Lab 2
Lab 2
Lab 2
OBJETIVO GENERAL
MARCO TEÓRICO.
Regresión :
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.
Su modelo es la de una recta y viene dada por y=a +bx también vista como:
y = mx + b
Donde
m= pendiente
b=punto de corte
De la forma
𝑘𝑥
𝑦 = 𝐴𝑒
𝑙𝑛(𝑦) = 𝐿𝑛(𝐴) + 𝐾𝑥
Reorganizando
𝑉 = 𝑚𝑥 + 𝑇
Donde
2
Σ𝑦 * 𝑥 = 𝑏Σ𝑥 + 𝑁 * 𝑎Σ𝑥 𝐷𝑜𝑛𝑑𝑒 𝑏 𝑒𝑠 𝑙𝑎 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒.
De la forma y = a+bx
Σ𝑉 = 𝑘Σ𝑥 + 𝑁 * 𝑇
Con N=1,
2
Σ𝑉 * 𝑥 = 𝑘Σ𝑥 + 𝑇 * Σ𝑥
Método Logarítmico:
𝑦 = 𝑎 + 𝑏𝐿𝑛(𝑥)
𝑦 = 𝑎 + 𝑏𝑥´
'2
Σ𝑦 * 𝑥' = 𝑏Σ𝑥 + 𝑁 * 𝑎Σ𝑥' 𝐷𝑜𝑛𝑑𝑒 𝑏 𝑒𝑠 𝑙𝑎 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒.
Se hipotetiza que los datos, al ser practicados un modelo lineal a ellos, mostraran a)unos
patrones de acuerdo al modelo correspondiente que se utilice y b) un patrón que
relacione los datos a una ecuación de una línea, su comportamiento y cuan fiable va a
ser en el futuro que los datos se encuentren en esta línea.
PROCEDIMIENTO.
Desarrollo
A.
1. Aplica el método de mínimos cuadrados para los siguientes datos, hallar la pendiente,
intercepto y graficar
3. Analizar
x y
2 100
5 95
9 80
11 70
15 65
21 60
29 55
31 50
35 35
37 10
R/:
1)
Se dispone a tabular los datos [1] necesarios para hacer el primer punto:
Datos 𝑥 𝑦 𝑥*𝑦 2
𝑥
(2) 5 95 475 25
(3) 9 80 720 81
(620)(5293)−(195)(9140)
𝑏= 2 = 100. 5944
(10)(5293)−(195)
O, consecuentemente, se puede utilizar una ecuación más directa para hallar el intercepto a
partir del valor de la pendiente:
Σ𝑦 Σ𝑥
𝑏 = 𝑦 − 𝑚𝑥 = 𝑛
− (− 1. 979) 𝑛
= 100. 5905
Con lo que nos dan un resultado prácticamente igual para hallar el intercepto 𝑏.
2)
Se puede observar que los datos teóricos(i.e los tomados a partir del uso de Excel) son prácticamente
iguales a los obtenidos usando las ecuaciones de mínimos cuadrados, lo que confirma la eficiencia
del uso de estas fórmulas.
3) Análisis:
Se puede observar, a través de la ecuación de linealización, como las dos variables tienden a seguir
un patrón de ser inversamente proporcionales: entre una aumenta, la otra disminuye. Además, se
puede observar el coeficiente de determinación para saber cuán confiable es el modelo empleado
para predecir futuros datos.
Con lo cual se que el modelo empleado tiene buena confiabilidad ya que el valor del coeficiente de
determinación es de casi 1.
B.
1. Aplica el método exponencial para los siguientes datos, hallar la pendiente, intercepto
y graficar
2. luego Grafique los datos en Excel Ln(y) vs X en Excel u otro graficador, la pendiente e
intercepto de la gráfica se tomarán como teóricos compara con los hallados en el
numeral 1
3. Analizar
x y
1 0.56
2 0.65
3 0.3
4 1.6
5 1.8
6 2.15
7 3.5
8 4.8
9 7.2
10 10.1
R/:
Datos x y V=Ln(y)
Σ𝑉 = 𝑘Σ𝑥 + 𝑁 * 𝑇
2
Σ𝑉 * 𝑥 = 𝑘Σ𝑥 + 𝑇 * Σ𝑥
Datos Σ𝑉 = 𝑘Σ𝑥 + 𝑁 * 𝑇 2
Σ(𝑉 * 𝑥) = 𝑘Σ𝑥 + 𝑇 * Σ𝑥
𝑉 = 0. 359118𝑥 − 1. 30347
En su versión exponencial, se tomaría:
−1.30347
𝑇 = 𝐿𝑛(𝐴) ⇒ 𝐴 = 𝑒 = 0. 2715
𝑘𝑥 0.359118𝑥
𝑦 = 𝐴𝑒 ⇒ 𝑦 = 0. 2715 * 𝑒
2)
Graficando x y Ln(y), sacando pendiente e intercepto a través de excel, se tiene:
Se puede observar que los datos teóricos(i.e los tomados a partir del uso de Excel) son
prácticamente iguales a los obtenidos usando las ecuaciones de mínimos cuadrados o los
calculados, lo que confirma la eficiencia del uso de estas fórmulas.
3) Análisis:
Se puede observar, a través de la ecuación de linealización, como las dos variables tienden a seguir
un patrón de ser directamente proporcionales: entre una aumenta, la otra también lo hace. Además,
se puede observar el coeficiente de determinación para saber cuán confiable es el modelo empleado
para predecir futuros datos.
Con lo cual se que el modelo empleado tiene buena confiabilidad ya que el valor del coeficiente de
determinación es de casi 1.
Nota: Se calcula intercepto, pendiente y gráfica con excel para tambien ver la versión exponencial:
Con lo cual también se aprecia como los resultados Teóricos de Excel concuerdan con los resultados
calculados.
C.
2 3
3 3.5
4 4
5 4.1
6 4.5
7 5.1
8 5.6
9 5.9
10 6.3
R/:
(1) 1 2 0 0 0
𝑦 = 𝑎 + 𝑏𝑥' ⇒ 𝑦 = 𝑎 + 𝑏𝐿𝑛(𝑥)
'2
Σ𝑦 * 𝑥' = 𝑏Σ𝑥 + 𝑁 * 𝑎Σ𝑥'
𝐷𝑜𝑛𝑑𝑒 𝑏 𝑒𝑠 𝑙𝑎 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒.
Datos Σ𝑦 = 𝑏𝑥' + 𝑁 * 𝑎 '2
Σ(𝑦 * 𝑥') = 𝑏Σ𝑥 + 𝑁 * 𝑎Σ𝑥'
𝑎 = 1. 68, 𝑏 = 1. 801
2)
Graficando Ln(x) vs y, sacando pendiente e intercepto a través de excel, se tiene:
Se puede observar que los datos teóricos(i.e los tomados a partir del uso de Excel) son
prácticamente iguales a los obtenidos usando las ecuaciones de mínimos cuadrados o los
calculados, lo que confirma la eficiencia del uso de estas fórmulas.
3) Análisis:
Se puede observar, a través de la ecuación de linealización, como las dos variables tienden a seguir
un patrón de ser directamente proporcionales: entre una aumenta, la otra también lo hace. Además,
se puede observar el coeficiente de determinación para saber cuán confiable es el modelo empleado
para predecir futuros datos.
Con lo cual se que el modelo empleado tiene buena confiabilidad ya que el valor del coeficiente de
determinación es de casi 1.
Nota: Se calcula intercepto, pendiente y gráfica con excel para también ver la versión logarítmica:
Con lo cual también se aprecia como los resultados Teóricos de Excel concuerdan con los resultados
calculados.
ANÁLISIS DE RESULTADOS.
A partir de los resultados dados en cada numeral se puede decir que los resultados
calculados concuerdan en gran medida con los resultados teóricos (Excel), lo que respalda
lo dicho en la hipótesis y va acorde también con el objetivo de la práctica: el uso de modelos
lineales.
CONCLUSIONES:
ANEXO
[1] Educatina, Método de Mínimos cuadrados, Sep. 02, 2015. Tomado en:
en:https://www.youtube.com/watch?v=gUdU6BgnJ2c
[2] Sergio Esteves Rebollo, Ajuste de curva exponencial tipo y=ae^kx, Jul.16,2017.
https://www.youtube.com/watch?v=zNsyy120PYw
[3] carlos velazco, Ecuación de regresion logaritmica, May.11,2013. Tomado en: Abril. 04, 2021.
Disponible en:
https://youtu.be/0dq3Hok7e-M