ESTIMACIÓN DE LA

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

Método de “MINIMOS CUADRADOS” para ajustar la línea

2do paso: de regresión LINEAL

N° DAP (X) ALTURA (y) x*y    

   
1 15.6 17.4 271.44 243.36 302.76
2 14.8 18.4 272.32 219.04 338.56 n xi yi   xi  yi
b b  = = 1.281
3 15.5 16.5 255.75 240.25 272.25 n xi2    xi 
2

4 12.5 15.2 190 156.25 231.04

5 14.2 19.9 282.58 201.64 396.01
6 15.7 22.1 346.97 246.49 488.41
a y i  b xi a  = = -0.708
7 12.3 14.8 182.04 151.29 219.04
n
8 14.2 17.3 245.66 201.64 299.29
9 8.8 10.3 90.64 77.44 106.09
10 11.9 14.6 173.74 141.61 213.16
SUMA 135.5 166.5 2311.14 1879.01 2866.61 Ecuación
PROMEDIO 13.55 16.65 231.114 187.901 286.661 y = -0.708 + 1.281x desarrollad
a.
 Coeficiente de correlación (r) y coeficiente de
3er paso: determinación (R2)

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.

2) Intercepto: Un árbol con un DAP muy

Coeficiente de pequeño (0), se estima que su
Altura será de -0.708. En este caso no
Determinación, R2 : El 74.70% de
tiene sentido.

 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

f(x) = 15.67 ln(x) - 23.97

R² = 0.75

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

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 EXPONENCIAL

N° DAP (X) ALTURA (y) y´=ln(y) x*y´    

   
1 15.6 17.4 2.856 44.561 243.36 8.159
2 14.8 18.4 2.912 43.103 219.04 8.482
3 15.5 16.5 2.803 43.452 240.25 7.859 n xi y´i  xi  y´i b  = = 0.086
b
4 12.5 15.2 2.721 34.016 156.25 7.405 n xi2    xi 
2

5 14.2 19.9 2.991 42.468 201.64 8.944

6 15.7 22.1 3.096 48.601 246.49 9.583
 y´ b x a´
a´   = = 1.631
i i
7 12.3 14.8 2.695 33.144 151.29 7.261 n
8 14.2 17.3 2.851 40.480 201.64 8.127
9 8.8 10.3 2.332 20.523 77.44 5.439
10 11.9 14.6 2.681 31.904 141.61 7.188 ojo:
135.5 166.5 27.938 382.252 1879.01 78.447
SUMA
PROMEDIO 13.55 16.65 2.79383 38.225 187.901 7.845
a=
  lna a 
antiln =
Ecuación
 
desarrollad 5.110
a.
 Coeficiente de correlación (r) y coeficiente de
3er paso: determinación (R2)

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 ()