CONSUMO Y PREDICCION DE GASTO DE

ENERGIA ELECTRICA EN UNA VIVENDA

Sanchez Gaspar Cristhian Jiovanny

RESUMEN
El objetivo de esta investigación consiste en identificar el consumo de energía
eléctrica en una vivienda. Para ello se analizó los consumos de electricidad del
recibo de luz con el periodo enero-diciembre 2022. Las herramientas estadísticas
aplicadas en esta investigación fue el método de regresión lineal y polinomial del
consumo de energía, la fuente de información fueron los recibos de energía
eléctrica que llegaban a la vivienda mes con mes, lo que permite estudiar y
predecir los niveles de consumo eléctrica (condicionales a un modelo bien
especificado).
Introducción menores consumos de electricidad
por equipo. Aunque, por otro lado, se
La energía eléctrica ha sido por
han disminuido sus costos de
mucho tiempo la principal fuente de
producción, lo que ha logrado
energía en los hogares. Este tipo de
incrementar el acceso a una mayor
energía es usada para el
cantidad de aparatos eléctricos, de
funcionamiento de electrónicos y
manera tal que el efecto final sobre el
prácticamente todo funciona con
consumo de electricidad suele ser
energía eléctrica con el único fin de
mayor, a pesar de la eficiencia de los
facilitar las labores y mejorar la
equipos (Wiliam Stanley).3
calidad de vida, por lo que su uso se
encuentra ligado al estilo de vida y al El ahorro de energía eléctrica o
desarrollo de las sociedades (Vicéns, eficiencia energética consiste en
2005).2 Los avances tecnológicos utilizar la energía de mejor manera.
alcanzados dentro de la sociedad Es decir, con la misma cantidad de
moderna muestran que los nuevos energía o con menos, obtener los
equipos eléctricos y electrónicos han mismos resultados. Esto se puede
incrementado su eficiencia en el uso lograr a través del cambio de
de energía, traduciéndose esto en hábitos, del uso tecnologías más
eficientes, o una combinación de
ambos.

1𝐸𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 𝑑𝑒 𝑖𝑛𝑔𝑒𝑛𝑒𝑟𝑖𝑎 𝑖𝑛𝑑𝑢𝑠𝑡𝑟𝑖𝑎𝑙 𝑒𝑛 𝑒𝑙 𝐼𝑛𝑠𝑡𝑖𝑡𝑢𝑡𝑜 𝑇𝑒𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑐𝑜 𝑑𝑒 𝑃𝑢𝑒𝑏𝑙𝑎

2Universidad de Talca (Doctoral dissertation, Universidad de Talca (Chile). Escuela de Ingeniería
3 Corujo, J. I., Alcántara, H., Báez, P., & García, R. (1993). Ahorro de energía eléctrica
total (Jevons, 1865).
El ahorro de energía eléctrica es un
elemento trascendental a la hora de
optimizar el aprovechamiento de los
recursos energéticos. Si conseguimos
disminuir el consumo de energía, no
solo ahorraremos dinero sino también
ayudaremos a reducir la
contaminación ambiental.
REGRESIÓN LINEAL
En forma general se dice que existe
regresión de los valores de una
variable con respecto a los de la otra
cuando hay alguna línea,
denominada línea de regresión, que
se ajusta más o menos claramente a
los valores observados. La regresión
se usa para la identificación de
relaciones potencialmente causales o
bien, cuando no existen dudas sobre
su relación causal, para predecir una
variable a partir de la otra. Cuando
dos variables tienen una relación de
tipo determinista, el valor de una
define exactamente el valor de la otra;
un ejemplo puede ser la relaciónentre
la presión y el volumen de un gas a
temperatura constante. (Astorga
Gómez J.M.) .4
En los fenómenos biológicos, sin
embargo, la relación entre las
variables es de tipo aleatorio ya que
existen múltiples factores, muchos de
ellos desconocidos, que influyen
sobre la relación que existe entre las
4 Astorga Gómez, J. M., Aróstica Córdova, R. A., & Iriarte
Salinas, Y. A. (2016)
dos variables. En el primer caso, al
hacer las mediciones en una relación
determinista, los resultados caerán
muy cerca de la línea de regresión; la
cercanía o coincidencia de los puntos
observados con esa línea estará
definida por el error de la medición.
En el segundo caso, a esta
variabilidad se debe agregar aquella
introducida por esos múltiples factores
adicionales. El procedimiento para
seguir puede dividirse en cuatro
etapas:
1) La primera aproximación es a
través de dibujar los puntos en un
gráfico cartesiano que muestre la
relación entre las dos variables.
2) Luego se determina la ecuación
de la línea que mejor describa dichos
puntos.
3) A continuación, se calcula la
variabilidad de la muestra en torno a
la línea de regresión calculada. 4)
Finalmente se pueden hacer
inferencias. Si se grafican los valores
de las dos variables en un gráfico de
coordenadas, se pueden obtener
“nubes de puntos” como los de la
Figura
FIGURA 1.1 (Variables de puntos)
 un conjunto de datos entregando
información acerca de su posición y
REGRESIÓN POLINOMIAL su dispersión. (Fernando Quevedo
Ricardi)6
La regresión polinomial es un caso
especial de la regresión lineal Promedio o media
múltiple en la que se busca obtener la
La medida de tendencia central más
predicción de una variable de
conocida y utilizada es la media o
respuesta cuantitativa a partir de una
promedio aritméticos. Se representa
variable predictora cuantitativa, la
por la letra griega µ cuando se trata del
función polinómica más sencilla es la
promedio del universo o población y
cuadrática que describe una
por Ȳ (léase Y barra) cuando se trata
parábola, pero puede usarse una
del promedio de la muestra.
función cúbica u otra de orden N
capaz de conseguir un ajuste casi Mediana
perfecto a los datos.
Otra medida de tendencia central es
(Polinomica,2015).5
la mediana. La mediana es el valor de
MEDIDAS DE TENDENCIA la variable que ocupa la posición
CENTRAL central, cuando los datos se disponen
en orden de magnitud. Es decir, el
Las medidas de tendencia central son
50% de las observaciones tiene
medidas estadísticas que pretenden
valores iguales o inferiores a la
resumir en un solo valor a un conjunto
mediana y el otro 50% tiene valores
de valores. Representan un centro en
iguales o superiores a la mediana.
torno al cual se encuentra ubicado el
conjunto de los datos. Las medidas de Para realizar los cálculos
tendencia central más utilizadas son: correspondientes se usó un recibo de
media, mediana y moda. Las medidas luz del hogar:
de dispersión en cambio miden el
grado de dispersión de los valores de
la variable. Dicho enotros términos las
medidas de dispersión pretenden
evaluar en qué medida los datos
difieren entre sí. De esta forma, ambos
tipos de medidas usadas en conjunto
permiten describir

Figura 2.1 (Recibos de energía electrica)

6 Golondrino,G. C., Muñoz, W. Y. C., &

5 Vargas-Rodríguez, Y. M., Valdivia, A. Martínez, L. M. S. (2020).
E. O., Rodríguez, G. I. V., & No, C.
(2015). Regresión
RESULTADOS
REGRESIÓN LINEAL
Las estadísticas básicas señalan que
de los 12 periodos del consumo de
energía eléctrica del hogar del
periodo enero-diciembre 2022, las
cuales fueron calculados con el
modelo estadístico de regresión lineal
obteniendo como formula general:
𝑌 = −7,4643𝑥 + 215,14 Figura 2.2 REGRESIÓN LINEAL.

Se uso para obtener un pronóstico del

siguiente periodo y poder tener un
consumo de energía eléctrica futuro
del hogar.
Figura 2.1 MEDIA, MEDIANA Y DESV.
ESTÁNDAR
Como se observa en la gráfica los
datos se encuentran dispersos,
además de que el consumo iba
disminuyendo en el periodo enero-
agosto y agosto-diciembre con
156kwh, sin embargo, aumenta en el
último periodo oct-dic a 176 kwh.

PRONÓSTICO DEL PERIODO

SIGUIENTE.
IMAGEN 1.-TABLA DE CÁLCULO DE
PRONOSTICO DE REGRESIÓN LINEAL.

Figura 2.1 MEDIA, MEDIANA Y DESV.

ESTÁNDAR

Calculó de la media, mediana y

desviación estándar de dichos
periodos para observar que tan
dispersos están los datos con
respecto a la media. Figura 2.3 Tabla de pronósticos

IMAGEN 3.- TABLA DE CÁLCULO DE

REGRESIÓN LINEAL
GRÁFICO 2.- RESULTADO REGRESIÓN IMAGEN 2.- TABLA DE CÁLCULO DE

LINEAL. REGRESIÓN POLINOMIAL

250
consumo

200
150
100
50
0

0 per5iodo 10

Como se observa en la gráfica tanto GRÁFICO 3.- GRÁFICO DE REGRESIÓN

como en la tabla se tiene un POLINOMIAL
pronóstico de 155 kwh lo cual indica
250
que se tendrá un consumo de energía

consumo (kwh)
200
eléctrica menor a los registrados
150
anteriormente. 100
50
0
CÁLCULO DE REGRESIÓN 0 5 10
POLINOMIAL. periodo

A continuación, se muestran 12
periodos del consumo de energía Como se observa en la gráfica los
eléctrica del hogar del periodo valores no se encuentran tan
Enero-diciembre 2022, los cuales dispersos como en la gráfica de
fueron calculados con el modelo regresión lineal y de igual manera iba
estadísticode regresión polinomial disminuyendo y fue aumentando para
de la cual seobtuvo como formula el último periodo registrado.
general:
y = -1,2024x2 + 2,1548x + 200,71 PRONÓSTICO DEL PERIODO
Así mismo se calculó la media, SIGUIENTE
mediana y desviación estándar de
dichos periodos para observar que
tan dispersos están los datos con
respecto a la media a continuación se
obtuvieron los siguientes datos:

Figura 3.3TABLA DE CÁLCULO DE

REGRESIÓN POLINOMIAL
GRÁFICO 4.- GRÁFICO DE REGRESIÓN
POLINOMIAL

300
consumo kwh

200

100

0
0 5 10
periodo

Como se observa en la gráfica tanto

como en la tabla se tiene un
pronóstico de 141 kwh lo cual indica
que se tendrá un consumo de energía
eléctrica menor a los registrados
anteriormente

REGLAS POR SEGUIR PARA CONCLUSIONES

DISMINUIR EL CONSUMO
DE ELECTRICIDAD DEL
HOGAR.
1. Desconectar los equipos que
no seutilizan.
2. Desconectar los cargadores
del celular después de su uso.
3. Apagar las luces cuando no se
ocupen.
4. Aprovecha la luz natural del
día.
5. Usar la lavadora a su máxima
capacidad.
6. Usar focos led y ahorradores
Un punto importante tener un ahorro
de energía eléctrica para evitar la
contaminación del medio ambiente y
los consumos altos de electricidad,
además es primordial aprender a
aprovechar al máximo la energía
eléctrica ya que gracias a ella facilita
todas nuestras actividades. Por otro
lado, es importante su ahorro de
dicha energía eléctrica ya con ello
podemos reducirsu costo de consumo de
energía eléctrica en el hogar.
BIBLIOGRAFÍA

Universidad de Talca (Doctoral

dissertation, Universidad de Talca
(Chile). Escuela de Ingeniería
3 Corujo, J. I., Alcántara, H., Báez, P.,
& García, R. (1993). Ahorro de
energía eléctrica
total (Jevons, 1865).

Golondrino, G. C., Muñoz, W.

Y. C., & Martínez, L. M. S.
(2020). Aplicación de la
regresión polinomial para la
caracterización de la curva del
COVID-19, mediante técnicas
de machine
learning. Investigación e
Innovación en
Ingenierías, 8(2), 87-105.

Malacara Hernandez, J. M., Ramirez

Estrada, M., Galindo, V., &
Palomares, P. (1984). Regresion
polinomial de la somatometria
durante la pubertad en tres niveles
socioeconomicos de Leon,
Guanajuato. Bol. méd. Hosp. Infant.
Méx, 197-204.

Dagnino, J. (2014). Regresión lineal. Revista chilena de anestesia, 43(2), 143-149.

• Fuente: Elaboración de gráficos y

tablas mostrados en Excel y Word.

• Fuente: recibo de energía

electrica