UNIVERSIDAD NACIONAL DE CAJAMARCA

Informe de Sustentacin:

ANALISIS DE REGRESIN LINEAL, LOGARITMICA,

EXPONENCIAL, POTENCIA

Por:
Chilon Duran Jaime
Coba Cueva Jorge
Flores Llanos Raquel
Garca Terrones Franklyn
Tanta Sandoval Josue

Asesor:
Ing. Luis Andrs Len Chvez

Cajamarca, Per

Mayo del 2017

COPYRIGHT 2017 by
Chilon Duran Jaime
Coba Cueva Jorge
Flores Llanos Raquel
Garca Terrones Franklyn
Tanta Sandoval Josue
Todos los derechos reservados
 A:
Dios por darnos fuerza para Superar obstculos y
dificultades a lo largo de la vida, a nuestros padres
que nos ensearon a no desfallecer ni rendirnos ante
nada,tambin al ing. Luis Andrs Len Chvez, asesor
del curso por su valiosa ayuda y asesoramiento
La Tierra, nuestra casa, parece convertirse cada vez ms en un
inmenso depsito de porquera. Muchas veces se toman medidas
slo cuando se han producido efectos irreversibles para la salud
de la persona
Contenido
I. INTRODUCCION:......................................................................................... 1
II. OBJETIVOS:............................................................................................. 2
A. Objetivos Generales:.................................................................................... 2
B. Objetivos Especficos:.................................................................................. 2
III. MARCO TERICO.................................................................................... 3
1. CONCEPTO BASICOS :.............................................................................3
2. ECUACIONES DE REGRESIN:.................................................................3
3. COEFICIENTE DE CORRELACIN ( r) :.....................................................3
4. TIPOS DE REGRESION :............................................................................4
A. REGRESIN LINEAL.............................................................................4
B. REGRESIN LOGARTMICA:................................................................4
C. REGRESIN EXPONENCIAL:.................................................................5
IV. PROCEDIMIENTO :..................................................................................7
a) Anlisis de regresin lineal :..........................................................................7
b) Anlisis de regresin logartmica:...................................................................7
c) Anlisis de regresin exponencial :.................................................................7
d) Anlisis de regresin potencial :.....................................................................7
V. CLCULOS Y RESULTADOS :.......................................................................7
 I. INTRODUCCION:

En el siguiente informe analizaremos y estudiaremos las ecuaciones de regresin, entre

dos fenmenos meteorolgicos, en los que se establecern relaciones. El presente
estudio se tomara bsicamente dos variables realizando el anlisis de correlacin,
intensidad del grado de asociacin; as como el anlisis de regresin lineal, logartmica,
exponencial y potencial que nos brindara los datos meteorolgicos.
Desde tiempos remotos las personas han realizado actividades de acuerdo a las
condiciones climticas que se suscitaban en su poca. Comenzaron a observar el cielo, los
fenmenos o caractersticas que sucedan y concluyeron que la mayora se repeta en
intervalos de tiempo, estos acontecimientos fueron los primeros nacimientos de la
meteorologa.
El objetivo principal de esta ciencia es predecir los procesos o fenmenos que pueden
ocurrir en la atmosfera; es as que usara mltiples herramientas que permitirn ordenar y
analizar los datos meteorolgicos obtenidos para llegar a ciertos patrones de
comportamiento.
Estos anlisis permitirn elaborar cuadros y diagramas, los cuales facilitaran una mejor
apreciacin de los elementos meteorolgicos en los ltimos das del presente ao. En este
caso el de Cajamarca; para as comprender los fenmenos atmosfricos que pudieron
haber ocurrido.

1
II. OBJETIVOS:

A. Objetivos Generales:

Predecir los eventos meteorolgicos ocurridos entre la presin y

temperatura promedio, de acuerdo a los datos obtenidos del SENAMHI, y
haciendo uso de las diferentes ecuaciones de regresin.

B. Objetivos Especficos:

Establecer la ecuacin de regresin lineal, logartmica, exponencial y

potencial entre diferentes variables meteorolgicas.

Hallar el grado de correlacin que existe entre las diferentes variables

meteorolgicas.

2
III. MARCO TERICO

1. CONCEPTO BASICOS :

Variables Meteorolgicas.-variables fsicas utilizadas para indicar el estado o

condicin fsica de la atmosfera.
Anlisis de Regresin.-consiste en ajustar la distribucin de los puntos de una
funcin matemtica; vale decir la densidad de los puntos determinados por la variable
dependiente e independiente tiene una cierta tendencia de la cual nos basamos para
relacionar ambas variables.
Meteorogramas.- Es una grfica meteorolgica que nos muestra la variacin
temporal de una o varias variables meteorolgicas de un punto determinado.
Isolineas.- Son lneas que unen puntos de igual valor, dichos puntos provienen de
mediciones y de interpolaciones de las mismas, buscan mostrar la variacin espacial
de un fenmeno ya sea fsico o humano, pueden provenir de estaciones
meteorolgicas en la que se pueden obtener los valore precisos de presin,
temperatura, radiacin solar, etc.
Fenmenos Meteorolgicos.- Son alteraciones del clima, que suceden en la
atmsfera, llamados tambin meteoros.
Presin Atmosfrica.- es la fuerza por unidad de rea que ejerce el aire sobre la
superficie terrestre, se mide con el barmetro.
Temperatura Atmosfrica.- s uno de los elementos que constituyen el clima. Indica
la cantidad de energa calorfica que hay acumulada en el aire en un momento y lugar
determinados. Proviene de los rayos que emite el sol, es decir, la radiacin solar que
llega hasta la tierra.
SENAMHI.- El Servicio Nacional de Meteorologa e Hidrologa del Per es un
organismo tcnico especializado del Estado Peruano que brinda informacin sobre el
pronstico del tiempo, as como asesora y estudios cientficos en las reas de
hidrologa, meteorologa, agrometeorologa y asuntos ambientales.

2. ECUACIONES DE REGRESIN:
Es aquella que permite calcular una variable en funcin de otra o ms variables, tambin
es una tcnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que
puede suceder. De modo general, diremos que existe regresin de los valores de una
variable con respecto a los de otra, cuando hay alguna lnea, llamada lnea de regresin
que se ajusta ms o menos claramente a la nube de puntos. Si existe regresin, a la
ecuacin que nos describe la relacin entre las dos variables la denominamos ecuacin de
regresin.
3. COEFICIENTE DE CORRELACIN ( r) :

Coeficiente de correlacin, este mtodo mide el grado de relacin existente entre dos
variables, el valor de r vara de -1 a 1, pero en la prctica se traba con un valor absoluto
de r.

3
El valor del coeficiente de relacin se interpreta de modo que a media que r se aproxima a
1, es ms grande la relacin entre los datos, por lo tanto r (coeficiente de correlacin)
mide la aproximacin entre las variables.

El coeficiente de correlacin se puede clasificar de la siguiente manera:

Perfecta 1) r = 1

Excelente 2) r = 0.9 < = r< 1

Buena 3) r = 0.8 < = r < 0.9

Regular 4) r = 0.5 < = r < 0.8

Mala 5) r < 0.5

4. TIPOS DE REGRESION :
Se pueden encontrar varios tipos de regresin, como son:

A. REGRESIN LINEAL

Nos centraremos en primer lugar, en el caso de que la funcin que relaciona las dos
variables X e Y sea la ms simple posible, es decir, una lnea recta. Por ello pasaremos a
interpretar los coeficientes que determinan una lnea recta.
Toda regresin de la forma:

Y=a+bX

(1)

La cual determina, al representarla en el plano una lnea recta, donde X e Y son variables
y a y b son constantes o parmetro o coeficiente de la lnea de regresin. Para
determinar la ecuacin de regresin lineal calculamos frmulas para los
parmetros a y b:

Y
X
XY
................(2)



X
2 4


( X 2 )
 X
2

N ( X 2)
(3)
N
XY ( X )( Y )

De la cual su coeficiente de correlacin de regresin lineal es:
b=

x2
2 . (4)
y






B. REGRESIN
r=
xy LOGARTMICA:

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:

La curva logartmica Y = a + b logX es tambin una recta, pero en lugar de estar referida
a las variables originales X e Y, est referida a logX y a Y.

Ecuacin de la regresin logartmica:

Y =a+b log X .. (5)

De la ecuacin nmero 5, hacemos que el logx, sea equivalente a X ' , para obtener
los parmetros a y b, reemplazo obtenemos:

Y =a+b X ' . (6)

Entonces de la ecuacin 9 obtenemos los parmetros:

X'
...(7)
Y

a=Y b X ' .. (8)


Teniendo unX coeficiente
' de correlacin de:
2

5

N ( X ' Y )
b=
 .. (9)

C. REGRESIN EXPONENCIAL:
Ser aquella en la que la funcin de ajuste ser una funcin exponencial del tipo

............................(10)
y = a.bx
La regresin exponencial aunque no es lineal es linealizable tomando logaritmos ya que
haciendo el cambio de variable v = log y tendremos que la funcin anterior nos generara:

v = log y = log (a.bx) = log a + X log b . (11)

log y=log a+ bX . (12)

Aplicando mtodos de los mnimos cuadrados obtenemos los parmetros a y b sin antes
asignarle una variable a:

Y =
log Y'q

a=
log A't

Entonces reemplazando q y t en la ecuacin 12 se tiene:

(13)
' '
Y = A +bx
De donde:

X ...................(14)
'
Y
A '=Y X
' b

.. (15)

X
2

Teniendo como
coeficiente de correlacin:
N ( X Y ' )
b= 6
 X
'
Y
. (16)




X
Y'
N Y '2 ( 2)


2
N X 2


N ( X Y ' )
r= POTENCIAL:
D. REGRESION

Ser aquella en la que la funcin de ajuste sea una funcin potencial del tipo:

y = a. xb
.. (17)

Tambin en este caso se resuelve linealizando la funcin tomando logaritmos ya que:

V=Log y = log a + b log x.. (18)

Aplicando mtodos de los mnimos cuadrados obtenemos los parmetros a y b sin antes
asignarle una variable a:

Y =
log Y'.m

a=
log A'..n

X = X '
log ..p

7
Entonces reemplazando las variables (m, n, p) en la variable V se
obtiene:

V= A +B X ' ..19

Luego por el mtodo de mnimos cuadrados obtenemos los

parmetros:

X'
(20).. . (20)
'
Y




.. (21) .. (21)
X

A '=Y 'b ' X '
2

Teniendo como coeficiente de correlacin potencial:
N ( X Y ' )
b=
X' . (22)
'
Y




X'
'
IV. PROCEDIMIENTO
Y :
N Y ( )
'2 2

a) Anlisis de regresin lineal :

2 10 datos que relacionen dos fenmenos meteorolgicos, del
Conseguir
X '2 del departamento de Cajamarca, en esta ocasin los fenmenos
NSENAMHI

meteorolgicos de los cuales vamos analizar son presin y temperatura promedio.
Delos datos obtenidos entre presin y temperatura promedio, realizar el grafico
N ( X ' Y ' )
correspondiente con su respectiva ecuacin lineal y el coeficiente de correlacin.
r=
b) Anlisis de regresin logartmica:

Seleccionados los 10 datos anteriormente entre presin del SENAMHI, los cuales
sern las ordenadas del grafico a trazar.
Colocar como la abscisa de la grfica a la temperatura promedio.
Una vez realizado lo anteriormente mencionado, tabulamos los datos en el Excel y
aplicando las formulas (5, 6, 7, 8,9) de las ecuaciones de regresin logartmica y
hallamos los parmetros a y b y su coeficiente de correlacin.

c) Anlisis de regresin exponencial :

8
 tabulamos los 10 datos de presin y temperatura en el Excel.
luego calculamos con las formulas (10, 13, 14, 15,16), el coeficiente de
correlacin, para finalmente graficarla.

d) Anlisis de regresin potencial :

con los 10 datos que relacionan los dos fenmenos meteorolgicos como son la
presin y temperatura, y con ayuda de las formulas (17, 20,21y 22), hallamos la
grfica y coefiente de correlacin de la regresin potencial.

V. CLCULOS Y RESULTADOS :

1) REGRESIN LINEAL

Con los 10 datos obtenidos entre la temperatura promedio y presin el

procedemos a calcular el coeficiente a y b.

T Prom Presin (mb)

13.92 12.79
13.68 12.82
14.5 12.83
15.15 12.82
14.98 12.8
14.1 12.81
14.5 12.78
14.04 12.8
14.35 12.8
13.43 12.77

Tabla n1

9
 Esta tabla representa el clculo estadstico de la temperatura y la precipitacin,
en este caso los N es el nmero de datos tomados, X es la es los datos de la
temperatura promedio por lo tanto Y es la presin. Con los datos obtenidos
encontramos los valores de los coeficientes a y b respectivamente.

Empleando las formulas 2y 3 calculamos los coeficientes a y b de la ecuacin de

regresin lineal:

Y
X
XY
................(2)




X
2


( X 2 )

a=

X .(3)
2

N ( X 2)

N
XY ( X )( Y )
10
b=
Una vez calculado los valores de a y b, procedemos afirmar que la ecuacin de regresin
lineal tiene la forma:

Tabla n2

11
Esta tabla representa el clculo estadstico de la temperatura y la precipitacin para
calcular el coeficiente de correlacin, en este caso los N es el nmero de datos tomados,

x es la es los datos de la temperatura promedio por lo tanto y es la presin y X e
y representan las medianas de los datos.

Con los datos obtenidos en la tabla n2 y la formula nmero 4 calculamos el coeficiente

de correlacin:

2
x (4)
y2






r=
xy

12
Por lo tanto la grfica de la ecuacin de regresin lineal es:

2) Regresin logartmica

3) Regresin exponencial :

13
 4) Regresin potencial

VI. Conclusiones :

VII. REDERENCIAS BIBLIOGRAFICAS

Montgomery. Diseo y anlisis de experimentos.Limusa

Willey.Segunda Edicion.Mexico DF.Pg.392.
Medina, Mariano. Iniciacin a la meteorologa. Editorial
Pananinfo.Octava edicin.1994.Pg. 23.

14
 Los epsgramas.Meteogramas del sistema de prediccin
por conjuntos.RAM.Revista de la aficionada a la
meteorologa. Recuperado desde:
http://www.tiempo.com/ram/2104/interpretacin-de-mapas-y-
productos-meteorolgicos/.
Madrid, A; Ortiz, Diseo de isolineas y uso del premapa.
Universidad Nacional de Colombia. Revisado en:
http://www.bdigital.unal.edu.co/1239/7/06CAPI05.pdf
Clima de huancayo. Revisado en : http://es.climate-
data.org/location/3326/

VIII. ANEXOS

15