Professional Documents
Culture Documents
mes
Ref N
1
2
3
4
5
6
Y
pu
0
4
7
10
14
18
53
X2
10
27.5
27.5
40
60
57.5
222.5
X*Y
0
16
49
100
196
324
685
0
110
192.5
400
840
1035
2577.5
222.5 *
6*
685 685 -
6*
6*
2577.5 685 -
53 *
2577.5
2809
53 *
2809
222.5
15805
1301
12.15
3672.5
1301
2.82
X
mes
Ref N
1
2
3
4
5
6
7
8
Y
Bs/m2
0
5
8
10
14
15
18
20
90
Y=
8.6453 *
Y
23
110.2526
LogY
10
15
15
30
35
50
70
80
305
X^2
1.0000
1.1761
1.1761
1.4771
1.5441
1.6990
1.8451
1.9031
11.8205
X*LogY
25.0000
64.0000
100.0000
196.0000
225.0000
324.0000
400.0000
1,334.0000
5.8805
9.4087
14.7712
21.6170
25.4846
33.2118
38.0618
148.4355
11.8205 *
8*
8*
8*
1.1170 ^
1,334.0000 1,334.0000 -
90 *
148.4355 1,334.0000 -
90 *
8,100.0000
148.4355
8100
11.8205
2409.39487
2572
AntLog
0.9368
8.6453
123.636042
2572
AntLog
0.0481
1.1170
N Ref
1
2
3
4
5
6
7
8
Y
PU
0
5
8
10
14
15
18
20
90
Y=a+bX
Y=
X2
10
15
15
30
35
50
70
80
305
38.125
0
25
64
100
196
225
324
400
1334
305 *
8*
8*
8*
-2.5972 +
X*Y
SCR
(-)^2
0
-2.5972
1,658.2976
75 15.5016
511.8203
120 26.3608
138.3962
300 33.6003
20.4728
490 48.0793
99.0884
750 51.6991
184.2553
1260 62.5583
596.9871
1600 69.7978
1,003.1677
4595
4212.48542
R^2=SCR/SCT=
1334 1334 4595 1334 -
3.6198 *
Y
21
73.4176 Bs/m2
Fo(tabla):
K=
n-(K+1)=
Fo=
39.8413 >>
6
5.99
5.99
Conseguir la curva de resultados que se ajuste exactamente a la curva de datos puede ser imposible,
de determinacin R que es el que nos indique cunto se ajusta. El coeficiente de determinacin ni siq
La F de Fisher nos permite saber si el nmero de referenciales y de variables son congruentes.
R^2(lineal)=
86.91%
R^2(exponencial=
87.04% (Calculado en clase).
87.04% >
86.91%
Por lo tanto:
Elegimos utilizar la Regresin Exponencial.
GRFICO DE
DE LOS PRECIOS
90
80
f(x) = 8.6452731958 ex
R =
f(x)0.9531223245
= 3.6197511664
70
Obsrvese:
X
N Ref
Mes
1
2
3
4
5
6
7
8
=
Ob Av:
Y
PU
0
5
8
10
14
15
18
20
21
(Lineal) (Exp)
PU(Lineal)PU(Exp)
PU (Bs/m2)
10
-2.5972 8.6452732
15 15.5016 15.035876
15 26.3608 20.957464
30 33.6003 26.150424
35 48.0793 40.715403
50 51.6991 45.480867
70 62.5583 63.392625
80 69.7978 79.100411
38.125 38.1250
37.4348 Bs/m2
73.4176 181.5507 Bs/m2
60
R = 0.8691136908
50
40
30
20
10
0
NOTA; Se observa que hay una diferencia entre las ecuaciones exponenciales hecha en clase y de la
R2, pero que en las lineales dieron iguales la Reggresin hecha en casa que la lnea de tendencia, en
por si apunt algo de manera incorrecta y as corregirlo a tiempo (porque eso fue hecho en clase y no
PU
90
80
70
60
50
40
30
20
10
0
10
15
20
25
90 *
8100
305
SCT=SCE+SCR=>SCE=SCT-SCR=>SCE=
SCR
K
SCE
n-(K+1)
=>
4,212.4854
1
634.3896
6
F>>Fo
9310
2572
4,846.8750 -
4,212.4854
39.8413
OK
urva de regresin. Indica la cantidad de variacin en Y que se explica en la ecuacin de regresin. Es el que nos
datos puede ser imposible, por lo que se busque la que se ajuste lo ms posible, por eso calculamos el coeficien
nte de determinacin ni siquiera es un nmero sino una cuestin geomtrica
es son congruentes.
70
60
R = 0.8691136908
50
40
30
20
10
0
10
15
20
25
Mes
ales hecha en clase y de la lnea de tendencia del excel, as como una diferencia entre sus
e la lnea de tendencia, en sus ecuaciones y R2. Por tanto preguntar maana al profesor
eso fue hecho en clase y no parte del taller como tal.
20
25
utilidad?
todo que mejor sirve para ajustar los valores de los referenciales por fecha e
mo. Tiene que ver con esta materia?, sera el que vimos ayer en clase?, o,
N REGRESIN LINEAL:
no compro?
mercado que
-2.60
3.62
634.3896
1
X
mes
Ref N
Y
Bs/m2
1
2
3
4
5
6
7
8
0
5
8
10
14
15
18
20
90
Ybarra
Y=a*b^X
Y=
10
15
15
30
35
50
70
80
305
38.125
8.6453 *
LogY
X^2
1.0000
1.1761
1.1761
1.4771
1.5441
1.6990
1.8451
1.9031
11.8205
X*LogY
25.0000
64.0000
100.0000
196.0000
225.0000
324.0000
400.0000
1,334.0000
5.8805
9.4087
14.7712
21.6170
25.4846
33.2118
38.0618
148.4355
11.8205 *
8*
8*
8*
1.1170 ^
Y
21
181.5507 Bs/m2
Fo(tabla):
K=
n-(K+1)=
Fo=
40.2825 >>
Si me lo estn ofreciendo en 60Bs/m2 Compro o no compro?
S compro, porque est por debajo de l valor de mercado que es:
SCR
SCT
Y(sombrerit(Ysombrerit(Y-Ybarra)^2
8.6452732 869.054292 791.015625
15.0358757 533.107662 534.765625
20.957464 294.724293 534.765625
26.1504237 143.390477 66.015625
40.7154026 6.71018554
9.765625
45.4808669 54.108778 141.015625
63.3926251 638.45288 1016.01563
79.1004107 1678.98428 1753.51563
4,218.5328 4,846.8750
R^2=
0.87036139 =
1,334.0000 1,334.0000 -
90 *
148.4355 1,334.0000 -
90 *
8,100.0000
87.04%
148.4355
8100
11.8205
SCT=SCE+SCR=>SCE=SCT-SCR=>SCE 4,846.8750 -
SCR
K
SCE
n-(K+1)
4,218.5328
1
628.3422
6
1
6
5.99
5.99 =>
F>>Fo
181.55 Bs/m2
OK
40.2825
2409.39487
2572
AntLog
0.9368
8.6453
123.636042
2572
AntLog
0.0481
1.1170
4,218.5328 =
628.3422
X1
X2
X3
X4
X1
1
-0.25
0.4
X2
X3
X4
1
1
1
N REF
PU (Y)
1
2
3
4
5
6
7
8
9
10
11
12
M2 (X1)
98750
124500
119500
87250
108250
75000
97500
145000
133250
70500
100750
150000
X2 (AOS)
100
75
80
110
90
65
100
60
65
125
90
100
7
1
3
12
7
3
13
1
8
16
19
8
A
B
C
R2
r (Landa)
F
SCR
SCT
Ahora le vamos a pedir a la computadora que nos genere la salida N3, que es la matriz de correlacin
Y1
X1
X2
Y2
1
0.6975
0.6975
1
0->0,30=>Dbil
0,30->0,75=>Media
0,75->2,00=> Fuerte *
Cuando es dbil o media no hay problema,
pero cuando es fuerte es cuando s hay
problema.
Entonces, para mejorar el R2 no hay que eliminar varibles, lo que hay que hacer es identificar y elimin
Los valores atpicos son los que ms se alejan de la lnea recta de la regresin.
Y=A+BX1+CX2 (esta es la ecuacin de un plano tridimencional)
Exponencial
164973.071
0.99589442
0.99075842
0.2684
error
1.6515
error
error
este caso el R2 de la regresin lineal es mayor que el de la regresin exponencial, por lo tanto se toma para trab
al.
el Excel el modelo de Regresin exponencial est erroneamente llamado o denominado como Logartmico.
il
Media
Fuerte *
l o media no hay problema,
fuerte es cuando s hay
ces tendramos un plano de 4 dimensiones pero que no se puede graficar porque no se puede regresentar fsica
N REF
PU (Y)
1
2
3
4
5
6
7
8
9
10
11
12
98750
124500
119500
87250
108250
75000
97500
145000
133250
70500
100750
150000
M2 (X1)
X2 (AOS)
100
75
80
110
90
65
100
60
65
125
90
100
7
1
3
12
7
3
13
1
8
16
19
8
Y-
105,700
6,950
122,470
2,030
118,241
1,259
96,148
8,898
109,783
1,533
124,366
49,366
99,138
1,638
128,595
16,405
118,897
14,353
85,649
15,149
96,659
4,091
104,606
45,394
(los valores absolutos es porque a nosotros no nos interesa el signo sino la magnitud, el
signo solo nos indicara si est por encima o por debajo de la recta
o la magnitud, el
R=1/n=
k=
0.08333333
-1.38299413
Rr=-1,38295587*24.391,5164=-33.741,6635
N REF
PU (Y)
1
2
3
4
5
7
8
9
10
11
M2 (X1)
98750
124500
119500
87250
108250
97500
145000
133250
70500
100750
X2 (AOS)
100
75
80
110
90
100
60
65
125
90
7
1
3
12
7
13
1
8
16
19
Y-
105,700
6,950
122,470
2,030
118,241
1,259
96,148
8,898
109,783
1,533
99,138
1,638
128,595
16,405
118,897
14,353
85,649
15,149
96,659
4,091
Y=
201261.5
+
-983.999794 *M2 (X1)
X1=
85
X2=
5
Y=
114,938.46
Por lo tanto, el valor del apartamento es de:
85 *
9,769,769.20
ESTIMACIN LINEAL O REGRESIN LINEAL COMPRIMIDA:
-536.611263
ESTIMACIN LINEAL O REGRESIN LINEAL:
-536.611263 -983.999794
201261.5
142.676756 43.7999005 3263.63483
0.99412436 1942.10911 #N/A
592.179888
7 #N/A
4467153736 26402514.5 #N/A
A
B
C
R2
R2
F
SCR
SCT
201261.5
-983.999794
-536.611263
0.9941
1992.109
592.1798
4467153736
26402514.5
114,938.46 =
CUADROS EXPLICATIVOS:
Regresin Lineal
E
D
C
B
desviaciones estandar parciales de cada variable
R2
r
F
n-(k+1)
SCR
SCE
X1
X2
X3
X4
CAPA:
R=1/n=
k=
Matris de Correlacin
X1
X2
X3
1
0.68165115
1
X4
1
1
0.08333333
-1.38299413