Professional Documents
Culture Documents
1. Regresin Mltiple
En este caso analizaremos un conjunto de datos, que relaciona la el caudal
descargado con intensidad de precipitacin y el rea de varias cuencas del
Per, donde Q(m3/s), A(Km2) e I(mm/hr)
y= 1 x 1 + 2 x 2 + 3 x 3 + + p x p
Donde;
y
: es la variable dependiente
x 1 , x 2 , .. x p
1 , 2 , .. p
[ ] [ ][ ]
x 1,1
y1
x 2,1
y2
y 3 = x 3,1
yn
x n ,1
x 1,2
x 2,2
x 3,3
x 1,P
x 2,P
x 3,P
xn , P
1
2
3
y=( x )
^
= ,
Donde
[
[ ]
x 2i 1 xi 2 xi 1 xi 3 xi 1
( x ' x )= x i1 xi 2 x 2i 2 xi 3 xi 2
xi 1 xi 3 xi 2 xi 3 x 2i 3
yi
( x y )= xi 2 yi
xi 3 yi
'
()
puede
ser
estimado
por:
y= 1 x 1 + 2 x 2 + 3 x 3 + + p x p
Q=4,136+12,901 A0,522 I
-0.5247
Si usamos la caja de herramientas de MATLAB podemos tambin determinar
este modelo lineal mltiple u otros modelos no lineales. Activamos la opcin
Surface Fitting Tool.
2. Regresin No Lineal
Tambin podemos ensayar modelos de regresin no lineal, por ejemplo
polinmicos de grados mayores a la unidad, MATLAB nos da la opcin de
efectuar regresiones en x e y para respuestas en z, en grados de 2 a 5, con lo
que podemos obtener las combinaciones que sean factibles segn los datos
existentes, a continuacin se muestra la primera opcin ensayada grado 2 en x
(A) y grado 1 en (I).
Goodness of fit:
SSE: 273
R-square: 0.9795
p10 =
p01 =
p11 =
p02 =
Goodness of fit:
SSE: 266.3
R-square: 0.98
Adjusted R-square: 0.9712
RMSE: 5.439
p10 =
p01 =
p11 =
p02 =
p12 =
p03 =
Goodness of fit:
SSE: 232
R-square: 0.9826
Adjusted R-square: 0.9677
RMSE: 5.757