Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 6 vistas

    Regresión NO LINEAL

    Cargado por

    José Sebastián Sangacha

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Regresión NO LINEAL

    Cargado por

    José Sebastián Sangacha
    6 vistas13 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    6 vistas13 páginas

    Regresión NO LINEAL

    Cargado por

    José Sebastián Sangacha

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 13

    Dirección de Posgrado

    Regresión NO LINEAL
    Bondad de Ajuste del Modelo

    Antonio Meneses
    Regresión no lineal
    Regresión no lineal
    Regresión no lineal
    A continuación se presentan los datos de demanda, y de precio en su escala original y
    en escala logarítmica (ARCHIVO demanda_precio.txt).

    cantidad precio log.precio

    7 7.90 2.0668628
    15 5.50 1.7047481
    16 4.10 1.4109870
    32 2.00 0.6931472
    60 1.00 0.0000000
    64 0.60 -0.5108256
    67 0.65 -0.4307829
    73 0.50 -0.6931472
    84 0.40 -0.9162907
    100 0.40 -0.9162907
    Regresión no lineal
    log(precio) = 2.02879 - 0.03452 cantidad GRÁFICO DE AJUSTE DEL MODELO

    Call:
    lm(formula = log(precio) ~ cantidad, data = DEMANDA)

    Residuals:
    Min 1Q Median 3Q Max
    -0.33057 -0.18842 -0.05562 0.15583 0.50656

    Coefficients:
    Estimate Std. Error t value Pr(>|t|)
    (Intercept) 2.028789 0.171569 11.82 0.00000240 ***
    cantidad -0.034516 0.002855 -12.09 0.00000202 ***
    ---
    Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

    Residual standard error: 0.2752 on 8 degrees of freedom


    Multiple R-squared: 0.9481, Adjusted R-squared: 0.9416
    F-statistic: 146.2 on 1 and 8 DF, p-value: 0.000002023
    Regresión no lineal

    log(precio) = 2.02879 - 0.03452 cantidad

    Deshaciendo la transformación se obtiene el siguiente modelo exponencial


    ajustado

    precio = 7.6042 𝒆−0.0345 cantidad

    Con R2 = 0.9481 y un p-valor = 2.023e-06 este modelo es significativo


    Regresión no lineal
    Regresión no lineal
    Ejercicio:

    1.- En la producción de herramientas, el método para deformar


    acero a temperatura normal mantiene una relación inversa con la
    dureza del mismo ya que, a medida que la deformación crece, se
    ve afectada la dureza del acero. Para investigar esta relación se ha
    tomado la siguiente muestra:

    X: deformación (en mm) 6 9 11 13 22 26 28 33 35


    Y : dureza Brinell (en kg/mm2) 68 67 65 53 44 40 37 34 32

    Realizar un estudio de regresión con el modelo exponencial,


    además calcularlas predicciones puntuales y si es posible con
    intervalos de deformaciones 17 y 19 mm
    Regresión no lineal
    Ejercicio:

    2.- Se sometió a una persona a unas sesiones de entrenamiento para el manejo de una máquina
    de análisis químicos y se valoró la destreza en el manejo en diversas ocasiones, valorándola en
    una escala de 0 a 100. Los resultados obtenidos aparecen en la siguiente tabla
    Sesiones | 2 | 5 | 7 | 10 | 12 | 16
    Destreza | 15 | 40 | 62 | 86 | 92 | 95
    Se pide:
    a.- Ajustar un modelo logarítmico
    b.- Calcular la destreza alcanzada al cabo de 8 sesiones empleando el modelo logarítmico.
    Regresión no lineal
    Ejercicio:

    3.- Ajuste los datos siguientes con el modelo de potencias y aplique una transformación
    logarítmica para estimar los parámetros de dicho modelo. Use la ecuación resultante para hacer
    el pronóstico para x=9
    Regresión no lineal
    Ejercicio:

    4.- Los siguientes datos son x: Precios, y: Cantidades vendidas de un artículo en el mercado en un
    periodo de 8 meses.

    Precios Cantidades
    2 120 a.- Estimar un modelo de regresión inverso
    4 100
    b.- Realizar predicciones para los precios de 8 y 10
    6 75
    7 65
    9 50
    12 40
    14 30
    16 15

    También podría gustarte