Académique Documents
Professionnel Documents
Culture Documents
ECUACIÓN DE
REGRESIÓN LINEAL
SIMPLE
1er paso: Ordenar datos y
formulas
DATO
S
N° DAP (X) ALTURA (y)
1 15.6 17.4
RECTA DE
2 14.8 18.4 y = a + bx REGRESIÓN
3 15.5 16.5
LINEAL
4 12.5 15.2
5 14.2 19.9
n xi yi xi yi
b
n xi2 xi
6 15.7 22.1 2
7 12.3 14.8
Formula de
8 14.2 17.3
“MINIMOS
CUADRADOS”
9 8.8 10.3
a y i b xi
10 11.9 14.6 n
n xi yi xi yi
b
n xi2 xi
2
Coeficiente de
Correlación, r :
Interpretación:
n xi yi xi yi
r
n x x n y
2
i i
2 2
i yi
2
Existe muy
Entonces, la ecuación sería:
Altura ; x = DAP
y=
y = -0.708
baja + 1.281 x
correlación 1) Pendiente: Por cada centímetro que se
r = = 0.865 entre DAP y incrementa el DAP, la altura se
Altura. incrementa en 1.281 metros.
n x y x y
2 los valores de
"y" es
Esta recta, puede servir para predecir,
n x x n y y
2 i i i i suponga que tiene un árbol con un
R 2 2 2 2 = 0.747 explicada por
DAP=8cm, entonces se estima que su
la ecuación de
i i i i altura sería de
regresión
y = -0.78 + 1.281 * 8 = 9.54 metros.
lineal.
Además el porcentaje de la variabilidad
total que explica el modelo es de
74,70% (r2 = 0.865 = 0.747).
REGRESION LINEAL
25
20
f(x) = 1.28x - 0.71
R² = 0.75
15
ALTURA
10
0
8 9 10 11 12 13 14 15 16 17
DAP
Linear ()
ESTIMACIÓN DE LA
ECUACIÓN DE
REGRESIÓN
LOGARÍTMICA
Método de “MINIMOS CUADRADOS” para ajustar la línea
2do paso: de regresión LOGARITMICA
ALTURA
N° DAP (X) (y) x´=ln(x) x´*y
1 15.6 17.4 2.747 47.803 7.547 302.76
2 14.8 18.4 2.695 49.581 7.261 338.56
n x´i yi x´i yi
3 15.5 16.5 2.741 45.224 7.512 272.25 b b = = 15.667
n x´i2 x´i
2
4 12.5 15.2 2.526 38.391 6.379 231.04
5 14.2 19.9 2.653 52.800 7.040 396.01
6 15.7 22.1 2.754 60.856 7.583 488.41
7 12.3 14.8 2.510 37.142 6.298 219.04
8 14.2 17.3 2.653 45.901 7.040 299.29 a y i b x´i
a = = -23.975
9 8.8 10.3 2.175 22.400 4.730 106.09 n
10 11.9 14.6 2.477 36.157 6.133 213.16
SUMA 135.5 166.5 25.930 436.255 67.523 2866.61
PROMEDIO 13.55 16.65 2.593 43.625 6.752 286.661
Ecuación
y = -23.975 + 15.667ln(x) desarrollad
a.
1er paso: Ordenar datos y
formulas RECTA DE
y = a + bln(x) REGRESION
LOGARITMICA
DATO Linealizamos la
S ecuación :
N° DAP (X) ALTURA (y)
1 15.6 17.4
x´=ln(x)
2 14.8 18.4 recta de
3 15.5 16.5 y = a + bx´ regresión lineal
4 12.5 15.2
5 14.2 19.9
6 15.7 22.1
n xi yi xi yi
7 12.3 14.8 b
n xi2 xi
2
8 14.2 17.3 Formula de
9 8.8 10.3 “MINIMOS
10 11.9 14.6 CUADRADOS”
a y i b xi
n
Coeficiente de correlación (r) y coeficiente de
3er paso: determinación (R2)
Coeficiente de
Correlación, r :
n x´i yi x´i yi
r
n x´ x´ n y y
2
i i
2 2
i i
2
Existe baja
r = = 0.867 correlación
entre DAP y
Altura.
Coeficiente de
Determinación, R2 :
El 75.20% de
n x´ y x´ y
2 los valores de
n x´ x´ n y y = 0.752
2 i i i i "y" es
R 2 2 2 2 explicada por
i i i i la ecuación de
regresión
lineal.
REGRESION LOGARITMICA
25
20
15
ALTURA
10
0
8 9 10 11 12 13 14 15 16 17
DAP
Logarithmic ()
ESTIMACIÓN DE LA
ECUACIÓN DE
REGRESIÓN
EXPONENCIAL
1er paso: Ordenar datos y RECTA DE
formulas REGRESIÓN
Linealizamos la EXPONENCIAL
DATO ecuación :
S
N° DAP (X) ALTURA (y)
1 15.6 17.4
2 14.8 18.4
3 15.5 16.5 RECTA DE
4 12.5 15.2 REGRESIÓN
5 14.2 19.9 LINEAL
6 15.7 22.1
7 12.3 14.8
n xi yi xi yi
8 14.2 17.3 b
n xi2 xi
2
Coeficiente de
Correlación, r :
n xi y´i xi y´i
r
n x x n y´ y´
2
i i
2 2
i i
2
Existe buena
r = = 0.898 correlación
entre DAP y
Altura.
Coeficiente de
Determinación, R2 :
El 80.70% de
n x y´ x y´
2 los valores de
"y" es
n x x n y´ y´
2 i i i i
R 2 2 2 = 0.807 2
explicada por
la ecuación de
i i i i regresión
exponencial.
REGRESION EXPONENCIAL
25
20
f(x) = 5.11 exp( 0.09 x )
R² = 0.81
15
ALTURA
10
0
8 9 10 11 12 13 14 15 16 17
DAP
Exponential ()
ESTIMACIÓN DE LA
ECUACIÓN DE
REGRESIÓN POTENCIAL
1er paso: Ordenar datos y RECTA DE
formulas REGRESIÓN
POTENCIAL
Linealizamos la
DATO
ecuación :
S
N° DAP (X) ALTURA (y)
1 15.6 17.4
2 14.8 18.4
3 15.5 16.5
4 12.5 15.2 RECTA DE
5 14.2 19.9 y´
´ REGRESIÓN
6 15.7 22.1 LINEAL
7 12.3 14.8
8 14.2 17.3 n xi yi xi yi
b
n xi2 xi
2
9 8.8 10.3 Formula de
10 11.9 14.6 “MINIMOS
CUADRADOS”
a y i b xi
n
Método de “MINIMOS CUADRADOS” para ajustar la línea
2do paso: de regresión POTENCIAL
ALTURA
N°
DAP (X)
(y)
x´= log(x)
y´= log(y)
x´*y´
1 15.6 17.4 1.193 1.241 1.480 1.424 1.539
2 14.8 18.4 1.170 1.265 1.480 1.370 1.600
3 15.5 16.5 1.190 1.217 1.449 1.417 1.482 n x´i y´i x´i y´i
b b = = 1.060
n x´ x´i
4 12.5 15.2 1.097 1.182 1.296 1.203 1.397 2 2
5 14.2 19.9 1.152 1.299 1.497 1.328 1.687 i
6 15.7 22.1 1.196 1.344 1.608 1.430 1.807
y´ b x´
7 12.3 14.8 1.090 1.170 1.275 1.188 1.370
8 14.2 17.3 1.152 1.238 1.427 1.328 1.533 a´
= = 0.020
a´ i i
9 8.8 10.3 0.944 1.013 0.957 0.892 1.026 n
10 11.9 14.6 1.076 1.164 1.252 1.157 1.356
SUMA 135.5 166.5 11.261 12.133 13.721 12.736 14.796
ojo:
PROMEDIO 13.55 16.65 1.126 1.213 1.372 1.274 1.480
a=
loga a
Ecuación
antiloga =
desarrollad
a. 1.047
Coeficiente de correlación (r) y coeficiente de
3er paso: determinación (R2)
Coeficiente de
Correlación, r :
n x´i y´i x´i y´i
r
n x´ x´ n y´ y´
2
i i
2 2
i i
2
Existe muy
r = = 0.910 buena
correlacion
entre DAP y
Altura.
Coeficiente de
Determinación, R2 :
El 82.80% de
n x y´ x y´
2 los valores de
n x x n y´ y´
"y" es explicada
R 2
2
i i
2
i
2
i
2 = 0.828 por la ecuacion
de regresion
i i i i exponencial.
REGRESION POTENCIAL
25
20
f(x) = 1.05 x^1.06
R² = 0.83
15
ALTURA
10
0
8 9 10 11 12 13 14 15 16 17
DAP
Power ()