Regresin potencial

Teniendo datos histricos observados sobre la demanda, oferta o la variable

que se quiera proyectar, podemos graficar la nube de puntos y observar la
distribucin de los mismos, as como apreciar si los puntos se aproximan a
alguna funcin, en el caso de la funcin potencial se puede recurrir a la
siguiente relacin:
y = a. xb
Cundo existe regresin?
Lo primero que suele hacerse para ver si dos variables aleatorias estn
relacionadas o no.
Tomar una muestra aleatoria sobre cada individuo de tus medias o tus
datos.
Se analizan las dos caractersticas en estudio,(denominados x, y y) de
modo que para cada individuo se tenga un par de valores
Seguidamente, se representan dichos valores en unos ejes cartesianos,
dando lugar a un diagrama de dispersin o nube de puntos.

Modelo potencial

PGINA 1

Para linealizar esta funcin se aplica logaritmos a ambos miembros, mediante

este procedimiento se obtiene una ecuacin logartmica lineal:
log Y = log A + B log X
Sustituyendo valores se tiene:
Y = log Y

A = log A

X = log X

Una vez realizada la sustitucin, los resultados se escriben en la forma lineal:

Y = A + B (X)
Ejemplo
Con los siguientes datos histricos, proyectar la demanda para el ao
2012 mediante regresin potencial.
FECHA

AOS

DEMAND
A

2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011

1
2
3
4
5
6
7
8
9
10
11
12

20,000
35,000
45,000
40,000
55,000
55,000
58,000
62,000
60,000
65,000
72,000
68,000

Por el mtodo no lineal de Regresin potencial se tiene las siguientes

relaciones y construimos la siguiente tabla:

PGINA 2

AO
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011

X
Y
1
20000
2
35000
3
45000
4
40000
5
55000
6
55000
7
58000
8
62000
9
60000
10
65000
11
72000
12
68000
SUMAS

X=(LOG
Y=
X)
(LOG Y)

LOG
X^2

LOG
Y^2

X*Y

0.00000
0.30103

4.30103
4.54407

0.00000
0.09062

18.49886
20.64855

0.0000
1.3679

0.47712

4.65321

0.22764

21.65239

2.2201

0.60206

4.60206

0.36248

21.17896

2.7707

0.69897

4.74036

0.48856

22.47104

3.3134

0.77815

4.74036

0.60552

22.47104

3.6887

0.84510

4.76343

0.71419

22.69025

4.0256

0.90309

4.79239

0.81557

22.96702

4.3280

0.95424

4.77815

0.91058

22.83073

4.5595

1.00000

4.81291

1.00000

23.16413

4.8129

1.04139

4.85733

1.08450

23.59368

5.0584

1.07918

4.83251

1.16463

23.35314

5.2152

8.680

56.418

7.464

265.520

41.360

Con los datos anteriores obtenemos:

a 10

b xi
n

n xi yi xi yi
n xi2 xi

b o B = 0.46392436

Remplazando los valores para b y a obtenemos:

AO
2012

x=13
Y =23,222.0286(x

PGINA 3

0.46392436

DEMANDA
PROYECTADA

76,3
28

UNIDAD
ES

 n x y x y

n x x n y y
2

2
i

2
i

R2 =0.93706541

MODELO LOGARTMICO

La curva logartmica Y = a +blog X es tambin una recta, pero en lugar de estar

referida a las variables originales X e Y , est referida a log X y a Y

a=

b=
Ejemplo

PGINA 4

Con los siguientes datos histricos, proyectar la demanda para el ao

2012 mediante regresin potencial.
x
1
1.2
1.5
2
3
3.7
4
4.5
20.9

y
3
3.4
5
2
4.1
5
7
6.5
36

0
0.1823
0.4054
0.6931
1.0986
1.3083
1.3862
1.5040
6.5779

a=

b=

ln2 x

ln x * y

0
0.0332
0.1643
0.4803
1.2069
1.7116
1.9215
2.2620
7.7798

0
0.6198
2.027
1.3862
4.5042
6.5415
9.7034
9.776
34.5581

ln x

y2
9
11.56
25
4
16.81
25
49
42.25
182.62

= 2.090513

= 4.5 - (2.090513)(0.8222) = 2.78117

La ecuacin final que modela el sistema es

PROYECCION EXPONENCIAL
Es un mtodo de proyeccin apropiado en el caso de que la serie de tiempo
describe datos que crecen o decrecen en proporcin constante a lo largo del
tiempo. Ejemplo ventas de un producto, crecimiento de una poblacin o
demanda, propagacin de una enfermedad entre otros.
Su expresin matemtica es:

Esta modalidad depende de los valores de a y b :

Si b tiene un valor comprendido entre 0 y 1 entonces el valor de Y decrecer al
crecer X
Si b es mayor que 1 , Y crecer con X .
PGINA 5

El valor de a corresponde a la ordenada al origen

FORMULAS
Formula general:

Si se toman logaritmos a ambos miembros de la ecuacin se puede

transformar en una relacin lineal:
LogY = Log ( a . bX)

Donde :
LogY = Log a + X Log b
a : intercepto
b : coeficiente parcial de regresin
Y : variable independiente ( tiempo) X : variable dependiente
Clculo de los coeficientes parciales :

Ejemplo :
Se tienen los siguientes datos :
X

28.00

28.30

28.90

30.10

PGINA 6

32.10

34.50

39.80

43.90

51.10

10

59.70

55

376.4

Vemos que la tendencia lineal slo cruza a los datos reales en dos puntos. Por
tanto usar la proyeccin lineal no va ser una buena decisin. En este caso
vamos a utilizar la proyeccin exponencial.

TABLA DE DATOS
X

Log Y

Log X

X.LogY

(LogY)

28.00

1.4472

0.0000

1.4472

2.0943

28.30

1.4518

0.3010

2.9036

2.1077

28.90

1.4609

0.4771

4.3827

2.1342

30.10

1.4786

0.6021

5.9143

16

2.1862

32.10

1.5065

0.6990

7.5325

25

2.2696

34.50

1.5378

0.7782

9.2269

36

2.3649

39.80

1.5999

0.8451

11.1992

49

2.5596

43.90

1.6425

0.9031

13.1397

64

2.6977

51.10

1.7084

0.9542

15.3758

81

2.9187

PGINA 7

10

59.70

1.7760

1.0000

17.7597

100

3.1541

55

376.4

15.6095

6.5598

88.8816

385

24.4869

Reemplazando : ( n=10)

La ecuacin sera :
Y = 22.8552 x 1.0882X
La proyeccin para el perodo 11 sera :
Y = 22.8552 x1.088211
Y = 57.91

PGINA 8