UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

1.0 INTRODUCCION
Los mtodos vistos hasta ahora
unidimensionales.

solo permiten trabajar

con datos

Si se analizan las variables por separado se pierde informacin sobre la

distribucin de frecuencias conjunta.
Las variables bidimensionales surgen cuando se estudian dos caractersticas
asociadas a la observacin de un fenmeno
En concreto, resultan de tomar una muestra de tamao n de una variable
aleatoria bidimensional (X,Y)
{(x1,y1), (x2,y2), ..., (xn,yn)}

2.0 DIAGRAMA DE DISPERSIN

La forma ms sencilla de representar grficamente datos bidimensionales es
mediante los diagramas de dispersin, que representa los pares de datos de
la muestra sobre unos ejes cartesianos.

La forma ms sencilla de representar grficamente datos bidimensionales es

mediante los diagramas de dispersin, que representa los pares de datos de
la muestra sobre unos ejes cartesianos.

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

3.0 CORRELACIN LINEAL

Es posible estimar la relacin lineal entre los datos tomados de dos
variables mediante el coeficiente de correlacin:

4.0 REGRESION
En la prctica surge con frecuencia la necesidad de tener que relacionar un
conjunto de variables a travs de una ecuacin (ej, el peso de unas
personas con su altura).
La regresin es una tcnica estadstica que permite construir modelos que
representan la dependencia entre variables o hacer predicciones de una
variable Y en funcin de las observaciones de otras (X1, ..., Xp).

Y es la variable respuesta o dependiente

X1, ..., Xp son las variables predictoras, dependientes o covariables

es el trmino de error que se supone con media cero y varianza

constante.

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

4.1 MODELO DE REGRESION LINEAL

Una vez seleccionado el modelo (lineal en nuestro caso) a ajustar a partir de
las observaciones de una muestra se est interesado en estimar los
parmetros de dicho modelo (i).

Uno de los mtodos ms comunes es el de mnimos cuadrados que consiste

en ajustar los parmetros del modelo de manera que la suma de los
cuadrados de los errores sea mnima.

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

Esta formulacin se extiende al caso de la regresin lineal mltiple

en la que se observa una muestra (yk,
x1k,...,xpk) con k=1,...,n y se est interesado en estimar los parmetros del
modelo.
El modelo lineal se puede expresar en forma matricial de la forma:
Ej, estudios sobre el efecto de diversas condiciones climticas (temperatura,
humedad, radiacin...) sobre la resistencia de un metal a la corrosin.

Aplicando el mtodo de mnimos cuadrados para obtener los parmetros del

modelo debemos minimizar:

Derivando con respecto a e igualando la expresin resultante a cero se

obtienen las ecuaciones normales:

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

que se reduciran a las ecuaciones normales obtenidas antes para el caso de

la regresin lineal simple.
4.2 MODELO DE REGRESION NO LINEAL
El mtodo de mnimos cuadrados permite obtener la mejor recta de ajuste a
los datos en el caso de la regresin lineal. Sin embargo, no siempre existe
una relacin lineal entre la variable dependiente e independiente y muchos
modelos no son lineales en los parmetros, impidiendo el uso del mtodo de
mnimos cuadrados..
En algunos casos es posible aplicar transformaciones para expresar los
datos en una forma compatible con la regresin lineal. Este es el caso del
modelo exponencial y de potencias.

4.2.1 Modelo exponencial

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

4.2.2 Modelo potencial

5.0 Datos de laboratorio

-

Anlisis de datos GEOEAS

Se procesa con la opcin scatter para datos bidimensionales

Ingresamos la ruta de nuestro archivo .dat
Procesamos para obtener la grfica con los datos ajustados y no ajustados
-

Grafica de datos no ajustados

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN TACNA

FACULTAD DE INGENIERIAS ESCUELA DE MINAS

Grafica de datos ajustados

Anexo tablas de Excel