Regresión Exponencial Metodo Numerico

Regresión exponencial mediante el principio de los mínimos cuadrados
Fue Francis Galton (1822-1911) quien utilizó por primera vez el término
regresión para indicar que, aunque influida por la estatura de sus padres,
la estatura de los hijos "regresaba" a la media general.
La regresión examina la relación entre dos variables, pero restringiendo

una de ellas con el objeto de estudiar las variaciones de una variable
cuando la otra permanece constante. En otras palabras, la regresión es
un método que se emplea para predecir el valor de una variable en
función de valores dados a la otra variable.
En todos los casos de regresión existe una dependencia funcional entre

las variables. En el caso de dos variables, siendo una de ellas (X) variable
independiente y la otra (Y) la dependiente, se habla de regresión de Y
sobre X; Por ejemplo, los ingenieros forestales utilizan la regresión de la
altura de los árboles sobre su diámetro, lo cual significa que midiendo el
diámetro (variable independiente) y reemplazando su valor en una
relación definida según la clase de árbol se obtiene la altura, y aun sin
necesidad de cálculos aprecian la altura utilizando gráficas de la función
de dependencia, altura = función del diámetro.
Cuando la curva de regresión de y sobre x es exponencial, es decir para

cualquier x considerada, la media de la distribución está dada por la
siguiente ecuación predictora:
Ejemplo ilustrativo: Las cifras siguientes son datos sobre el porcentaje

de llantas radiales producidas por cierto fabricante que aún pueden
usarse después de recorrer cierto número de millas:
Miles de Millas
1 2 5 15 25 30 35 40
recorridas (X)
Porcentaje útil (Y) 99 95 85 55 30 24 20 15
1) Elaborar el diagrama de dispersión.
2) Ajustar una curva exponencial aplicando el método de mínimos

cuadrados.
3) Calcular la ecuación predictora.
4) Graficar la ecuación predictora.
5) Estimar qué porcentaje de las llantas radiales del fabricante durarán

50000 millas.
Solución:
1) Elaborando el diagrama de dispersión empleando Excel se obtiene la
siguiente figura:
Empleando el programa Graph se obtiene la siguiente figura:
2) Se llena la siguiente tabla:
Resolviendo empleando Excel se muestra en la siguiente figura:
Reemplazando valores en el sistema se obtiene:

Resolviendo empleando Excel se muestra en la siguiente figura:
3) Reemplazando en la ecuación predictora se obtiene:
4) Graficando la ecuación predictora empleando Excel se obtiene la

siguiente figura:
En Graph se obtiene la siguiente figura:

5) La estimación del porcentaje de llantas radiales que durarán 50000
millas se obtiene reemplazando en la ecuación predictora el valor de X =
50
Entonces el porcentaje sería de 9,106%
FUNCIÓN EXPONENCIAL, POTENCIAL Y LOGARÍTMICA
El problema de ajustar un modelo potencial, de la forma Y=AX b y uno

exponencial Y=ABX se reduce al de la función lineal, con solo tomar
logaritmos.
Modelo potencial:
Si tomamos logaritmos en la expresión de la función potencial, obtendremos:
logY = logA +b logX
Como vemos es la ecuación de una recta: Y=a+bX, donde ahora a = logA. De

modo que el problema es sencillo, basta con transformar Y en logY y X en
logX y ajustar una recta a los valores transformados. El parámetro b del
modelo potencial coincide con el coeficiente de regresión de la recta ajustada
a los datos transformados, y A lo obtenemos mediante el antilog(a).
Modelo exponencial:
Tomando logaritmos en la expresión de la función exponencial, obtendremos:

logY = logA + logB X
También se trata de la ecuación de una recta Y=a+bX, pero ahora ajustándola

a logY y a X; de modo que, para obtener el parámetro A del modelo
exponencial, basta con hacer antilog(a), y el parámetro B se obtiene tomando
antilog(b).
Modelo logarítmico:
La curva logarítmica Y = a + b logX es también una recta, pero en lugar de

estar referida a las variables originales X e Y, está referida a logX y a Y.
Hemos visto, cómo, a pesar de ser inicialmente modelos mucho más

complejos que el de una recta, estos tres últimos se reducen al modelo lineal
sin más que transformar adecuadamente los datos de partida.

Regresión Exponencial Metodo Numerico

Cargado por

Copyright:

Formatos disponibles

Regresión Exponencial Metodo Numerico

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresión Exponencial Metodo Numerico

Cargado por

Copyright:

Formatos disponibles

Regresión exponencial mediante el principio de los mínimos cuadrados

La regresión examina la relación entre dos variables, pero restringiendo

En todos los casos de regresión existe una dependencia funcional entre

Cuando la curva de regresión de y sobre x es exponencial, es decir para

Ejemplo ilustrativo: Las cifras siguientes son datos sobre el porcentaje

Porcentaje útil (Y) 99 95 85 55 30 24 20 15

1) Elaborar el diagrama de dispersión.

2) Ajustar una curva exponencial aplicando el método de mínimos

3) Calcular la ecuación predictora.

4) Graficar la ecuación predictora.

5) Estimar qué porcentaje de las llantas radiales del fabricante durarán

Empleando el programa Graph se obtiene la siguiente figura:

2) Se llena la siguiente tabla:

Resolviendo empleando Excel se muestra en la siguiente figura:

Reemplazando valores en el sistema se obtiene:

3) Reemplazando en la ecuación predictora se obtiene:

4) Graficando la ecuación predictora empleando Excel se obtiene la

En Graph se obtiene la siguiente figura:

Entonces el porcentaje sería de 9,106%

FUNCIÓN EXPONENCIAL, POTENCIAL Y LOGARÍTMICA

El problema de ajustar un modelo potencial, de la forma Y=AX b y uno

Si tomamos logaritmos en la expresión de la función potencial, obtendremos:

logY = logA +b logX

Como vemos es la ecuación de una recta: Y=a+bX, donde ahora a = logA. De

Tomando logaritmos en la expresión de la función exponencial, obtendremos:

También se trata de la ecuación de una recta Y=a+bX, pero ahora ajustándola

La curva logarítmica Y = a + b logX es también una recta, pero en lugar de

Hemos visto, cómo, a pesar de ser inicialmente modelos mucho más

También podría gustarte