REGRESION EXPONENCIAL, LOGARITMICA Y

CUADRÁTICA
REGRESIÓN EXPONENCIAL MEDIANTE EL
PRINCIPIO DE LOS MÍNIMOS CUADRADOS

▪ Una regresión exponencial es el proceso de encontrar una ecuación de la función

exponencial que se ajuste mejor a un conjunto de datos.

▪ La ecuación genérica es:

▪ Y = AeBX
▪ Ln Y = Ln AeBX
▪ Ln Y = Ln A + Ln eBX
▪ Ln Y = Ln A + BX relacionando Ln Y = Y’ Ln A = A’
COMPORTAMIENTO GRÁFICO
▪ Y’ = A’ + BX

▪B = n (∑XY’) – (∑X)(∑Y’)
n∑X² - (∑X)²

A = ∑Y’ - B∑X
n
 COEFICIENTE DE CORRELACIÓN

▪ r= n∑Xi Y´ - (∑Xi)(∑Y´)

▪ √ [n∑Xi2 – (∑Xi)2] √ [n∑Y´2 – (∑Y´)2]

▪ El volumen de ventas mensuales en miles de dólares y los años de experiencia de 6
vendedores de la empresa “EVYMAR” procesadora de alimentos, se da en la
tabla:

▪ Defina las variables

▪ Estime la ecuación de regresión exponencial

▪ Obtenga el coeficiente de correlación

Años de 1 2 3 4 5 6
experiencia
Ventas
mensuales 10 40 120 300 800 500
($)
▪ Sean:
▪ X – Años de experiencia en ventas
▪ Y – Ventas mensuales en $

X Y Y’ = LN Y XY’ X2 Y´2
1 10 2.303 2.303 1 5.3038
2 40 3.689 7.378 4 13.6087
3 120 4.787 14.361 9 22.9154
4 300 5.704 22.816 16 32.5356
5 800 6.685 33.425 25 44.6892
6 500 6.215 37.290 36 38.6292
∑X = 21 ∑Y = 1 770 ∑Y’= 29.383 ∑XY’ = 117.573 ∑X2 = 91 ∑Y’ = 157.6819
▪ B = [6(117.573) – (21)(29.383)] / [6(91) – (21)2] = -88.395 / 105

▪ B = 0.842
▪ A = (29.383) – 0.842(21) / 6

▪ A = 1.95= LN A A= e1.95 = 7.03

▪Y = 7.03 e0.842 x Ecuación final

▪ PARA 7 AÑOS DE EXPERIENCIA, ¿DE CUÁNTO SERÍAN LAS VENTAS
MENSUALES?

▪Y = 7.03 e 0.842 (7)

▪Y = $2 551
 COEFICIENTE DE CORRELACIÓN
▪r = n∑Xi Y´ - (∑Xi)(∑Y´)
√ [n∑Xi2 – (∑Xi)2] √ [n∑Y´2 – (∑Y´)2]
= 6(117.573) – (21)(29.383)
√[6(91) – (21)²] √[6(157.6819) – (29.383)²]
= 88.3950 / (10.247) ( 9.0956) = 88.3950/ 93.2026 r= 0.95
REGRESIÓN LOGARITMICA MEDIANTE EL
PRINCIPIO DE LOS MÍNIMOS CUADRADOS
▪ 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.
▪ ECUACIÓN:

Y = A + Bln(X)
▪ Y = A + B ln(X) donde ln(x) = X’

Y = A + BX’
▪B = n (∑X’Y) – (∑X’)(∑Y)
n∑X’ 2 - (∑X’)2

A = ∑Y - B∑X’
n
 COEFICIENTE DE CORRELACIÓN Y
DETERMINACIÓN

▪ r = n∑Xi ´Y - (∑Xi´)(∑Y)
√ [n∑Xi’2 – (∑Xi’)2] √ [n∑Y2 – (∑Y)2]
▪ Estime la ecuación de regresión logarítmica

▪ Defina las variables

▪ Estime la ecuación de regresión logarítmica

Precio 4 8 12 14 18 23 28 32
en $
Cant.
Vendidas 240 200 150 130 100 80 60 30
(miles de u)
 X Y X’ = ln X X’Y X’2 Y2
4 240 1.3863 332.640 1.921 57 600
8 200 2.0794 415.800 4.322 40 000
12 150 2.4849 372.750 6.175 22 500
14 130 2.6391 343.070 6.964 16 900
18 100 2.8904 460.500 21.206 10 000
23 80 3.1355 250.800 9.828 6 400
28 60 3.3322 199.920 11.102 3 600
32 30 3.4657 103.980 12.013 900
∑X = ∑Y= ∑X’ = ∑X’Y = ∑X’2= ∑Y2 =
139 990 21.4135 2308.193 60.686 157 900
▪ B = [8(2308.193) – (21.4135)(990)] /[8(60.686) – (21.41352)]
▪ B = -2 733.821 / 26.950
▪ B = - 101.44

▪ A = [(990) – (-101.44)(21.4135)] / 8

▪ A = 395.27
▪ ECUACIÓN

▪ Y = 395.27 – 101.44 lnX

▪
▪ Para un precio de $4, ¿cuáles son las cantidades vendidas en miles?

▪ Y = 395.27 -101.44 ln(4) = 254.6 ≈ 255

▪ Calculando el coeficiente de correlación

= 8(2308.193) – (21.4135)(990)

√[8(60.686) – (21.4135)²] √[8(157 900) – (990)²]

= -2 733.821 / (5.1913) (532.07) r = -0.9897
▪ OBTENIENDO EL COEFICIENTE DE DETERMINACIÓN
▪ R2 = (-0.9897)2

▪ R2 = 0.9795 ≈ 98%
COMPORTAMIENTO LOGARITMICO
REGRESIÓN POLINOMIAL MEDIANTE EL PRINCIPIO
DE LOS MÍNIMOS CUADRADOS
▪ Predicción de una variable de respuesta cuantitativa a partir de una
variable predictora cuantitativa, donde la relación se modela como una
función polinomial de orden n
▪ Y = A + Bx + Cx2
 ECUACIONES NORMALES

A n + B ∑Xi + C ∑ Xi2 = ∑ Yi
A ∑Xi + B ∑Xi2 + C ∑ Xi3 = ∑Xi Yi
A ∑Xi2 + B ∑Xi3 + C ∑ Xi4 = ∑Xi2 Yi
▪ Dado los siguientes datos:

X Y X2 X3 X4 XY X2 Y

0 2.1 0 0 0 0 0
1 7.7 1 1 1 7.7 7.7
2 13.6 4 8 16 27.2 54.4
3 27.2 9 27 81 81.6 244.80
4 40.9 16 64 256 163.6 654.40
5 61.1 25 125 625 305.5 1527.5
∑X ∑Y ∑X2 ∑X3 ∑X4 ∑XY ∑X2Y
15 152.60 55 225 979 585.60 2488.80
▪ Reemplazando en las ecuaciones normales

6 A 15 B 55 C = 152.60
15 A 55 B 225 C = 585.60
55 A 225 B 979 C = 2488.80

Calculando A, B y C por sistemas de ecuaciones simultáneas

A = 2.48 B= 2.34 C = 1.86

▪ FORMULANDO LA ECUACIÓN

▪ Y = 2.48 + 2.34 X + 1.86 X2

▪ Para un valor de “x” = 6 y 7 , ¿Cuáles serían los valores de Y?

▪ Para X = 6 Y = 2.48 + 2.34(6) + 1.86(62) Y = 83.84

▪ Para X = 7 Y = 2.48 + 2.34(7) + 1.86(72) Y = 110.63
MODELOS CUADRÁTICOS
 CALCULANDO EL COEFICIENTE DE
CORRELACIÓN
▪ Prom. X = ∑Xi/n = 15/6 = 2.5
▪ Prom. Y = ∑Yi /n = 152.60 / 6 = 25.43

(Xi – 2.5) (Yi – 25.43) (Xi – (Yi -25.43)2 (Xi - 2.5) (Yi - 25.43)
2.5)2
- 2.5 - 23.33 6.25 544.29 58.33
- 1.5 - 17.33 2.25 300.33 26.00
-0.5 - 11.83 0.25 139.95 5.92
0.5 1.77 0.25 3.13 0.8850
1.5 15.47 2,25 239.32 23.20
2.5 35.67 6.25 1272.35 89.18
∑ = 17.5 ∑= 2499.37 ∑= 203.52
▪ Sx = √(17.5/6) = 1.71

▪ Sy = √(2499.37/6) = 416.56

▪ r = 1/n (∑(Xi - 2.5) (Yi - 25.43))

▪ Sx Sy

▪ = 1/6 (203.52) / (1.71)(416.56)

▪ = 0.0476