Universidad Autónoma de Nuevo León
Facultad de Ingeniería Mecánica y Eléctrica
Estadística Inferencial
Alumno: Alan Adrián Gzz Treviño
Matrícula:2050027
Carrera: IMA
Docente: Roberto Américo Garza
Semestre: Agosto-Diciembre
}
Para linealizar esta función se aplica logaritmos a ambos miembros, mediante
este procedimiento se obtiene una ecuación logarítmica lineal:
log Y = log A + B log X
Sustituyendo valores se tiene:
Y = log Y A = log A X = log X
Una vez realizada la sustitución, los resultados se escriben en la forma lineal:
Y = A + B (X)
Ejemplo
Con los siguientes datos históricos , proyectar la demanda
para el año 2012 mediante regresión potencial
Fecha Años Demanda
2000 1 20,000
2001 2 35,000 Por el método no lineal de regresión potencial se tiene las
siguientes relaciones y construimos la siguiente tabla:
2002 3 45,000
2003 4 40,000
Y = A𝑋 𝐵 Log Y = Log A + B Log X
2004 5 55,000
Y = Log Y A = Log A X = Log X
2005 6 55,000
2006 7 58,000
2007 8 62,000
2008 9 60,000
2009 10 65,000
2010 11 72,000
2011 12 68,000
AÑO X Y X=(LOG X) Y= LOG LOG X*Y
(LOG Y)
2000 1 20,000 0.00000 4.30103 0.00000 18.49886 0.00000
Con los datos anteriores obtenemos:
2001 2 35,000 0.30103 4.54407 0.09062 20.64855 1.36792
𝑥 𝑌2
2002 3 45,000 0.47712 4.65321 0.22764 21.65239 2.2201
A = ∑ 𝑦 𝑖 −𝑏 ∑ 𝑥𝑖
2003 4 40,000 0.60206 4.60206 0.36248 21.17896 2.7707 a = 10𝐴
𝑛
2004 5 55,000 0.69897 4.74036 0.48856 22.47104 3.3134
2005 6 55,000 0.77815 4.74036 0.60552 22.47104 3.6887 ∑B =𝑥𝑖 𝑦 𝑖 −∑ 𝑥𝑖 ∑ 𝑦𝑖
¿
2006 7 58,000 0.84510 4.76343 0.71419 22.69025 4.0256
2−
𝑛 ∑ 𝑥𝑖 ¿
2
2007 8 62,000 0.90309 4.79239 0.81557 22.96702 4.3280 ¿
2008 9 60,000 0.95424 4.77815 0.91058 22.83073 4.5595
2009 10 65,000 1.00000 4.81291 1.00000 23.16413 4.8129
2010 11 72,000 1.04139 4.85733 1.08450 23.59368 5.0584
b o B= 0.46392436
2011 12 68,000 1.07918 4.83251 1.16463 23.35314 5.2152
SUMAS 8.680 56.418 7.464 265.520 41.360
Remplazando los valores para b y a obtenemos:
AÑO DEMANDA
2012 PROYECTADA
76,3 UNIDAD
X= 13 28 ES
( n∑ 𝑥 𝑖 𝑦 𝑖 − ∑ 𝑥 𝑖 ∑ 𝑦 𝑖 )
[
= [
n 𝑥- ( ∑ 𝑥 ) n 𝑦 (
∑ 𝑖 𝑖 ∑ 𝑖− ∑ 𝑦𝑖 )
2 2
[ 2 2
2
𝑅 = 0.93706541
La curva logaritmica Y = a +blog X es
∑ 𝑙𝑚 ( 𝑥 )2𝑦 − 𝑦 ∑ 𝑙𝑚(𝑥)
también una recta, pero en lugar de
estar referida a las variables 𝑏= 𝑦 −(𝑎𝑙𝑛 ( 𝑥 ) )
𝑎=∑ 𝑙𝑚 ( 𝑥 ) ¿ −ln ( 𝑥 ) ∑ ln(𝑥)
originales X e Y, está referida a log X y
aY
Con los siguientes datos, proyectar la demanda para el año 2012 mediante regresión potencial
x y In X I In X*y
1 3 0 0 0 9
∑ ln ( 𝑥 ) 𝑦−𝑦 ∑ ln(𝑥)
1.2 3.4 0.1823 0.0332 0.6198 11.56
1.5 5 0.4054 0.4803 2.027 25 34.5581 −4.5 (6.5779)
a=
2
3
2
4.1
0.6931
1.0986
0.4803
1.2069
1.3862
4.5042
4
16.81
∑ ¿¿ 7.7798 −0.8222 ( 6.5779 ) =2.090513
3.7 5 1.3083 1.7116 6.5415 25
4 7 1.3862 1.9215 9.7034 49
b = - (aln (x)) = 4.5 – (2.090513)(0.8222) = 2.78117
4.5 6.5 1.5040 2.2620 9.776 42.25
La ecuación final que modela el sistema es
= 2.090513 Inx + 2.78117
PROYECCIÓN EXPONENCIAL
Es un método de proyección apropiado en el caso de que la serie de tiempo describe datos que crecen
o decrecen en proporción constante a lo largo del tiempo. Ejemplo ventas de un producto, crecimiento
de una población o demanda, propagación de una enfermedad entre otros.
Su expresión matemática es:
Y=a
Esta modalidad depende de los valores de a y b
Si b tiene un valor comprendido entre 0 y 1 entonces el valor de Y decrecerá al crecer X
Si b es mayor que 1, Y crecerá con X
El valor de a corresponde a la ordenada al origen
FORMULAS
Formula general Si se toman logaritmos a ambos miembros de la ecuación se puede
Y=
transformar en una relación lineal
LogY= Log (a. bX)
Donde: LogY= Log a + X Log b a: intercepto
b: coeficiente parcial de regresión
Y: variable independiente (tiempo) X: variable dependiente
a=
Cálculo de los coeficientes
parciales:
b=
Ejemplo:
Se tienen los siguientes datos:
X Y
1 28.00
2 28.30
3 28.90
4 30.10
5 32.10
6 34.50
7 39.80
8 43.90
9 51.10
10 59.70
55 376.4
Vemos que la tendencia lineal sólo cruza a los datos reales en dos
puntos. Por tanto usar la proyección lineal no va ser una buena
decisión. En este caso vamos a utilizar la proyección exponencial.
X Y Log Y Log X X.LogY (LogY)2
1 28.00 1.4472 0.0000 1.4472 1 2.0943
2 28.30 1.4518 0.3010 2.9036 4 2.1077
3 28.90 1.4609 0.4771 4.3827 9 2.1342
4 30.10 1.4786 0.6021 5.9143 16 2.1862
5 32.10 1.5065 0.6990 7.5325 25 2.2696
6 34.50 1.5378 0.7782 9.2269 36 2.3649
7 39.80 1.5999 0.8451 11.1992 49 2.5596
8 43.90 1.6425 0.9031 13.1397 64 2.6977
9 51.10 1.7084 0.9542 15.3758 81 2.9187
10 59.70 1.7760 1.0000 17.7597 100 3.1541
55 376.4 15.6095 15.6095 88.8816 385 24.4869
Reemplazando: (n=10)
15.6095 0.0367255
Log a
10
Log a = 13590
Antilog a = 22.8552
Log b 10 88.8816 15.6095 55
2
10 385 55
Log b = 0.03672
Antilog a = 1.0882
La ecuación seria:
Y= 22.8552 x 1.0882X La proyección para el
periodo 11 sería Y=22.8552 x 1.088211
Y=57.91
