Documente Academic
Documente Profesional
Documente Cultură
58
2005
55
2006
60
2007
64
2008
65
2009
68
2010
65
2011
78
2012
95
2013
97
Se pide determinar: (a) la ecuacin de tendencia, (b) el coeficiente de correlacin, (c) corregir
los datos histricos en base a la ecuacin de regresin estimada, (d) Cul seria el volumen de
produccin de juguetes para los aos 2014 y 2018? y (e) representar la tendencia histrica, la
tendencia corregida y la tendencia proyectada del volumen de produccin de juguetes.
Solucin:
Datos obtenidos del cuadro:
x 0 y 761
110 y 2
xy 436 y
54,813
Ecuacin general
Y
n
761
69.18
11
XY
X
2
436
3.964
110
(c)
n xy x y
[n x ( x ) 2 ][n y 2 ( y ) 2 ]
2
0.89
(d)
(e)
AOS
2003
X
-5
TENDENCIA
HISTORICA
56
TENDENCIA
CORREGIDA
49
2004
-4
58
53
2005
-3
55
57
2006
-2
60
61
2007
-1
64
65
2008
65
69
2009
68
73
2010
65
77
2011
78
81
2012
95
85
2013
97
89
X
6
VOLUMEN DE PRODUCCION
PROYECTADO
92
2015
96
2016
100
2017
104
2018
10
108
y = a + bx + cx2
La grafica es:
Para determinar estos parmetros se requiere de tres
ecuaciones
normales
por
el
mtodo
de
mnimos
cuadrados:
= na
xy
=a
+ b
+ c
+ b
+ c
+ c
xy =a x
2
+b
Pero, existe otro mtodo abreviado, ms simple, que se resume en dos ecuaciones normales:
xy
= b
ty
= b
xt
+c
+ c
xt
(1)
(2)
Donde:
xy
xy
xt
x3
x y
n
x x
( x ) 2
x2
x2
ty
x2 y
x y
2
( x 2 ) 2
n
Determinados los valores se reemplazan en las ecuaciones normales (1) y (2) y se determina
b y c.
La constante a se resuelve as: a
y b x c x
n
Seguiremos para ello un razonamiento similar al que hicimos en el caso del modelo de
regresin lineal simple, utilizando el procedimiento de ajuste de los mnimos cuadrados, es
decir, haciendo que la suma de los cuadrados de las desviaciones con respecto a la curva de
regresin sea mnima:
D ( y y' ) 2
( y a bx cx
)2
xy
x
n x 2 y x 2 y
n x 4 ( x 2 ) 2
a y b xy x x 2 y
n2
a y b xy c x 2 y n y
ny
Ejemplo. Se tiene la siguiente serie cronolgica que refleja la produccin de artculos para el
hogar (tres primeras columnas):
AOS
(x)
(x)
DEMANDA
DESARROLLO
(y)
x2
x3
x4
xy
x2 y
y2
3.5
49
-343
2,401
-24.5
171.5
12.25
2006
-7
2007
-5
7.0
25
-125
625
-35.0
175.0
49.00
2008
-3
11.2
-27
81
-33.6
100.8
125.44
2009
-1
13.3
-1
-13.3
13.3
176.89
2010
26.4
26.4
26.4
696.96
2011
27.4
27
81
82.2
246.6
750.76
2012
28.5
25
125
625
142.5
712.5
812.25
2013
7
0
x
44.9
162.2
y
49
168
x2
343
0
x3
2,401
6,216
x4
314.3
459.0
xy
2,200.1
3,646.2
x2y
2,016.01
4,639.56
y2
Diagrama de dispersin:
(b)
162.2 = 8a + 0b + 168c
xy = ax + bx2 + cx3
2
x y = ax + bx + cx
459 = 0a +168b + 0c
162.2 = 8a + 168c
xy = bx2
2
459 = 168b
x y = ax + cx
Despejando y calculando b:
459
2.7321428
168
Calculando c:
162.2 =
8a +
Calculando a:
168c (-21)
8a = 162.2 14.95
_____________________
a = 18.41
(c)
S yx
(d)
a y b xy c x 2 y
n2
75.8762
12.646 3.56
6
r
2
(e)
a y b xy c( x 2 y ) n( y ) 2
n( y )
y = 3.7
x = -3
y = 11.0
x= 1
y = 21.2
x= 5
y = 34.3
y = axb(1)
Que tiene dos parmetros desconocidos: a y b.
Para determinar los parmetros a y b del modelo potencial se debe efectuar las
transformaciones matemticas adecuadas a la expresin analtica del modelo de tal forma de
variarlo en una lnea recta. Para tal efecto se le obtiene logaritmo a la expresin potencial; asi:
(log.y) = Log.a(n)
(Log.x
Log.y) = Log.a (
+b(
Log.x)
Log.x)
+b(
Log.x)
Log .a
Log. y b Log .x
n
y b x
n
y( x ) x( xy )
n( x ) ( x )
n Log .xLog . y Log .x Log . y
b
n Log .x ( Log .x )
2
Log .a
n .x. y .x y
n x 2 ( x) 2
( Log . y )
n( Log . y ) 2
n xy x y
[n x ( x) 2 ][ n y 2 ( y ) 2 ]
2
Grafica de la ecuacin
y
Una de las formas para graficar la ecuacin
es determinar algunos puntos aislados
asignando valores a x, de donde se
deduce el valor de y, similar que para la
ecuacin parablica.
x
Ejemplo. Con los siguientes datos histricos (observar tres primeras columnas) proyectar la
demanda mediante regresin potencial.
DATOS
DESARROLLO
X
Log. (x)
Log.(y)
0
0.30103
0.47712
0.60206
0.69897
0.77815
2.85733
4.30103
4.54407
4.65321
4.60206
4.74036
4.74036
27.58110
AO
x
1
2
3
4
5
6
1
2
3
4
5
6
20,000
35,000
45,000
40,000
55,000
55,000
SUMA
( x. y )
(x ) 2
( y) 2
2
2 Log . xLog . y
( Log .x ) ( Log . y )
0
0.09062
0.22764
0.36248
0.48856
0.60552
1.77482
18.49886
20.64855
21.65239
21.17896
22.47104
22.47104
126.92083
0
1.36790
2.22015
2.77072
3.31337
3.68872
13.36085
( Log . y 4.59685)
Solucin:
(a)
y = Log. a + b (x)
Utilizando las formulas de regresin lineal (mnimos cuadrados) encontramos los valores
de Log. a y b:
y ( x ) x( xy ) 10.77513 4.33679
2.484586
n( ( x ) ( ( x )
2
Log .a
(b)
n xy x y
n x ( x)
2
n x
n xy x y
( x ) 2 n y 2 ( y ) 2
0.957 0.96
x = 3 y = 4.72
x = 2 y = 4.50
x = 4 y = 4.76
Con la informacin del ejemplo que acabamos de terminar, proyectar la demanda del ao 7
mediante regresin potencial; en este caso utilizar logaritmos neperianos).
DATOS
DESARROLLO
x
AO
1
2
3
4
5
6
1
2
3
4
5
6
y
20,000
35,000
45,000
40,000
55,000
55,000
SUMA
Ln( x )
Ln( y )
0
0.69315
1.09861
1.38629
1.60944
1.79176
6.57925
9.90349
10.46310
10.71442
10.59663
10.91509
10.91509
63.50782
x2
.y 2
Ln ( x 2 )
Ln( y 2 )
0
0.48045
1.20695
1.92181
2.59029
3.21040
9.40991
98.0790657
109.476532
114.798748
112.288668
119.139156
119.139156
672.921325
xy
Ln ( x ) Ln ( y )
0
7.25247
11.77099
14.69005
17.56716
19.55721
70.83789
(1) y = abx
Que tiene dos parmetros desconocidos: a y b
La regresin exponencial puede tambin ser linealizada aplicando logaritmos a ambos
miembros, resultado de ello la relacin siguiente:
(2) Log.y = Log.a + x Log.b (puede ser + / -).
Siendo ahora los parmetros desconocidos Log. a y Log. b
La grafica es:
Despejando
simultneamente,
se
obtiene
las
constantes a y b
Log .b
n xLog. y x Log . y
Log .a
Log. y Log.b x
n x 2 ( x ) 2
x = 0 y se obtiene:
Log .a
Log. y
Log .b
xLog. y
x
2
( Log. y )
n( Log . y ) 2
1.2
50
2.0
60
3.0
68
3.8
88
5.0
125
5.5
135
6.5
184
Diagrama de dispersin
(b)
(Cuadro de clculos):
Log. y
xLog. y
( Log . y ) 2
x2
1.2
50
1.69897
2.038764
1.44
2.886499
2.0
60
1.77815
3.556300
4.00
3.161822
3.0
68
1.83251
5.497530
9.00
3.358089
3.8
88
1.94448
7.389024
14.44
3.781013
5.0
125
2.09691
10.484550
25.00
4.397032
5.5
135
2.13033
11.716815
30.25
4.538322
6.5
184
2.26482
14.721330
42.25
5.129399
x y Log. y
27.0
710
xLog. y
13.74617
x2
55.404313
126.38
( Log . y ) 2
27.252176
El calculo de los parmetros Log.y y Log.a se puede realizar mediante las ecuaciones
normales:
b= 1.2799
Log .b
n xLog . y x Log . y
Log .a
n x 2 ( x ) 2
Antilogaritmo a = 34.63
(d)
y'
Antig. y
50
60
68
88
125
135
184
1.67
1.75
1.86
1.95
2.08
2.13
2.24
46.77
56.23
72.44
89.12
120.23
134.90
173.78
7
8
9
10
y'
Antig. y
2.28
2.40
2.50
2.72
190.55
251.19
316.23
524.81
( Log. y )
n( Log . y ) 2