Está en la página 1de 2

MÉTODOS NUMÉRICOS

REGRESIÓN EXPONENCIAL

Punto No 1:
Ajuste a un modelo exponencial a

Solución:

Considerar el modelo : y = aebx

Linealizamos ( )
: ln( y ) = ln aebx = ln(a ) + bx ln(e) = ln(a ) + bx ⇒ ln( y ) = bx + ln(a)

Sea u = ln( y ) , v = x , c = ln(a )

Entonces se obtiene el modelo lineal u = bv + c

Se deben hallar los parámetros b y c.

Se calculan las siguientes sumas:

k =6 k =6 k =6

∑ vk = 8.3 ;
k =1
∑ uk = 44.6170094
k =1
∑v u
k =1
k k = 63.8555116
k =6 k =6

∑v
k =1
k
2
= 14.09 ∑u
k =1
k
2
= 333.5394987
k =6 k =6 k =6
6∑ vk uk − ∑ vk ∑ uk
k =1 k =1 k =1 6(63.8555116) − (44.6170093)(8.3)
b= 2
= ≈ 0.8186512
k =6
 k =6  6(14.09) − (8.3)2
6∑ vk 2 −  ∑ vk 
k =1  k =1 

1 k =6 b k =6
c = u − bv = ∑
6 k =1
uk − ∑ vk = 7.4361682 − 0.8186512(1.3833333) ≈ 6.3037007
6 k =1

La ecuación de regresión lineal es: u = 0.81865122v + 6.3037007

Como c = ln(a ) ⇒ 6.3037007 = ln(a ) ⇒ a = e6.3037007 ≈ 546.59094

Con a ≈ 546.59094 y b ≈ 0.8186512 , el modelo exponencial es y = 546.59094e0.8186512 x

Se calcula el coeficiente de correlación entre las variables x e y:

k =6 k =6 k =6
6∑ vk uk − ∑ vk ⋅ ∑ uk
k =1 k =1 k =1
ρ=
2 2
k =6
 k =6
  k =6  k =6
6∑ vk 2 −  ∑ vk  ⋅ 6∑ uk 2 −  ∑ uk 
k =1  k =1  k =1  k =1 

6(63.8555116) − (8.3)(44.6170094)
ρ= ≈ 0.9966327
6(14.09) − (8.3) 2 ⋅ 6(333.5394987) − (44.6170094) 2

2
ρ 2 = ( 0.99663271) = 0.99327676

Como ρ>0 y ρ → 1 , entonces la relación entre las variables v y u es directa y fuerte.

Como ρ 2 = 0.99327676 , entonces la proporción de la variabilidad total de la variable u con


respecto a su medida explicada por el modelo obtenido es del 99.327676%.

También podría gustarte