λ

CURSO TALLER

HERRAMIENTAS MATEMÁTICAS PARA

MODELOS DE VALORACIÓN MULTICRITERIOS
υ

Mtro. Luis García Márquez

σ
León Guanajuato México Junio 2008
 Ajuste de Curvas

Si se tiene un conjunto de datos y se desea encontrar la función o

distribución que genera estos resultados con la finalidad de poder calcular con
cierto grado de confiabilidad el valor que resultará en determinado momento,
entonces es necesario aplicar un análisis de curvas. Existen varios métodos para
hacerlo dependiendo si es una función o distribución, en el caso de una función se
tiene el método de mínimos cuadrados basado en álgebra lineal y para las
distribuciones se utiliza la prueba de bondad y ajuste χ2 (chi cuadrada).

REGRESIÓN LINEAL Y CORRELACIÓN

La regresión lineal es un modelo matemático que nos permite poder
expresar la relación funcional lineal entre la variable dependiente Y y la variable
independiente X así mismo poder medir el grado de linealidad existente entre
ellas.

Para estimar la ecuación de la recta se utiliza el Método de Mínimos

Cuadrados donde:

Y = β0 + β1X

Será la ecuación estimada con β0 como ordenada al origen y β1 como pendiente

de la recta

Los estimadores son:

SC xy
βˆ = β = y − βˆ x
1 SC x 0 1

Donde

n n
SC x = ∑ ( x − x )2 SC xy = ∑ ( x − x )( y − y )
i =1 i i=1 i i

Coeficiente de Correlación de Pearson

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
 SC xy
r=
SC x SC y

Donde

n
SC y = ∑ ( y − y )2
i =1 i

Ejemplo

LA CURVA DE REGRESION EXPONENCIAL

La familia de rectas (y =a + b x) y las familias de curvas exponenciales y =

abx, son las ecuaciones de correlación simple más utilizadas en la práctica; en
este caso para correlacionar una muestra de datos obtenidos con la función
Exponencial es necesario calcular los coeficientes a y b mediante:

a = ant log
∑ log y ∑ x − ∑ x ∑ x * log y
2

n * ∑ x − (∑ x)
2 2

n * ∑ x * log y −∑x ∑ log y

b = ant log
n * ∑ x 2 − (∑ x) 2

EJEMPLO

Una empresa de vienes raíces obtuvo del registro de operaciones de compra-

venta de terreno en los últimos 20 meses la siguiente información:

mes Precio del metro cuadrado

0 10
5 15
8 15
10 30
14 35
15 50
Luis García Márquez Correo electrónico luysgm@gmail.com
Teléfono Cel.: 477-7051451
 18 70
20 80

En este caso x (la Variable independiente) seguirá siendo el tiempo (MESES) ý y

(la variable dependiente) el Precio por metro cuadrado.

n x y log y x ^2 x *log y
1 0 10 1.0000 0 0.0000
2 5 15 1.1761 25 5.8805
3 8 15 1.1761 64 9.4087
4 10 30 1.4771 100 14.7712
5 14 35 1.5441 196 21.6170
6 15 50 1.6990 225 25.4846
7 18 70 1.8451 324 33.2118
8 20 80 1.9031 400 38.0618
Sum a toria : 90 305 11.8205 1,334 148.4355

n=8

(11.8205)*(1,334) - (90)*(148.4355)
log A = -------------------------------------------------- = 0.9367
(8) *(1,334) - 90^2

(8)*(148.4355) - 90*(11.8205)
log B =-------------------------------------------- = 0.0481
(8) *(1,334) - 90^2

PERO AUN FALTAN CALCULAR LOS ANTILOGARITMOS

a = Antlg (0.9367) = 8.6437

b = Antlg (0.0481) = 1.1171

La ecuación de correlación será:

Y=8.6437(1.1171)x
Luis García Márquez Correo electrónico luysgm@gmail.com
Teléfono Cel.: 477-7051451
En este ejercicio no solo se podrá predecir el valor unitario del terreno a la fecha
del avalúo, sino también se podrá interpolar para meses en que no han existido
operaciones de compra-venta o cualquier mes seleccionado:
Por ejemplo se podrá obtener el precio unitario para:

a) Interpolar el valor unitario a los 12 meses después de la fecha de origen

b) ídem para 17 meses
c) Predecir el valor unitario a los 22 meses
meses valor del metro cuadrado
a) 12 32.64
b) 17 56.79
c) 22 98.79

EL COEFICIENTE DE DETERMINACION

El Coeficiente de Determinación, mide la bondad del ajuste relativo de la curva de

regresión. Indica la cantidad de variación en Y que se explica en la ecuación de
regresión.

a) SCT o Suma de Cuadrados Total

∑ ( y − y) 2

b) SCE o Suma del Cuadrado del Error

∑ ( y − yˆ ) 2

c) SCR o Suma del Cuadrado de la Regresión

∑ ( yˆ − y ) 2

De la misma manera anterior, se cumple la relación:

SCT = SCE + SCR

El Coeficiente de Determinación:

Se define como coeficiente de determinación:

SCR
R2 =
SCT

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
DONDE EL COEFICIENTE DE DETERMINACION TOMA VALORES
COMPRENDIDOS EN EL INTERVALO: [0 , 1]

Interpretación del Coeficiente de Determinación:

Un valor de R2 = 0.75, debe interpretarse que el 75% de las variaciones de y

(Muestra), son explicadas por las variables y número de datos utilizados para
calcular el modelo.

Se preferirá siempre el Modelo cuyo Coeficiente de Determinación sea lo más

cercano a la unidad (1.00).

El Coeficiente de Correlación:

Se define como Coeficiente de Correlación r como:

r = R2

su interpretación es la misma que el Coeficiente de Determinación y sus valores

estarán comprendidos en el intervalo: [ -1 , 1 ]

EJEMPLO:

Sean los siguientes datos correspondientes al ejemplo anterior:

x M ESES y Bs/M2
0 10
5 15
8 15
10 30
14 35
15 50
18 70
20 80

ECUACION DE CORRELACION:

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
 y = 8.6437 * 1.1171x

n x y
ŷ ( yˆ − y ) 2 ( y − y) 2
Obsrvada Calculada SCR SCT
1 0 10 8.64 869.44 791.30
2 5 15 15.04 533.29 535.00
3 8 15 20.96 294.73 535.00
4 10 30 26.16 143.31 66.10
5 14 35 40.74 6.80 9.80
6 15 50 45.51 54.42 140.90
7 18 70 63.44 640.55 1,015.70
8 20 80 79.17 1,683.98 1,753.10
Sumatoria: 4,226.52 4,846.88

y = 38.13 ( Bs. / M 2)

4,226.52
R2 = = 0.8720
4,846.88

R 2 = 87.20%

Regresión Logaritmo Base n y Logaritmo Natural

Para una ecuación del tipo y = a + bLog n x o y = a + bLnx se utilizan las

siguientes fórmulas que determinan el valor de a y b con los cuales podemos
determinar la ecuación logarítmica ya sea en base o natural, esta última en
realidad corresponde a la base “e”.

Primero la ecuación y = a + b (logn x) será a la que desearemos llegar mediante la

solución al sistema de ecuaciones:

∑y= na + [∑ logn x]b

∑ (y logn x) = [∑ logn x]a + [∑(logn x)2]b

donde nuestras variables del sistema son a y b. Una vez encontrado estos
valores tendremos la ecuación estimada en forma logarítmica. En caso de una
Luis García Márquez Correo electrónico luysgm@gmail.com
Teléfono Cel.: 477-7051451
función logaritmo natural el método es el mismo solo se cambia en los cálculos la
función Lognx por Lnx.

El error de estimación se calcula como:

e=
( yo − ye )2
∑ n− p
donde yo es el valor observado y ye el valor esperado, n

es el número de datos y p el número de parámetros estimados

Ajuste a curvas Polinomiales

Si se desea verificar que un conjunto de datos tiene una función del tipo
polinomial como pudiera ser una cuadrática o cúbica, tendríamos que utilizar un
ajuste de curvas basado en matrices, de la siguiente manera:

Supongamos que deseamos el ajuste a la ecuación

y = an x n + an −1 x n −1 + ...... + a1 x + a0

entonces si tenemos una muestra de n valores x con sus respectivas

respuestas y del experimento, al evaluarlas nos daría un sistema de ecuaciones
de la siguiente manera

y1 = an x1n + an −1 x1n −1 + ......... + a1 x1 + a0

y2 = an x2n + an −1 x2n −1 + ........ + a1 x2 + a0
............................................................
yn = an xnn + an −1 xnn −1 + ........ + a1 xn + a0

de donde podemos ver que se trata de un sistema de ecuaciones no

necesariamente cuadrado, en donde las variables en cuestión serían las a0, a1, a2,
......, an, tanto las x como las y al ser sustituidas por los valores de la muestra
serían los coeficientes y lada derecho del sistema, por lo que la solución vendría
dada por la siguiente ecuación en la cual fue necesario multiplicar por la
transpuesta de la matriz con la finalidad de obtener una matriz cuadrada y así
poder calcular la inversa

A=(XtX)-1(XtY)

Donde A representa el vector de variables y X la matriz de coeficientes del

sistema; una vez resuelto este tendremos en realidad los coeficientes de la
ecuación polinomial estimada.

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
 El error de aproximación se calcula como
SCE
e=
N−p

Donde la SCE es la suma de los valores observados menos los esperados

al cuadrado. N es el tamaño de la muestra y p los parámetros estimados, por
ejemplo si se trata de una ecuación cuadrática ax2+bx+c entonces tendremos que
calcular 3 coeficientes a, b y c por lo que p = 3

Ejemplo:
Un fabricante compra grandes cantidades de refacciones para cierta
máquina, él encuentra que este costo depende del número de cajas compradas al
mismo tiempo y que el costo disminuye conforme el número de cajas aumenta; de
los datos siguientes determine la función cuadrática que mas se ajuste a esta
información

Número de cajas compradas Costo total

10 150
30 260
50 325
100 500
175 670

Prueba de Bondad y Ajuste χ2

La prueba de bondad y ajuste chi cuadrada nos permite determinar si una

muestra de tamaño N tiene un comportamiento cercano a una distribución de
probabilidad conocida, con cierto nivel de confiabilidad, para ello necesitamos
tener la muestra y las características de la muestra, por ejemplo:
Que tipo de variable es (discreta o continua)
Esta en función del tiempo?
Tiene valores binarios etc.

De tal forma de poder ubicar que tipo de distribución pudiera ser, es decir si
la muestra es de variable discreta y esta en función del tiempo, entonces
pensaremos en una distribución de Poisson y si es continua entonces en una
exponencial o exponencial negativa.

La prueba como todas tienen sus 6 pasos en este caso son:

Ho: la muestra tiene aproximadamente una distribución “ “

H1: la muestra no es suficiente para determinar que sigue un
comportamiento similar a la distribución “ “

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
 Nivel de significancia α=

Estadístico de prueba χ = ∑
2 (o − e)2
e
Región de rechazo para Ho χ 2
>χ2α

Ejemplo: una empresa desea determinar si el nivel de aceptación

establecido de por lo menos 35 puntos de un examen de habilidades que se
aplican a los candidatos a un puesto operario, permite contratar al menos un 80%
de los solicitantes al puesto. Basándose en una prueba aplicada a los operarios
que tienen dos meses laborando en la empresa se obtuvieron los siguientes datos:

Puntaje Frecuencia
0<10 24
10<15 49
15<20 71
20<25 72
25<30- 37
30<40 21
40-50 16

Ejemplo: con el fin de planear cuánto dinero en efectivo se debe dejar a la mano
en la caja fuerte de un banco en un día normal, el gerente realiza un estadística
para analizar el depósito promedio de un cliente, sin embargo este promedio no le
permite tener un nivel de confiabilidad sobre la cantidad de dinero en la caja
fuerte, por lo que es necesario conocer el comportamiento de los depósitos, el
gerente supone que está distribuido normalmente. ¿tendrá razón el gerente con
una confianza del 95%?
Si en el día existen 100 depósitos cuantos de ellos serán menores a $1500 y
cuantos superarán a los $2000
El 90% de los depósitos en que rango estarán?

Depósito $0-999 1000-1999 Mas de 2000

Frecuencia 20 65 25

Regresión Lineal Múltiple

Cuando una variable depende de otras variables independientes se puede

calculara una ecuación lineal de variables múltiples de la forma
y=b1x1+b2x2+......+bnxn+a

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451
 en donde desconocemos los valores de las “a”; si tenemos una muestra de
tamaño n entonces tendremos n valores x y n valores; para encontrar los valores
de ai resolvemos el sistema:

Σy = na + b1Σx1 + b2Σx2+……..+bnΣxn
Σx1y = aΣx1+b1Σx12+ b2Σx1x2+......+bnΣx1xn
Σx2y = aΣx2+b1Σx1x2+b2Σx22+........+bnΣx2xn
................................................................
Σxny = aΣxn+b1Σx1x2+b2Σx2x3+......+bnΣxnn

calculamos las sumatorias y sustituimos los valores en el sistema, lo resolvemos y

tendremos los valores de los coeficientes b y la constante a
el coeficiente de determinación es:

( y − yˆ ) 2

r 2
=1− ∑ i i

∑y 2

Ejemplo: una empresa desea determinar cual es la ecuación de la demanda de su

producto estrella en función del precio del producto y de los ingresos de los
consumidores, para ello analiza los precios de los últimos 15 años, así como el
ingreso promedio de sus consumidores de acuerdo a registros gubernamentales
de ingreso por nivel socioeconómico.

Año Demanda Precio Ingreso

1971 40 9 400
1972 45 8 500
1973 50 9 600
1974 55 8 700
1975 60 7 800
1976 70 6 900
1977 65 6 1000
1978 65 8 1100
1979 75 5 1200
1980 75 5 1300
1981 80 5 1400
1982 100 3 1500
1983 90 4 1600
1984 95 3 1700
1985 85 4 1800

Luis García Márquez Correo electrónico luysgm@gmail.com

Teléfono Cel.: 477-7051451