UNIVERSIDAD NACIONAL DEL CENTRO DEL PER

FACULTAD DE INGENIERA METALURGICA Y DE MATERIALES

TEMA: METALURGIA DEL PLOMO COBRE ZINC

LuisGustavo LONDOA ZAVALA

SEMESTRE :IV

Huancayo-Per

2012

Regresion lineal
INTRODUCCIN

FisicoQuimica de superficies

Si sabemos que existe una relacin entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia profesional de los trabajadores y sus respectivos sueldos, las estaturas y pesos de personas, la produccin agraria y la cantidad de fertilizantes utilizados, etc.), puede darse el problema de que la dependiente asuma mltiples valores para una combinacin de valores de las independientes. La dependencia a la que hacemos referencia es relacional matemtica y no necesariamente de causalidad. As, para un mismo nmero de unidades producidas, pueden existir niveles de costo, que varan empresa a empresa. Si se da ese tipo de relaciones, se suele recurrir a los estudios de regresin en los cuales se obtiene una nueva relacin pero de un tipo especial denominado funcin, en la cual la variable independiente se asocia con un indicador de tendencia central de la variable dependiente. Cabe recordar que en trminos generales, una funcin es un tipo de relacin en la cual para cada valor de la variable independiente le corresponde uno y slo un valor de la variable dependiente. 2. ASPECTOS TERICOS REGRESIN SIMPLE Y CORRELACIN La Regresin y la correlacin son dos tcnicasestadsticas que se pueden utilizar para solucionar problemas comunes en los negocios. Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relacin Funcional entre dos o ms variables, donde una variable depende de la otra variable. Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresin Simple. "Y es una funcin de X" Y = f(X) Como Y depende de X, Y es la variable dependiente, y X es la variable independiente. En el Modelo de Regresin es muy importante identificar cul es la variable dependiente y cul es la variable independiente. En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable independiente, razn por la cual se le denomina tambin Regresin Divariada porque slo hay dos variables, una dependiente y otra independiente y se representa as: 2

Regresion lineal
Y = f (X) "Y est regresando por X"

FisicoQuimica de superficies

La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama REGRESANDO VARIABLE DE RESPUESTA. La variable Independiente X se le denomina VARIABLE EXPLICATIVA REGRESOR y se le utiliza para EXPLICAR Y. ANLISIS ESTADSTICO: REGRESIN LINEAL SIMPLE En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable respuesta, presenta la siguiente notacin: Y=a+bX+e Donde: a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y. b es el coeficiente de regresin poblacional (pendiente de la lnea recta) e es el error SUPOSICIONES DE LA REGRESIN LINEAL 1. Los valores de la variable independiente X son fijos, medidos sin error. 2. La variable Y es aleatoria 3. Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y) 4. Las variancias de las subpoblaciones Y son todas iguales. 5. Todas las medias de las subpoblaciones de Y estn sobre la recta. 6. Los valores de Y estn normalmente distribuidos y son estadsticamente independientes. ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los valores de a y b con los datos observados de la muestra. El mtodo de estimacin es el de Mnimos Cuadrados, mediante el cual se obtiene:

Regresion lineal

FisicoQuimica de superficies

Luego, la ecuacin de regresin muestral estimada es

Que se interpreta como: a es el estimador de a Es el valor estimado de la variable Y cuando la variable X = 0 b es el estimador de b , es el coeficiente de regresin Est expresado en las mismas unidades de Y por cada unidad de X. Indica el nmero de unidades en que vara Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de regresin). Un valor negativo de b sera interpretado como la magnitud del decremento en Y por cada unidad de aumento en X. 3. ANTECEDENTES DEL PROBLEMA Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y, kg) de una muestra de 12 hombres adultos. Para cada estatura fijada previamente se observ el peso de una persona seleccionada de entre el grupo con dicha estatura, resultando: X Y 152 155 152 155 157 152 157 165 162 178 183 178 50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82

Con estos datos vamos a plantear una ecuacin de regresin simple que nos permita pronosticar los pesos conociendo las tallas. Utilizaremos a = 0.05, y contrastaremos nuestra hiptesis con la prueba F. 4. DESARROLLO

Representacin matemtica y grfica de los datos:

Representacin Matemtica I.C. para la media yest. Residual L. I. L. S. I. C. individual

estatura pesos datos x y x ^2

Regresin Lineal y ^2 xy

L. I.

L. S.

Regresion lineal

FisicoQuimica de superficies

1 2 3 4 5 6 7 8 9 10 11 12

152 155 152 155 157 152 157 165 162 178 183 178

50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82

23104 2500

7600

56.43 -6.43

53.07 56.09 53.07 56.09 58.05 53.07 58.05 65.17 62.65 74.65 78.01 74.65

59.79 47.30 61.97 50.05 59.79 47.30 61.97 50.05 63.48 51.85 59.79 47.30 63.48 51.85 70.24 58.85 67.56 56.27 83.33 69.45 88.64 73.31 83.33 69.45

65.56 68.02 65.56 68.02 69.68 65.56 69.68 76.57 73.94 88.52 93.34 88.52

24025 3782.3 9532.5 59.03 2.47 23104 2970.3 8284 56.43 -1.93

24025 3306.3 8912.5 59.03 -1.53 24649 4032.3 9969.5 60.77 2.73 23104 3481 24649 3721 27225 5184 26244 4356 31684 5184 33489 7056 31684 6724 8968 9577 56.43 2.57 60.77 0.23

11880 67.71 4.29 10692 65.11 0.89 12816 78.99 -6.99 15372 83.32 0.68 14596 78.99 3.01

Representacin Grfica

Regresion lineal

FisicoQuimica de superficies

5. HIPTESIS HO: No hay relacin entre la variable peso y la variable estatura. HA: Hay relacin entre la variable peso y la variable estatura. Tabla de anlisis de varianza Fuente de Grados de Suma de Cuadrados estadstico F

Variacin libertad Debido a la regresin 1 error total 10 11

cuadrados

medios

1061.1 145.2 1206.3

1061.1 14.5

73.08

Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hiptesis nula y aceptamos que la variable estatura est relacionada con la variable peso con un 95% de confianza.

De acuerdo al desarrollo matemtico hemos obtenido los siguientes clculos:

Lo que nos permite obtener los coeficientes a y b.

Regresion lineal
Luego, b = 1223 / 1409.667 = 0.8676 a = 65.25 (0.8676) (162.167) = -75.446 6. INTERPRETACIN

FisicoQuimica de superficies

La ecuacin de regresin estimada es:

Coeficiente de correlacin: R= 0.9379 Coeficiente de determinacin: R=0.8796 El valor de b = 0.8676 indica el incremento del peso en kilogramos, en promedio, por cada centmetro de aumento en la estatura de los hombres adultos. El valor de a, no tiene interpretacin prctica en el ejemplo, se interpretara como el valor obtenido, en promedio, para el peso Y, cuando la estatura es 0. Utilizando la ecuacin de regresin para estimar o predecir valores de la variable Y: Para una talla de 180 se obtiene un peso de 80.7 kg. Cunto se espera que pese (en promedio) una persona que mide 1.60 m? Sustituyendo el valor de inters en la ecuacin:

Se obtiene:

7. CONCLUSIN La ecuacin de Regresin Lineal estimada para las variables estatura y peso muestran, de acuerdo a la prueba F, relacin. Esta relacin se ha estimado en un R = 93.7, que indica una fuerte relacin positiva. Adems si consideramos el coeficiente de determinacin R = 87.9 podemos indicar que el 87.9% de las variaciones que ocurren en el peso se explicaran por las variaciones en la variable estatura

Regresion lineal

FisicoQuimica de superficies

El valor del coeficiente de correlacin es 0,9, significa una altacorrelacin positiva; es decir, el nivel de escolaridad de la madreest fuertemente relacionado al rendimiento acadmico de sushijos en Matemtica

Regresion lineal

FisicoQuimica de superficies