Regresion Lineal y Multiple

AO DEL CENTENARIO DE MACHU
PICCHU PARA EL MUNDO
ESCUELA ACADMICO PROFESIONAL DE INGENIERA QUMICA
ASIGNATURA:
Ingeniera de la Produccin
TEMA:
Regresin Lineal y Mltiple
DOCENTE:
Ing. Jos Soto La Rosa.
CICLO:
ALUMNOS:
Espritu Vergara, Daniel Freddy.

Jamanca Antonio, Edgar Martin
Macarlup Chvez, Anthony Junior.
Silvestre Quispe, Christian Jess.
Urbano Ortiz Pedro Alexander
Vlchez Carbajal Maribel Giovanna
HUACHO - PER
2011
Facultad de Ingeniera Qumica, Metalurgia y Ambiental
PRACTICA DIRIGIDA N 02
Problema N 01:
Una empresa qumica produce sosa caustica, lo que se quiere determinar la demanda para los prximos
aos, sabiendo los datos reales que se encuentran considerados en el presente cuadro histrico.
Ao
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
x
1
2
3
4
5
6
7
8
9
10
Demanda de Soda Caustica miles de litros (y)

6.5
8.1
9.8
15.1
19.2
23.5
28.7
33.5
34.9
43.7
Hallar:
A.
B.
C.
D.
Parmetros de regresin a y b.
Coeficiente de correlacin.
Desviacin estndar.
Limites de control y demanda futura.
Solucin:
A. Parmetros de regresin a y b.
El modelo a utilizar es de la correlacin Lineal, utilizamos el modelo:
= +
Entonces hallamos las siguientes variables en el siguiente cuadro:
Ao
x
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
y
1
2
3
4
5
6
7
8
9
10
55
x2
xy
6,5
8,1
9,8
15,1
19,2
23,5
28,7
33,5
34,9
43,5
222,8
6,5
16,2
29,4
60,4
96
141
200,9
268
314,1
435
1567,5
y2
1
4
9
16
25
36
49
64
81
100
385
42,25
65,61
96,04
228,01
368,64
552,25
823,69
1122,25
1218,01
1892,25
6409
Pgina 2

Como los parmetros a y b estn dadas por las frmulas:
= + 01
= + 2 02
Donde:
=
10 (1567.5) 55 (222.8)
= 4.146666667
10 385 (55)2
=
222.8 4.15 55
= 0.52667
10
El modelo obtenido a travs de la correlacin es:

= 0.52667 + 4.146666667
B. Coeficiente de correlacin:
Esta dada por la siguiente formula:
2 ( )2
2 ( )2
Donde:
= 4.146666667
10 385 552
= 0.9908
10 6409 222.82
2 = 0.9817
Interpretacin:
Significa que el 99% de los datos estimados se encuentran alrededor o cerca de los datos reales.
El 98% significa que de los datos estimados coinciden con los datos reales por tanto es una
correlacin alta positiva y entonces el pronostico es confiable.
C. Desviacin estndar:
Esta dada por la siguiente formula.
( )2
1
Pgina 3
Ao
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
1
2
3
4
5
6
7
8
9
10
55
6,5
8,1
9,8
15,1
19,2
23,5
28,7
33,5
34,9
43,5
222,8
3,62
7,766666667
11,91333333
16,06
20,20666667
24,35333333
28,5
32,64666667
36,79333333
40,94
222,8
2,88
0,333333333
-2,113333333
-0,96
-1,006666667
-0,853333333
0,2
0,853333333
-1,893333333
2,56
-2,84217E-14
(
)
8,2944
0,111111
4,466178
0,9216
1,013378
0,728178
0,04
0,728178
3,584711
6,5536
26,44133
Calculamos:
26.44133
= 1.714037901
9
D. Limites de control:
Esta compuesta por:
Limites de control superior

Esta dada por la siguiente ecuacin:
= 0.52667 + 4.146666667 + 1.96 1.71
As podemos visualizarla en la siguiente tabla:
1
2
3
4
5
6
7
8
9
10
6,979514286
11,12618095
15,27284762
19,41951429
23,56618095
27,71284762
31,85951429
36,00618095
40,15284762
44,29951429
Pgina 4

Limites de control inferior
= 0.52667 + 4.146666667 1.96 1.71
1
2
3
4
5
6
7
8
9
10
0,260485714
4,407152381
8,553819047
12,70048571
16,84715238
20,99381905
25,14048571
29,28715238
33,43381905
37,58048571
Aqu se puede visualizar con la grafica:
40.5
35.5
30.5
miles de litros (Y)
MODELO
PRONOSTICO
25.5
LCS
20.5
15.5
LCI
10.5
Y ESTIMADO
5.5
0.5
10
Pgina 5

Problema N 02:
Ao
2003
2004
2005
2006
2007
2008
2009
2010
x
1
2
3
4
5
6
7
8

9.8
15.1
19.2
23.5
28.7
33.5
34.9
43.7
Hallar:
E.
F.
G.
H.
Desviacin estndar.
Solucin:
A. Parmetros de regresin a y b.
El modelo a utilizar es de la correlacin no Lineal, utilizamos el modelo:
= + + 2
1
2
3
4
5
6
7
8
1
9,8
9,8
1
2 15,1
30,2
4
3 19,2
57,6
9
4 23,5
94 16
5 28,7 143,5 25
6 33,5
201 36
7 34,9 244,3 49
8 43,5
348 64
36 208,2 1128,4 204
96,04
1
228,01
8
368,64
27
552,25
64
823,69 125
1122,25 216
1218,01 343
1892,25 512
6301,14 1296
1
9,8
16
60,4
81 172,8
256
376
625 717,5
1296
1206
2401 1710,1
4096
2784
8772 7036,6
Como los parmetros a ,b y c estn dadas por las frmulas:

= + + 2
= + 2 + 3
Pgina 6

2 = 2 + 3 + 4
Esto se resuelve por matrices como:
2
| 2 3 |
2 3 4
=
2
| 2 3| =
2 3 4
|
2
|
2
2
3
2
3|
4
2
|
2
Entonces reemplazando y hallando la determnate se obtiene:

208.2
36
204
|1128.4 204 1296|
331027.2
= 7036.6 1296 8772 =
= 5.8643
8
36
204
56448
| 36
204 1296|
204 1296 8772
8
| 36
= 204
208.2
204
1128.4 1296|
7036.6 8772 = 245280 = 4.3452
56448
56448
8
| 36
= 204
36
208.2
204 1128.4|
1296 7036.6 = 1344 = 0.0238
56448
56448

= 5.8643 + 4.3452 + 0.0238 2
B. Coeficiente de correlacin:
=
+ + 2 2
=
2
Pgina 7

Donde:
208.2 2
2 = (
) = 677.3
8
=
5.86 208.2 + 4.55 1128.4 + 0.024 7036.6 8 677.3

= 0.99
6301.1 8 677.3
2 = 0.98
Interpretacin:
Significa que el 99% de los datos estimados se encuentran alrededor o cerca de los datos reales.
El 98% significa que de los datos estimados coinciden con los datos reales por tanto es una
correlacin alta positiva y entonces el pronostico es confiable.
C. Desviacin estndar:
Ao
2003
2004
2005
2006
2007
2008
2009
2010
9,8
15,1
19,2
23,5
28,7
33,5
34,9
43,5
208,2
10,23
14,65
19,11
23,63
28,19
32,79
37,45
42,15
208,2
1
2
3
4
5
6
7
8
36
( )2
1
)
(
)
(
-0,43
0,45
0,09
-0,13
0,51
0,71
-2,55
1,35
0,00
0,19
0,20
0,01
0,02
0,26
0,50
6,49
1,82
9,49
Calculamos:
9.49
= 1.16
8
D. Limites de control:
Esta compuesta por:

= 5.8643 + 4.3452 + 0.0238 2 + 1.96 1.16
Pgina 8
LCS
1
2
3
4
5
6
7
8
12,5069
16,9235
21,3877
25,8995
30,4589
35,0659
39,7205
44,4227

= 5.8643 + 4.3452 + 0.0238 2 1.96 1.16
LCI
1
2
3
4
5
6
7
8
7,9597
12,3763
16,8405
21,3523
25,9117
30,5187
35,1733
39,8755
Pgina 9

58
48
38
Modelo Real
Y ESTIMADO
28
LCS
18
LCI
8
1
Pgina 10

Problema N 03:
Ao
2003
2004
2005
2006
2007
2008
2009
2010
x
1
2
3
4
5
6
7
8

9.8
15.1
19.2
23.5
28.7
33.5
34.9
43.7
Hallar:
I.
J.
K.
L.
Desviacin estndar.
Solucin:
E. Parmetros de regresin a y b.
El modelo a utilizar es de la correlacin no Lineal, utilizamos el modelo:
=
Propiedad de logaritmo:
= +
= +
1
2
3
4
5
6
7
8
36
0,9912
1,1790
1,2833
1,3711
1,4579
1,5250
1,5428
1,6385
10,989
1
2
3
4
5
6
7
8
1
9,8
2 15,1
3 19,2
4 23,5
5 28,7
6 33,5
7 34,9
8 43,5
36 208,2

0,9912
2,3580
3,8499
5,4843
7,2894
9,1503
10,7998
13,1079
53,031
1
4
9
16
25
36
49
64
204
0,9825 0,9912
1
1,3900 2,3580
4
1,6469 3,8499
9
1,8798 5,4843 16
2,1254 7,2894 25
2,3258 9,1503 36
2,3803 10,7998 49
2,6846 13,1079 64
15,415 53,031 204
Pgina 11

Como los parmetros a y b estn dadas por las frmulas:
= +
= + 2
Esto se resuelve por matrices como:

|
2
=
|
| =
2
|
|
=
Entonces reemplazando y hallando la determnate se obtiene:

10.989 36
|
| 332.61
= 53.03 204 =
= 0.9899
8 10.989
336
|
|
36
204
Donde:
=
= 10 = 100.9899 = 9.77
8
36
=
|
10.989
|
53.01 = 28.6485 = 0.0852
336
336
Donde:
=
= 10 = 100.0852 = 1.217

= 9.77 (1.2172)
Pgina 12

F. Coeficiente de correlacin:
=
2 = (
+ 2
2 2
Donde:
2 = (
10.989 2
) = 677.3
8
9.77 10.989 + 1.2172 53.031 8 677.3

=
=1
21.97 8 677.3
2 = 1.0021
G. Desviacin estndar:
Ao
2003
2004
2005
2006
2007
2008
2009
2010
1
2
3
4
5
6
7
8
36
( )2
1
9,8
15,1
19,2
23,5
28,7
33,5
34,9
43,5
208,2
11,889939
14,4691518
17,6078577
21,4274241
26,075546
31,7319569
38,615379
46,9919803
208,809235
-2,08993904
0,63084818
1,59214232
2,07257593
2,62445402
1,76804306
-3,71537902
-3,49198035
-0,60923488
(
)
4,36784517
0,39796943
2,53491718
4,29557097
6,88775893
3,12597628
13,8040413
12,1939268
47,608006
Calculamos:
47.6
=
= 2.6079
8
Pgina 13

H. Limites de control:
Esta compuesta por:

= 5.8643 + 4.3452 + 0.0238 2 + 1.96
LCS
1
2
3
4
5
6
7
8
9,8
15,1
19,2
23,5
28,7
33,5
34,9
43,5
17,0014235
19,5806363
22,7193422
26,5389086
31,1870305
36,8434414
43,7268635
52,1034648

= 5.8643 + 4.3452 + 0.0238 2 1.96
LCI
1
2
3
4
5
6
7
8
6,77845455
9,35766733
12,4963732
16,3159396
20,9640615
26,6204724
33,5038945
41,8804959
Pgina 14

51
46
41
MODELO
REAL
31
Y ESTIMADO
26
LCS
36
21
LCI
16
11
6
1
Pgina 15

Regresion Lineal y Multiple

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Regresion Lineal y Multiple

Загружено:

Авторское право:

Доступные форматы

AO DEL CENTENARIO DE MACHU

PICCHU PARA EL MUNDO

ESCUELA ACADMICO PROFESIONAL DE INGENIERA QUMICA

Regresin Lineal y Mltiple

Ing. Jos Soto La Rosa.

Espritu Vergara, Daniel Freddy.

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Demanda de Soda Caustica miles de litros (y)

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

El modelo obtenido a travs de la correlacin es:

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Limites de control superior

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Aqu se puede visualizar con la grafica:

miles de litros (Y)

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Demanda de Soda Caustica miles de litros (y)

Como los parmetros a ,b y c estn dadas por las frmulas:

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Entonces reemplazando y hallando la determnate se obtiene:

El modelo obtenido a travs de la correlacin es:

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

5.86 208.2 + 4.55 1128.4 + 0.024 7036.6 8 677.3

Limites de control superior

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

As podemos visualizarla en la siguiente tabla:

Limites de control inferior

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Demanda de Soda Caustica miles de litros (y)

Entonces hallamos las siguientes variables en el siguiente cuadro:

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Entonces reemplazando y hallando la determnate se obtiene:

El modelo obtenido a travs de la correlacin es:

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

9.77 10.989 + 1.2172 53.031 8 677.3

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Limites de control superior

As podemos visualizarla en la siguiente tabla:

Limites de control inferior

Facultad de Ingeniera Qumica, Metalurgia y Ambiental

Вам также может понравиться