Regresin de datos experimentales Es un mtodo grafico; el cual es empleado para corregir las desviaciones generadas en una grfica de dispersin,

obteniendo de esta manera un mejor ajuste para dichos valores, generando consigo un valor ms aproximado a la realidad. Tipos de regresiones de datos experimentales: Regresin lineal La regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre una variable dependiente Y, las variables independientes Xi y un trmino aleatorio . Mediante el mtodo de regresin lineal se puede construir una ecuacin y la respectiva recta para describir como una variable dependiente es afectada por una variable independiente. Esa recta es un promedio La frmula simple es: Y= a.x+b Mtodo de los minimos cuadrados Este mtodo asegura que la recta ajustada posea la menor distancia a todos los puntos (distancia vertical de cada punto a la recta). La recta de regresin lineal simple es de la forma: Donde a y b se llaman coeficientes de regresin y se calculan empleando las ecuaciones llamadas normales.

Clculos de los elementos de la regresin de la recta

Procedimiento para determinar la linea de regresin. 1) Escribir la relacin entre las variables dependiente e independiente en dos columnas. 2) Agregar una columna para el producto de las dos variables ( )

3) Agregar una columna para el calculo del cuadrado de la variable independiente ( ) 4) Calcular la suma de las columnas 5) Calcular la media aritmtica a las variables dependiente e independiente.

Aplicaciones de la regresin lineal Permite describir por medio de un modelo matemtico el comportamiento y la probable relacin entre dos variables, asi como extraer inferencias acerca de la variable dependiente considerando un nivel de la variable independiente. Estas inferencias dan lugar a que la regresin lineal sea til para: a) Explicar un fenmeno b) Realizar una prediccin c) Controlar un proceso Regresion cuadrtica El modelo de regresin cuadrtica 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 como parablico. 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:

Este modelo tambin es conocido como parablico, y es el caso ms simple de modelos de regresin polinomiales, siendo su grado igual a 2. 2. Ecuacin caracterstica La funcin que define el modelo es la siguiente: Yi=A+Bxi+Cxi2+E En la cual: Yi : Variable dependiente, isima observacin A, B, C: Parmetros de la ecuacin, que generalmente son desconocidos E: Error asociado al modelo Valor de la -esima observacin de la variable independiente

Xi :

Al sustituir los parmetros por estimadores, el modelo adopta la siguiente forma: yi=a+bxi+cxi2 3. Tabla de datos Para el ajuste de un conjunto de datos al modelo cuadrtico de regresin, se construye la siguiente tabla de datos: X .. x y .. y X2 .. x2 X3 .. x3 X4 .. x4 X* y .. x*y X2*y .. x2y y2 .. y2

4. Estimadores del modelo los estimadores para el ajuste del modelo se calculan de la siguiente manera:

5. Anlisis de varianza para la regresin Con el objeto de determinar si el modelo explica o no el fenmeno en estudio, se realiza el anlisis de varianza, que se calcula de la siguiente manera Fuente de Grados Variacin de libertad Regresin 2 Error Total n-3 n-1 Suma de cuadrados Cuadrado medio F calculada F tabulada

b* (xy-x*y/n) S.C. Reg/2 C.M.Reg/C.M.Error +c*( x2y- x2* y/n) S.C. Total- S.C. S.C. Error/ Regresin (n-3) 2 2 (y) -(y) /n

Ho: El modelo no explica el fenmeno en estudio Ha: El modelo s explica el fenmeno en estudio

Para buscar en la tabla la F tabulada, se usan el el numerador los grados de libertad de regresin y en el denominador, de acuerdo al nivel de significancia escogido (los ms usuales son al 5% y al 1%) Si el valor de F calculada es mayor que el de F tabulada, se rechaza Ho, en caso contrario se acepta

6. Grado de ajuste del modelo Para determinar el grado de ajuste del modelo, se calcula el coeficiente de determinacin, de la siguiente manera:

Aplicaciones de la regresin cuadrtica Puede servir para para aproximar datos faltantes. Es empleado con parmetros con errores pequeos.

Cuando la regresin lineal no se puede ajustar con los valores, la parbola proporciona una mejor aproximacin de los mismos a la realidad.

Regresin exponencial Ser aquella en la que la funcin de ajuste ser una funcin exponencial del tipo y = a.bx Una regresin exponencial es el proceso de encontrar la ecuacin de la funcin exponencial que se ajuste mejor a un conjunto de datos. Como un resultado, obtenemos una ecuacin de la forma donde .

La potencia predictiva relativa de un modelo exponencial est denotada por R 2. El valor de R 2 vara entre 0 y 1. Mientras ms cercano el valor est de 1, ms preciso ser el modelo. 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 La solucin de nuestro problema vendra de resolver la regresin lineal entre v x, y una vez obtenida supuesta sta: v* = A + B x ; obviamente la solucin final ser: a = antilog A y b = antilog B. Regresin 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:

Este modelo tambin es conocido como potencial, Cobb-Douglas de primer grado o exponencial inverso. 2. Ecuacin caracterstica La funcin que define el modelo es la siguiente: Yi=A*XBi* E En la cual: Yi : Variable dependiente, isima observacin A, B: Parmetros de la ecuacin, que generalmente son desconocidos E: Error asociado al modelo Xi : Valor de la -esima observacin de la variable independiente Al sustituir los parmetros por estimadores, el modelo adopta la siguiente forma: yi=a*xbi la ecuacin se transforma aplicando logaritmos de ambos lados, con lo cual se convierte a una forma lineal: Ln yi= Ln a +b*Ln xi