Análisis de Regresión Logarítmica

UNIVERSIDAD DE SAN CARLOS

FACULTAD DE INGENIERIA
DEPARTAMENTO DE ESTADISTICA

ANALISIS DE REGRESION SIMPLE LOGARITMICA

Ing. Agr. Luis Manfredo Reyes Chávez
Profesor Titular Departamento de Estadística

1. INTRODUCCION:
Este modelo de regresión es una alternativa cuando el modelo lineal no logra un coeficiente de
determinación apropiado, o cuando el fenómeno en estudio tiene un comportamiento que puede
considerarse potencial o logarítmico. La forma más simple de tratar de establecer la tendencia es a
través de un diagrama de dispersión o nube de puntos, tal como la siguiente:

Este modelo también es conocido como potencial, Cobb-Douglas de primer grado o exponencial
inverso.
2. Ecuación característica
La función que define el modelo es la siguiente:

Yi=A*XBi* E
En la cual:
Yi : Variable dependiente, iésima observación
A, B: Parámetros de la ecuación, que generalmente son
desconocidos
E: Error asociado al modelo
Xi : Valor de la í-esima observación de la variable
independiente
Al sustituir los parámetros por estimadores, el modelo adopta la siguiente forma:

yi=a*xbi
la ecuación se transforma aplicando logaritmos de ambos lados, con lo cual se convierte a una
forma lineal:
Ln yi= Ln a +b*Ln xi
3. Tabla de datos
Para el ajuste de un conjunto de datos al modelo geométrico de regresión, se construye la
siguiente tabla de datos:

X Y Ln x Ln y (ln x)2 (ln y)2 Ln X*ln y

.. .. .. .. .. ..
Σln x Σln y Σ(ln x)2 Σ(lny) ΣLnx*lny
2

Debido a las propiedades de los logaritmos, ningún valor de x ni de y puede ser negativo. En tal
caso, lo que se hace es definir un valor de x o de y muy pequeño (Ej: 0.00000001)
Se puede trabajar con logaritmos naturales o logaritmos base 10.

4. Estimadores del modelo

los estimadores para el ajuste del modelo se calculan de la siguiente manera

Será necesario utilizar antilogaritmos para obtener el valor final de a

5. Análisis de varianza para la regresión

Con el objeto de determinar si el modelo explica o no el fenómeno en estudio, se realiza el análisis
de varianza, que se calcula de la siguiente manera

Fuente de Grados de Suma de cuadrados Cuadrado F calculada F

Variación libertad medio tabulada
Regresión 1 b* (ΣLnxlny- S.C. Reg/1 C.M.Reg/C.M.Error
Σ(Lnx)*Σ(lny)/n)
Error n-2 S.C. Total- S.C. S.C. Error/(n-
Regresión 2)
Total n-1 Σ(lny)2-(Σlny)2 /n n-1

Ho: El modelo no explica el fenómeno en estudio

Ha: El modelo sí explica el fenómeno en estudio

 Para buscar en la tabla la F tabulada, se usan el el numerador los grados de libertad de

regresión y en el denominador, de acuerdo al nivel de significancia escogido (los más 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 determinación, de la
siguiente manera
 El valor de r2 tiene un rango entre 0 y 1. No puede obtenerse valores negativos

7. Pruebas de Hipótesis para el modelo

7.1 Para el coeficiente b

Para probar la hipótesis de que el coeficiente b es igual a un valor b´, ser igual a cero, se procede
de la siguiente manera:

i) Se plantea la hipótesis Ho:b=b´ y la alternativa Ha: b≠ b´

ii) Se calcula el estadístico :

Sb es conocido como el error standard de b y se calcula de la siguiente manera:

El cuadrado medio del error se obtiene del anàlisis de varianza.

iii) Se busca en la tabla de t de student el valor tabulado para los siguientes datos:
n-2 grados de libertad y un nivel α/2

iv) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso

contrario, se acepta .

7.2 Para el coeficiente a

Se puede probar la hipótesis de que el coeficiente a es igual a un valor a´, para lo
cual se sigue el siguiente procedimiento:

i) Se define la hipótesis: Ho: a=a´ y la alternativa Ha: a≠a´

ii) Se calcula el error standard para a con la siguiente fórmula:

El cuadrado medio del error se obtiene del análisis de varianza

iii) Se calcula el estadístico de prueba:
iv) Se obtiene en la tabla de t de student el estadístico comparador, con los siguientes datos: n-2
grados de libertad y nivel α/2
v) Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en caso contrario, la hipótesis
se acepta

8. Intervalos de confianza

8.1 Para el coeficiente b

El intervalo de confianza para el coeficiente b se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-2 grados de libertad y un
nivel α/2

8.2 Para el coeficiente a

El intervalo de confianza para el coeficiente a se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-2 grados de libertad y un
nivel α/2

8.3 para la media de y

Un intervalo de confianza para la respuesta media de y, dado x 0 sería:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-2 grados de libertad y un
nivel α/2
El valor de xm que aparece en la fórmula es el promedio de valores de los logaritmos de x

8.4 para la estimación de y

El intervalo de confianza para la estimación de y, dado un valor de x 0 se obtiene de la siguiente
manera:
 El cuadrado medio del error se obtiene del análisis de varianza
El valor de t se obtiene de la tabla de t de student con n-2 grados de libertad y un
nivel α/2
El valor de xm que aparece en la fórmula es el promedio de valores de x

9. Càlculo de estimadores, coeficiente de determinaciòn y anàlisis de varianza mediante el uso de

matrices
Un mètodo alternativo para realizar los càlculos, es el uso de matrices. En este caso, el
procedimiento es el siguiente:

i) formar la matriz x: (matriz de variable independiente), agregando la primera columna formada por
unos:

1 Ln x1
1 Ln x2
... .....
1 Ln xn

ii) Formar el vector de logaritmos de y

Ln y1
Ln y2
.....
Ln yn

iii) Formar la matriz x transpuesta ( x´)

1 1 ... 1
Ln x1 Ln x2 ... Ln xn

iv) Calcular el producto matricial x´x

V) Calcular la inversa del producto [ o sea (x´x)-1]
vi) Calcular el producto x´y
vii) Calcular el producto (x´x)-1*(x´y)=b
El resultado de esta operaciòn es el vector de coeficientes de regresiòn (el primero es el logaritmo
de a y el segundo es b). El valor de b sale directamente, mientras que el de a está en forma
logarìtmica, de modo que para formar la ecuaciòn original se obtiene el antilogaritmo.
viii) Para el càlculo del anàlisis de varianza, se tienen las siguientes operaciones
matriciales:

Fuente de Grados de Suma de cuadrados Cuadrado F calculada F

Variación libertad medio tabulada
Regresión 1 b´( x´ )(y)-nym2 S.C. Reg/1 C.M.Reg/C.M.Error *
Error n-2 y´y-b( x´ )(y) S.C. Error/(n-
2)
 Total n-1 y´y- nym2 n-1

El valor de ym que aparece en las fórmulas es el promedio de los logaritmos de y

ix) Finalmente, el coeficiente de determinaciòn por matrices se obtiene de la

siguiente manera:

r2= {b´(x´)(y)- nym2}/(y´y- nym2)

10. Por fin un ejemplo!
Se realizó un estudio comparativo del nivel de ruido (en decibeles) producido por discotecas
rodantes, se procedió a evaluar diferentes niveles de potencia (en vatios). Los datos finales fueron:

POTENCIA DECIBELES
100 60
500 80
1000 90
5000 99
10000 120

En base a los datos anteriores:

a) Construya un diagrama de dispersión
b) Efectúe la estimaciòn del modelo logarítmico
c) Determine el grado de ajuste e interprételo
d) Elabore el análisis de varianza y discútalo
e) Qué lectura se obtendría con un potencia de 3000 vatios?
f) Pruebe la hipòtesis que b=1 con un 99% de confianza
g) Calcule intervalo de confianza al 95% para a y b
h) Efectùe la estimaciòn del modelo, el andeva y obtenga el coeficiente de determinaciòn por medio de
matrices.

a) Diagrama de Dispersión

El diagrama de dispersión muestra una tendencia logarítmica, pues aunque hay incrementos
fuertes de potencia, los niveles de ruido no crecen excesivamente.

b) Estimadores del modelo

i) Tabla de Datos:
 x y Ln x Ln y (ln x)2 (ln y)2 Lnx*Lny
100 60 4.6052 4.0943 21.2076 16.7637 18.8552
500 80 6.2146 4.3820 38.6214 19.2022 27.2326
1000 90 6.9078 4.4998 47.7171 20.2483 31.0836
5000 99 8.5172 4.5951 72.5426 21.1151 39.1375
10000 120 9.2103 4.7875 84.8304 22.9201 44.0944
SUMAS: 35.4551 22.3588 264.9190 100.2493 160.4033

ii) Estimadores del modelo

c) Grado de ajuste del modelo

El coeficiente de determinación se calcula así:

Se puede concluir que el grado de ajuste del modelo es alto, por lo que el modelo es confiable para
hacer predicciones.

d) Análisis de varianza del modelo

iii) Suma de cuadrados del error : 0.2661-0.255= 0.0111
iv) Grados de libertad de regresion=1
v) Grados de libertad totales= 5-1=4
vi) Grados de libertad del error=5-2=3
vii) Cuadrado medio de regresión= 0.255/1=0.255
viii) Cuadrado medio del error= 0.0111/3=0.0037
ix) F Calculada=0.255/0.0037=68.91
x) F Tabulada (1,3,0.01)= 34.12
xi) Tabla de Andeva:

Fuente de Grados de Suma de cuadrados Cuadrado F F

Variación libertad medio calculada tabulada
Regresión 1 0.2550 0.255 68.91 34.12*
Error 4 0.0111 0.0037
Total 5 0.2661

Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta la Ha, con lo cual
se concluye que el modelo sì explica el fenòmeno en estudio y que los resultados obtenidos no se
deben a la casualidad.

e) Què lectura en decibeles se obtiene al aplicar una potencia de 3,000 vatios?

Para esto, simplemente se utiliza la ecuaciòn anteriormente encontrada por estimaciòn,
sustituyendo el valor de x por 3,000

y= 33.164*(3000)0.1374=99.63
se puede aplicar la operaciòn equivalente por medio de los logaritmos de los estimadores:

LN Y= 3.497+0.1374*LN(3,000)=4.59707

Finalmente, y=e4.59707=99.63
f) Pruebe la hipòtesis de que b=1 con un 99% de confianza
Inicialmente se plantea Ho: b=1 y su alterna Ha: b≠1
A continuaciòn se obtiene el error standard de b:
 El valor de t de student de calcula de la siguiente manera: (el logaritmo de 1 es cero)

El valor de t se obtiene en la tabla de t de student, con 5-2=3 grados de libertad y (1-.99)/2=0.005

de α, siendo el valor igual a 5.841

Finalmente, dado que t calculada es mayor que la tabulada, se concluye al 99% que el coeficiente
b no es igual a 1.

g) Calcule intervalos de confianza al 95% para a y b

El valor de t de student al 95% con 3 grados de libertad es= 3.182
Intervalo de confianza para b:

El intervalo final será entonces el siguiente: -0.3892< B< 0.664

Intervalo de confianza para a:

El intervalo final para el logaritmo de a sería: 3.1137< Ln A <3.8803

i) Ajuste del modelo y análisis de varianza mediante matrices:

Matriz x: Matriz x transpuesta ( x´ )

1 1 1 1 1
4.6052 6.2146 6.9078 8.5172 9.2103

Vector y: 4.09430
4.3820
4.4998
4.5595
4.7875

Producto x´x:

5 35.4551
35.4551 264.9191

Matriz inversa de x´x:

3.9228 -0.5250
-0.5250 0.07403

Producto x ´ y

22.8231
163.5535

Producto Final b=(x´x)-1* (x ´ y)

3.6644
0.1269

Análisis de varianza
Suma de cuadrados de regresión= b´x´y- nym2= 0.255
ym= 22.3588/5=4.47176

Suma de cuadrados total=y´y- nym2=0.2661

4.09430
4.3820
(4.0943 4.382 4.4998 4.5595 4.7875) 4.4998 -5(4.47176)2= 0.2661
4.5595
4.7875

Suma de cuadrados del error =: 0.2661-0.255=0.0111

Grados de libertad de regresion=1
Grados de libertad totales= 5-1=4
Grados de libertad del error=5-2=3
Cuadrado medio de regresión= 0.255/1=0.255
Cuadrado medio del error= 0.0111/3=0.0037
F Calculada=0.255/0.0037=68.91
F Tabulada (1,3,0.01)= 34.12

Análisis de Varianza Final:

Fuente de Grados de Suma de cuadrados Cuadrado F F

Variación libertad medio calculada tabulada
Regresión 1 0.255 0.255 68.91 34.12*
Error 3 0.0111 0.0037
Total 4 0.2661
REGRESION CUADRATICA

Aquí se describe como hacer una regresión para ajustar a una parábola de
segundo grado

La regresión cuadrática es el proceso por el cuál encontramos los parámetros de una

parábola que mejor se ajusten a una serie de datos que poseemos, ya sean mediciones hechas o
de otro tipo. Bueno, pero por que habríamos de querer ajustar nuestros datos precisamente a una
parábola y no a otra función? (ver escogiendo la función de ajuste).

Una función cuadrática o de segundo grado se puede representar de manera genérica como :

Entonces lo que nos interesa es encontrar los valores de a, b y c que hacen que el valor de y
calculado sea lo mas cercano posible al medido.

Deducción de las Ecuaciones:

De nuevo hacemos una definición de la función de error, y encontramos los valores de los
parámetros que la minimizan, tomando derivadas parciales de la función por cada parámetro que
haya:
Una vez se haya reemplazado el valor de n, y de las sumatorias, sólo habrá que solucionar el
sistema de ecuaciones por su método preferido, Eliminación Gaussiana, Krammer, etc. Después
de que ha solucionado el sistema de ecuaciones entonces tendrá el valor de los parámetros: a,b,c.

Ejemplo:

En determinado proceso se realizaron una serie de 24 mediciones, que luego al graficarse se

determinó que es de naturaleza cuadrática. Se desea encontrar los parámetros del polinomio de
segundo grado, que mejor se ajusta a esa serie de datos, y cuál es el valor de la variable
dependiente, cuando el valor de la variable independiente es de 20.

La tabla con los datos medidos es la siguiente:

X Y
0 10,08
0,5 12,03
1 11,38
1,5 18,81
2 20,53
2,5 28,50
3 31,38
3,5 38,40
4 48,39
4,5 60,60
5 66,66
5,5 82,61
6 91,37
6,5 105,44
7 122,53
7,5 137,77
8 152,74
 8,5 172,65
9 188,84
9,5 207,77
10 230,94
10,5 251,35
11 274,07
11,5 295,95

Ahora, teniendo en cuenta la matriz que dedujimos anteriormente, sabemos que tenemos que
encontrar los valores de la suma de x, la suma de x2, de x3, x4, de Yi, xYi, x2*Yi y n=24.

X Y X^2 X^3 X^4 Xyi X^2Yi

0 10,08 0,00 0,00 0,00 0,00 0,00
0,5 12,03 0,25 0,13 0,06 6,01 3,01
1 11,38 1,00 1,00 1,00 11,38 11,38
1,5 18,81 2,25 3,38 5,06 28,21 42,31
2 20,53 4,00 8,00 16,00 41,06 82,13
2,5 28,50 6,25 15,63 39,06 71,24 178,11
3 31,38 9,00 27,00 81,00 94,14 282,41
3,5 38,40 12,25 42,88 150,06 134,39 470,36
4 48,39 16,00 64,00 256,00 193,56 774,26
4,5 60,60 20,25 91,13 410,06 272,68 1227,08
5 66,66 25,00 125,00 625,00 333,31 1666,55
5,5 82,61 30,25 166,38 915,06 454,37 2499,02
6 91,37 36,00 216,00 1296,00 548,23 3289,38
6,5 105,44 42,25 274,63 1785,06 685,39 4455,05
7 122,53 49,00 343,00 2401,00 857,74 6004,20
7,5 137,77 56,25 421,88 3164,06 1033,24 7749,32
8 152,74 64,00 512,00 4096,00 1221,90 9775,23
8,5 172,65 72,25 614,13 5220,06 1467,54 12474,08
9 188,84 81,00 729,00 6561,00 1699,55 15295,92
9,5 207,77 90,25 857,38 8145,06 1973,80 18751,13
10 230,94 100,00 1000,00 10000,00 2309,40 23093,97
10,5 251,35 110,25 1157,63 12155,06 2639,18 27711,38
11 274,07 121,00 1331,00 14641,00 3014,81 33162,86
11,5 295,95 132,25 1520,88 17490,06 3403,37 39138,76
Total 138 266,078,166 1081 9522 89452,75 22494,51 208137,88

Reemplacemos los valores en la matriz...

Aquí tenemos la matriz, resolviendo, por Gauss Jordan

24 138 1081 2660,8

138 1081 9522 22495
 1081 9522 89453 208138

1 5,75 45,04 110,86

0 287,5 3306,25 7195,4
0 3306,25 40762,95 88291,13

1 0 -21,08 -33,04
0 1 11,5 25,02
0 0 2741,08 5544,03

1 0 0 9,60
0 1 0 1,76
0 0 1 2,02

Por lo tanto: a=9.6 b=1.76 c=2.02

la parábola de mejor ajuste es entonces:

- See more at: http://www.ingenieria-

industrial.net/index.php?accion=1&id=83#sthash.Su4n1Wzp.dpuf