
Qué aportó
Primera exposición clara del método para ajustar un modelo a medidas con error: elegir los valores que hacen mínima la suma de los cuadrados de los errores. Es el antecesor directo de la regresión y del entrenamiento por minimización de una función de error.
Desarrollo
A principios del siglo XIX los astrónomos y los geodestas tenían un problema práctico. Acumulaban más observaciones que incógnitas, y como cada medida tenía su error, las ecuaciones no encajaban todas a la vez. Había que elegir una solución que repartiera esos errores con algún criterio.
En 1805 Adrien-Marie Legendre, matemático francés, propuso uno en un apéndice de unas pocas páginas de su libro sobre las órbitas de los cometas: escoger los valores que hacen mínima la suma de los cuadrados de los errores. Según su propia explicación, así se establece entre los errores «una especie de equilibrio» que impide que los extremos pesen demasiado. Lo ilustró con los mismos datos sobre la forma de la Tierra que había usado Laplace.
El método tuvo varios padres. Carl Friedrich Gauss lo publicó en 1809 y afirmó que lo usaba desde 1795, lo que abrió una disputa de prioridad con Legendre. Gauss lo había aplicado en 1801, con 24 años, para calcular la órbita de Ceres, el asteroide que Giuseppe Piazzi había perdido de vista tras 40 días de observación; gracias a su predicción, Franz Xaver von Zach volvió a encontrarlo. En Estados Unidos, Robert Adrain llegó a la misma idea en 1808.
Gauss unió después el método con la distribución normal de los errores. Minimizar una suma de errores al cuadrado sigue siendo hoy la forma más común de ajustar un modelo a unos datos, desde la regresión lineal hasta muchas redes neuronales.
Cinco puntos dispersos y una recta que pasa entre ellos; de cada punto sale un cuadrado cuyo lado es su distancia vertical a la recta.
Nivel técnico
Con medidas yᵢ y un modelo que predice f(xᵢ) según unos parámetros, el método elige los parámetros que hacen mínima la suma Σ (yᵢ − f(xᵢ))². Elevar al cuadrado evita que errores de signo contrario se anulen y castiga más los errores grandes.
Si el modelo es lineal en sus parámetros, como una recta y = a + bx, el mínimo se obtiene resolviendo un sistema de ecuaciones lineales, las «ecuaciones normales». Es el mismo cálculo que hace hoy una regresión lineal, y la misma idea, minimizar un error cuadrático, guía el entrenamiento de muchas redes neuronales.
Lleva a
Théorie analytique des probabilités (1812)
Herencia sin relación directa demostrada
El tratado de Laplace incorpora el método de mínimos cuadrados a su teoría general de la probabilidad
Bibliografía
Fuente original
Cómo citar
«Método de mínimos cuadrados». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/legendre-minimos-cuadrados
Última revisión de esta ficha: 13 de noviembre de 2026.