Documente Academic
Documente Profesional
Documente Cultură
1. INTRODUCCION:
Este modelo de regresin es una alternativa cuando el modelo lineal no logra un coeficiente de
determinacin apropiado, o cuando el fenmeno en estudio tiene un comportamiento que puede
considerarse potencial o logartmico. La forma ms simple de tratar de establecer la tendencia es a
travs de un diagrama de dispersin o nube de puntos, tal como la siguiente:
Este modelo tambin es conocido como potencial, Cobb-Douglas de primer grado o exponencial
inverso.
2. Ecuacin caracterstica
La funcin que define el modelo es la siguiente:
Yi=A*XBi* E
En la cual:
Yi : Variable dependiente, isima observacin
A, B: Parmetros de la ecuacin, que generalmente son
desconocidos
E: Error asociado al modelo
Xi : Valor de la -esima observacin de la variable
independiente
Al sustituir los parmetros por estimadores, el modelo adopta la siguiente forma:
yi=a*xbi
la ecuacin se transforma aplicando logaritmos de ambos lados, con lo cual se convierte a una
forma lineal:
Ln yi= Ln a +b*Ln xi
3. Tabla de datos
Para el ajuste de un conjunto de datos al modelo geomtrico de regresin, se construye la
siguiente tabla de datos:
.. .. .. .. .. ..
Debido a las propiedades de los logaritmos, ningn valor de x ni de y puede ser negativo. En tal
caso, lo que se hace es definir un valor de x o de y muy pequeo (Ej: 0.00000001)
Se puede trabajar con logaritmos naturales o logaritmos base 10.
iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-2 grados de libertad y un nivel /2
iv) Se obtiene en la tabla de t de student el estadstico comparador, con los siguientes datos: n-2 grados
de libertad y nivel /2
v) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso contrario, la hiptesis
se acepta
8. Intervalos de confianza
i) formar la matriz x: (matriz de variable independiente), agregando la primera columna formada por
unos:
1 Ln x1
1 Ln x2
... .....
1 Ln xn
Ln y1
Ln y2
.....
Ln yn
1 1 ... 1
Ln x1 Ln x2 ... Ln xn
POTENCI DECIBELES
A
100 60
500 80
1000 90
5000 99
10000 120
a) Diagrama de Dispersin
El diagrama de dispersin muestra una tendencia logartmica, pues aunque hay incrementos
fuertes de potencia, los niveles de ruido no crecen excesivamente.
i) Tabla de Datos:
Se puede concluir que el grado de ajuste del modelo es alto, por lo que el modelo es confiable para
hacer predicciones.
Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta la Ha, con lo cual
se concluye que el modelo s explica el fenmeno en estudio y que los resultados obtenidos no se
deben a la casualidad.
y= 33.164*(3000)0.1374=99.63
se puede aplicar la operacin equivalente por medio de los logaritmos de los estimadores:
LN Y= 3.497+0.1374*LN(3,000)=4.59707
Finalmente, y=e4.59707=99.63
f) Pruebe la hiptesis de que b=1 con un 99% de confianza
Inicialmente se plantea Ho: b=1 y su alterna Ha: b1
A continuacin se obtiene el error standard de b:
El valor de t de student de calcula de la siguiente manera: (el logaritmo de 1 es cero)
Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el coeficiente
b no es igual a 1.
Vector y: 4.09430
4.3820
4.4998
4.5595
4.7875
Producto xx:
5 35.4551
35.455 264.919
1 1
3.9228 -0.5250
-0.5250 0.07403
Producto x y
22.8231
163.5535
3.6644
0.1269
Anlisis de varianza
Suma de cuadrados de regresin= bxy- nym2= 0.255
ym= 22.3588/5=4.47176
4.09430
4.3820
(4.0943 4.382 4.4998 4.5595 4.7875) 4.4998 -5(4.47176)2= 0.2661
4.5595
4.7875
REGRESION CUADRATICA
Aqu se describe como hacer una regresin para ajustar a una parbola de
segundo grado
La regresin cuadrtica es el proceso por el cul encontramos los
parmetros de una parbola que mejor se ajusten a una serie de datos que
poseemos, ya sean mediciones hechas o de otro tipo. Bueno, pero por que habramos
de querer ajustar nuestros datos precisamente a una parbola y no a otra funcin? (ver
escogiendo la funcin de ajuste).
Entonces lo que nos interesa es encontrar los valores de a, b y c que hacen que el
valor de y calculado sea lo mas cercano posible al medido.
Deduccin de las Ecuaciones:
Ejemplo:
X Y
0 10,08
0,5 12,03
1 11,38
1,5 18,81
2 20,53
2,5 28,50
3 31,38
3,5 38,40
4 48,39
4,5 60,60
5 66,66
5,5 82,61
6 91,37
6,5 105,44
7 122,53
7,5 137,77
8 152,74
8,5 172,65
9 188,84
9,5 207,77
10 230,94
10,5 251,35
11 274,07
11,5 295,95
1 0 -21,08 -33,04
0 1 11,5 25,02
0 0 2741,08 5544,03
1 0 0 9,60
0 1 0 1,76
0 0 1 2,02