Curva exponencial de mejor ajuste (Curva exponencial regresin)

P Ahora sabemos como ajustar una recta a un conjunto de datos. Que hay una curva exponencial de la
forma
y=Arx ?
R La idea es convertir una curva exponencial a una recta por medio de logaritmos, como sigue:
Empiece con la funcin exponencial
y=Arx
y tome el logaritmo de ambos lados:
logy=log(Arx)
Las propiedades de logaritmos nos dan entonces
logy logy =logA+logrx o =logA+xlogr
Esto expresa logy como una funcin lineal de x, con
Pendiente =m=logr Interseccin =b=logA
Por lo tanto, si calculamos la recta de mejor ajuste usando logy como una funcin de x, entonces la
pendiente y la interseccin en y seran dados como ms arriba, y despus podemos obtener los
coeficientes r y A por
r A =10m =10b
Para resumir,
Regresin exponencial Para obtener la curva exponencial de mejor ajuste de la forma y=Arx 1.
Obtenga la recta de regresin usando los datos (xlogy). 2. Los coeficientes deseados A y r son
entonces r A =10m =10b donde m y b son la pendiente y interseccin de la recta de regresin. |
Ejemplo 4: Ventas de Compaq
Ingresos de ventas de computadores Compaq (una marca ahora extinguida) son mostrados en la
siguiente tabla, donde t representa aos desde 1990.* Obtenga el modelo exponencial de regresin para
los datos.
tt = Ao (1990 = 0) | 0 | 2 | 4 | 7 |
RR = Ingreso ($ billn) | 3 | 4 | 11 | 25 |
* Datos son redondeados. Fuente: Informes de compaa/The New York Times, Enero 27, 1998, p. D1.
Solucin Pues necesitamos modelar logR como una funcin lineal de t, primero construimos una tabla

"y=mx+b". (S, la herramienta puede hacer regresin exponencial directamente, pero preferimos que
usted conozca como funciona!)
La recta de regresin que obtenemos es
y=013907x+042765
Por lo tanto, el modelo exponencial deseado es
R=Art
,
donde r=10m=1001390713774, y A=1004276526770.
Nuestra modelo de ingresos es, por lo tanto,
R=26770(13774)t.
Antes de seguir... Vaya a la herramienta regresin, ingrese los datos originales (sin tomar logaritmos) y
pulse el botn "y=a(bx)". Qu encuentra?
Note: Pues hemos tomado logaritmos antes de hacer la regresin lineal, se puede decir que la curva de
regresin exponencial no es la curva que minimiza SSE para los datos originales, esta curva minimiza
SSE para los datos tranformados --- es decir, para los datos (xlogy). Por lo tanto, la curva de regresin
exponencial no es la curva exponencial de mejor ajuste en el sentido "estricto." Vea los libros de texto
"Applied Calculus" para un mtodo obtener esta curva.
con x=t y y=logR , y entonces calculamos la recta de regresin, y=mx+b.
x (=t)x (=t) | 0 | 2 | 4 | 7 |
y (=logR)y (=logR) | 0.477121 | 0.602060 | 1.04139 | 1.39794 |
En lugar de hacer la calculacin a mano como hicimos ms arriba, podemos utilizar la herramienta
regresin en este sitio para hacerlo automticamente. Simplemente ingrese los valores de x y y y pulse
el botn