INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

Nombre de la asignatura:

Estadstica y Control de Calidad

Carrera: Ingeniera Mecatrnica Clave: MTF-0519 Hrs. teora - Hrs. prctica - Crditos: 2 - 4 - 8
INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

UNIDAD 2

Anlisis de Regresin
1 0 1 2 3 2 3 1 2 3 4 4 5 2.1 Modelo de regresin lineal simple 2.1.1 Diagramas de dispersin. 2.1.2 Mtodo de los mnimos cuadrados. 2.1.3 Anlisis residual. 2.1.4 Correlacin. 2.2 Modelos de regresin mltiple. 2.2.1 Estimacin de parmetros 2.2.2 Medidas de adecuacin de modelos. 2.2.3 Coeficiente de determinacin mltiple. 2.2.4 Matriz de correlacin. 2.3 Modelo de regresin exponencial y su interpretacin. 2.4 Modelo de regresin logartmica y su interpretacin.

RAMIRO JOSE GONZALEZ HORTA A r q u i t e c t o

TEMARIO

UNIDAD 2 Anlisis de Regresin

6 7 2.3 Modelo de regresin exponencial y su interpretacin.

Ser aquella en la que la funcin de ajuste ser una funcin exponencial del tipo y = a.bx La regresin exponencial aunque no es lineal es linealizable tomando logaritmos ya que haciendo el cambio de variable v = log y tendremos que la funcin anterior nos generara: v = log y = log( a.bx) = log a + x log b

la solucin de nuestro problema vendra de resolver la regresin lineal entre v x, y una vez obtenida supuesta sta: v* = A + B x ; obviamente la solucin final ser: a = antilog A y b = antilog B. Antes de proceder a la regresin, hay que transformar la ecuacin no lineal, y = f(x), en otra del tipo Y = A + BX, donde Y, X, A y B son funciones de y, x, a y b respectivamente.

La regresin exponencial: X 1.9 2.2 2.9 3.6 3.8 4.6 5.5 0 0 0 0 0 0 24.5 Y 5.5 7.4 9.8 11.6 11.6 12.2 11.2 0 0 0 0 0 0 69.3

Y = a * b^X ni 1 1 1 1 1 1 1 0 0 0 0 0 0 7 X^2

ln Y= ln a + X * ln b Y'=lnY 1.704748 2.00148 2.282382 2.451005 2.451005 2.501436 2.415914 Y'^2 2.9061661 4.0059222 5.2092694 6.007426 6.007426 6.2571818 5.8366394

Y' = a' + X * b' XY' 3.239021 4.403256 6.618909 8.823618 9.313819 11.50661 13.28753

Totales

3.61 4.84 8.41 12.96 14.44 21.16 30.25 0 0 0 0 0 0 95.67 15.80797 36.230031

Ttulo del grfico 16 14 12 10 8 6 4 2 0 1.190438 0.275469 0 1 2 3 4 5

y = 4.9546e 2 R = 0.66

0.188x

Y Exponencial (Y)

57.19276

N= Media X Media Y'

7 3.5 2.2583

Var(X) 1.4171429 desv(X) Var(Y') 0.0758834 desv(Y') Cov(X,Y' ) 0.2664084

Para obtener el ajuste exponencial, hacemos un ajuste lineal a los datos (X,lnY)=( X,Y' ) La recta de regresin de Y' sobre X es:

Y'= La recta de regresin es Y'= El coeficiente de correlacin lineal vale El coeficiente de determinacin vale

a' + 1.6003172 + 0.8123958 0.6599869 Y=a*b^X

X* X*

b' 0.18798979

Luego la ecuacin para la regresin exponencial se obtiene: siendo a=e^a' y b=e^b' Por tanto a= b= Y=a*b^X 4.9546038 1.2068212

Y la regresin exponencial es

La previsin para X= 10 vale Y*= 32.46671 miles de euros Que como observamos est bastante lejos de lo que parece razonable. Riesgo de extrapolacin.