Escuela Politcnica Del Ejrcito

Ingeniera Electromecnica

Estadstica-Proyecto

Chilig Edwin
Sancho David
Farinango Wilmer
Byron Barros

2013

INDICE

Estadstica
1

PROYECTO FINAL DE ESTADISTICA

1.-TEMA:...................................................................................................... 3
2.-OBJETIVOS............................................................................................... 3
OBJETIVO GENERAL.................................................................................. 3
OBJETIVO ESPECFICOS............................................................................ 3
3.-MATERIALES............................................................................................ 3
4.-MARCO TERICO..................................................................................... 3
Excel........................................................................................................ 3
Regresin Lineal....................................................................................... 3
Regresin Exponencial............................................................................. 6
Regresin Logartmica............................................................................. 6
5.-PROCEDIMIENTO........................................................................................ 7
6.-ANALISIS DE RESULTADOS........................................................................13
7.-CONCLUSIONES........................................................................................ 13
8.- RECOMENDACIONES............................................................................... 13
9.-BIBLIOGRAFIA........................................................................................... 14

PROYECTO FINAL DE ESTADISTICA

Estadstica
2

1.-TEMA: Planteamiento de un problema con datos reales para

realizar el analisis de regresin lineal, exponencial y logartmica.
2.-OBJETIVOS
OBJETIVO GENERAL

Desarrollar la tendencia de la regresin lineal, exponencial y

logartmica mediante el programa Excel.

OBJETIVO ESPECFICOS

Obtener los datos de temperatura ya sea calentando o enfriando un

metal.
Realizar la tendencia de la regresin lineal, exponencial y logartmica
mediante los datos obtenidos del calentamiento o enfriamiento del
metal.

3.-MATERIALES

Lata de Tool metlico

Combustible GLP (gas licuado de petrleo) para el encendido de la

llama
Programa Excel
Termmetro de mercurio
Computador personal

4.-MARCO TERICO
Excel

Excel permite a los usuarios elaborar tablas y formatos que incluyan

clculos

matemticos

mediante

frmulas;

las

cuales

pueden

usar

operadores matemticos como son: (suma), (resta), (multiplicacin),

(divisin)

(exponenciacin);

adems

de

poder

utilizar

elementos

denominados funciones (especie de frmulas, pre-configuradas) como por

ejemplo: Suma (), Promedio (), Buscar (), etc. As mismo Excel es til para
gestionar Listas o Bases de Datos; es decir agrupar, ordenar y filtrar la
informacin.

Regresin Lineal

Abordaremos en esta pgina las distribuciones bidimensionales. Las

observaciones se dispondrn en dos columnas, de modo que en cada fila
figuren la abscisa x y su correspondiente ordenada y. La importancia de las
distribuciones bidimensionales radica en investigar cmo influye una
variable sobre la otra. Esta puede ser una dependencia causa efecto, por
ejemplo, la cantidad de lluvia (causa), da lugar a un aumento de la
produccin agrcola (efecto). O bien, el aumento del precio de un bien, da
lugar a una disminucin de la cantidad demandada del mismo.

Estadstica
3

Si utilizamos un sistema de coordenadas cartesianas para representar la

distribucin bidimensional, obtendremos un conjunto de puntos conocido
con el diagrama de dispersin, cuyo anlisis permite estudiar
cualitativamente, la relacin entre ambas variables tal como se ve en la
figura. El siguiente paso, es la determinacin de la dependencia funcional
entre las dos variables x e y que mejor ajusta a la distribucin
bidimensional. Se denomina regresin lineal cuando la funcin es lineal, es
decir, requiere la determinacin de dos parmetros: la pendiente y la
ordenada en el origen de la recta de regresin, y=ax+b.
La regresin nos permite adems, determinar el grado de dependencia de
las series de valores X e Y, prediciendo el valor y estimado que se obtendra
para un valor x que no est en la distribucin.

Vamos a determinar la ecuacin de la recta que mejor ajusta a los datos

representados en la figura. Se denomina error ei a la diferencia yi-y, entre el
valor observado yi, y el valor ajustado y= axi+b, tal como se ve en la figura
inferior. El criterio de ajuste se toma como aqul en el que la desviacin
cuadrtica media sea mnima, es decir, debe de ser mnima la suma.

Estadstica
4

El extremo de una funcin: mximo o mnimo se obtiene cuando las

derivadas de s respecto de a y de b sean nulas. Lo que da lugar a un
sistema de dos ecuaciones con dos incgnitas del que se despeja a y b.

El coeficiente de correlacin es otra tcnica de estudiar la distribucin

bidimensional, que nos indica la intensidad o grado de dependencia entre
las variables X e Y. El coeficiente de correlacin r es un nmero que se
obtiene mediante la frmula.

El numerador es el producto de las desviaciones de los valores X e Y

respecto de sus valores medios. En el denominador tenemos las
desviaciones cuadrticas medias de X y de Y.
El coeficiente de correlacin puede valer cualquier nmero comprendido
entre -1 y +1.

Cuando r=1, la correlacin lineal es perfecta, directa.

Cuando r=-1, la correlacin lineal es perfecta, inversa
Cuando r=0, no existe correlacin alguna, independencia total de los
valores X e Y
El coeficiente de determinacin. Compara los valores y estimados y reales, y os

rangos con valor de 0 a 1. Si es 1, hay una correlacin perfecta en la muestra, es decir, no

hay diferencia entre el valor y estimado y el valor y real.

Aplicaciones de regresin lineal

Lneas de tendencia
Una lnea de tendencia representa una tendencia en una serie de datos
obtenidos a travs de un largo perodo. Este tipo de lneas puede decir si un
conjunto de datos en particular (como por ejemplo, el PBI, el precio del
petrleo o el valor de las acciones) han aumentado o decrementado en un
determinado perodo. Las lneas de tendencia son generalmente lneas
rectas, aunque algunas variaciones utilizan polinomios de mayor grado
dependiendo de la curvatura deseada en la lnea.
Medicina

Estadstica
5

En Medicina, las primeras evidencias relacionando la mortalidad con el

fumar tabaco vinieron de estudios que utilizaban la regresin lineal. Los
investigadores incluyen una gran cantidad de variables en su anlisis de
regresin en un esfuerzo por eliminar factores que pudieran producir
correlaciones espurias.
En el caso del Tabaquismo, los investigadores incluyeron el estado socioeconmico para asegurarse que los efectos de mortalidad por tabaquismo
no sean un efecto de su educacin o posicin econmica. No obstante, es
imposible incluir todas las variables posibles en un estudio de regresin.
En el ejemplo del tabaquismo, un hipottico gen podra aumentar la
Mortalidad y aumentar la propensin a adquirir enfermedades relacionadas
con el consumo de tabaco.
Industria
En la industria tiene aplicacin para investigar la relacin entre el
rendimiento de la produccin y uno o ms factores del (o de los) que
depende, como la Temperatura, la humedad ambiental, la presin, la
cantidad de insumos, etc; con base en este anlisis se puede pronosticar el
comportamiento de una variable que se desea estimar.

Regresin Exponencial
Fue Francis Galton (1822-1911) quien utiliz por primera vez el trmino
regresin para indicar que, aunque influida por la estatura de sus padres, la
estatura de los hijos "regresaba" a la media general.

La regresin examina la relacin entre dos variables, pero restringiendo una

de ellas con el objeto de estudiar las variaciones de una variable cuando la
otra permanece constante. En otras palabras, la regresin es un mtodo que
se
emplea
para
predecir
el valor de
una
variable
en funcin de valores dados a la otra variable.
En todos los casos de regresin existe una dependencia funcional entre las
variables. En el caso de dos variables, siendo una de ellas (X) variable
independiente y la otra (Y) la dependiente, se habla de regresin de Y sobre
X; Por ejemplo, los ingenieros forestales utilizan la regresin de la altura de
los rboles sobre su dimetro, lo cual significa que midiendo el dimetro
(variable independiente) y reemplazando su valor en una relacin definida
segn la clase de rbol se obtiene la altura, y aun sin necesidad de clculos
aprecian la altura utilizando grficas de la funcin de dependencia, altura =
funcin del dimetro.

Cuando la curva de regresin de y sobre x es exponencial, es decir para

cualquier x considerada, la media de la distribucin est dada por la
siguiente ecuacin predictora:

Estadstica
6

Tomando logaritmos en ambos lados tenemos:

Regresin Logartmica
En estadstica, la regresin no lineal es un problema de inferencia para un
modelo tipo:
y = f (x, ) +
Basado en datos multidimensionales x, y donde f es alguna funcin no lineal
respecto a algunos parmetros desconocidos . Como mnimo, se pretende
obtener los valores de los parmetros asociados con la mejor curva de
ajuste (habitualmente, con el mtodo de los mnimos cuadrados). Con el fin
de determinar si el modelo es adecuado, puede ser necesario utilizar
conceptos de inferencia estadstica tales como intervalos de confianza para
los parmetros as como pruebas de bondad de ajuste.
La curva logartmica

y=a ln x +b

es tambin una recta, pero en lugar de

estar referida a las variables originales

ya

, est referida a

ln x

Y .

5.-PROCEDIMIENTO
5.1._ Primeramente procedemos a colocar el tool metlico en un lugar
apropiado para no tener ningn inconveniente al momento de proceder a
calentarlo.
5.2._Luego procedemos a calentar el tool metlico, por medio de una llama
que se le observa en la figura1.

Estadstica
7

Figura 1
5.3._ Seguidamente procedemos a medir la temperatura del tool ya
calentado mediante un termmetro a base de mercurio como se los observa
en la siguiente figura.

5.4._ luego anotamos los datos medidos como se observa en la tabla 1.

TOMA DE DATOS MEDIDOS DEL TOL METLICO CALENTADO.

Tabla 1.

NOTA:
La
de datos se lo
calefn
industrial
fabricacin
utilizacin de tool
Y como combustible
petrleo)
y
un
de mercurio por lo
lmina de tool el
superficie
medida

Tiempo
(seg)

Temperatura
(C)

10

20

10

30

19

40

25

50

35

60

47

70

59

80

78

90

95

100

120

Estadstica
8

realizacin de toma
realizo
en
un
avcola
de
artesanal con la
galvanizado 0.45.
GLP (gas licuado de
termmetro a base
delgado
de
la
calentamiento de la
en acelerado.

5.5._A continuacin procedemos abrir Excel, donde vamos a dar doble click
en el icono.

5.6._A continuacin se nos visualiza una pantalla de Excel, en donde vamos

a proceder a digitalizar los datos.

5.7._ Seguidamente procedemos a digitalizar todos los valores medidos en

Excel 2010.

5.8._Procedemos a realizar la grfica de dispersin segn los datos tomados

del tool metlico caliente.

Estadstica
9

5.9._ Luego damos click en cualquier punto de la curva para realizar una
lnea de tendencia.

5.10._ Se nos visualiza una pantalla donde damos click en el icono lineal
con su respectiva ecuacin.

Estadstica
10

5.11._ Visualizamos la lnea de tendencia la cual va ser lineal con su

ecuacin.

5.12._ Repetimos los pasos (5.9), (5.10), pero en este caso damos click en
el icono exponencial con su respectiva ecuacin.

Estadstica
11

5.13._ Visualizamos la lnea de tendencia la cual va ser exponencial con su

ecuacin.

5.14._ Repetimos los pasos (5.9), (5.10), pero en este caso damos click en
el icono logartmica con su respectiva ecuacin.

Estadstica
12

5.15._ Visualizamos la lnea de tendencia la cual va ser logartmica con su

ecuacin.

5.16._ Repetimos los pasos (5.9), (5.10), pero en este caso damos click en
el icono polinomica con su respectiva ecuacin.

Estadstica
13

5.17._ Visualizamos la lnea de tendencia la cual va ser logartmica con su

ecuacin.

6.-ANALISIS DE RESULTADOS

Estadstica
14

La regresin exponencial tiene el coeficiente de determinacin que ms

se aproxima a 1, hay una correlacin perfecta en la muestra.

7.-CONCLUSIONES

Cuando se aplica la regresin lineal es necesario identificar las

variables x, y, que para nuestro caso (x) es la variable del tiempo y
(y) es la variable de la temperatura.

Se debe considerar el tiempo como variable dependiente (x) y a la

temperatura como variable dependiente (y), dado que la temperatura
siempre va a variar conforme vara el tiempo y no viceversa.

8.- RECOMENDACIONES

Se recomienda tomar los datos de tiempo y temperatura lo ms

acertadamente, para de esta manera poder obtener un resultado
ptimo en la solucin del problema planteado.

Se recomienda hacer varias mediciones para de esta forma minimizar

el error de lectura, para nuestro caso el tiempo y la temperatura.

Usar los materiales necesarios para la realizacin de la prctica, como

elementos de seguridad, ya que vamos a trabajar con temperaturas
que superan los 100 grados centgrados.

9.-BIBLIOGRAFIA

http://es.wikipedia.org/wiki/Microsoft_Excel
http://www.ecured.cu/index.php/Regresi%C3%B3n_lineal
http://www.slideshare.net/albertojeca/problemas-de-regresion-lineal
http://www.monografias.com/trabajos89/regresion-exponencialmetodo-minimos-cuadrados/regresion-exponencial-metodo-minimoscuadrados.shtml
http://www.slideshare.net/adangraus/regresion-lineal-simple13381573
http://www.youtube.com/watch?v=jqub1i15B0Q
https://www.youtube.com/watch?v=0dq3Hok7e-M

Estadstica
15

Regresin Lineal
Formulas

XY
Y =BX +C
X
Y
XY n X Y
B=
2
2

X n X

C=Y B X

X2
Clculos
2
( X )
Y2
2
550 493
)
)[( 10 )
]
( Y( 37310
10
10
nB=
=1,2358
2

550
( 38500 )[( 10 )
]
n
10

C= 493 ( 1,2358 ) 550 =18,669

n
10
10
Estadstica

16

R=

( )( )
( )
( )]

R=

[ ( 10 ) ( 37310 )( 550 ) ( 493 ) ]

[ ( 10 ) ( 38500 )( 550 ) ] [ ( 10 ) (37535 )( 493) ]

2

=0,9758

R2=0,9758 2=0,9521
Y =1,2358 X 18,669

Regresin Exponencial
Formulas

Y = A e BX
n=10
lnY =lnA e BX
lnY =lnA +ln e BX
lnY =lnA +BX lne
'

'

Y = A + BX
B=

B =

Estadstica

n ( XY ' ) ( X)(Y ' )

2

n ( X 2 ) ( X)
A ' =Y ' BClculos
X

[ ( 10 )( 2210,57 ) ] [(550)(35,25)] =
[( 10 )( 38500 ) ][(550)2 ]
0,
35,2564
0329)(
10
1,7139
A=
e
=
17

X
Y =5,56 e 0,03295,56

0,03

R =0,95

Regresin Logartmica
Formulas

Y = A+ B ln X
Y = A+ BX '
n=10

B=

n ( X ' Y ) ( X ')( Y )
2

B=

n ( X ' )( X ' )
Y B X
Clculos

'

[ ( 10 )( 2100,2316 ) ][(38,1302)( 493)] =45,57

[ ( 10 ) ( 150,2276 ) ][(38,1302)2 ]
A=

493
38,1302
( 45,57 )
=124,45
10
10

Y = 45,57 ln X - 124,45
Estadstica
18

R =0,758

Estadstica
19