ESFM

INTRODUCCION A LA METROLOGIA E INSTRUMENTACIN

EJERCICIOS DE REGRESION LINEAL: MINIMOS CUADRADOS - METODO DEL JACO

1) La siguiente ecuacin, y=a+bx+cxlnx

donde a, b y c son constantes, se va ajustar a los datos que se presentan a continuacin:
x
0.003
0.015
0.025
0.041
0.055
0.070
0.085
0.095

y
1.210
1.265
1.275
1.320
1.350
1.370
1.375
1.395

i) De qu tipo de regresin se trata, lineal o no lineal, por qu? Utilice las fu

ESTIMACION LINEAL y REGRESION, para encontrar los parmetros a,

ii) Utilice la definicin de mnimos cuadrados y exprese en forma de matrices

para obtener los parmetros a, b y c, no los encuentre solo indique como
Las matrices se pueden escribir en una hoja aparte a mano, en vez de la h

iii) Finalmente, utilice el mtodo del Jacobiano para encontrar los parmetros
la desviacin estndar de los parmetros y del ajuste y haga una grfica d
y los experimentales.

SOLUCIONES

i) lineal, los parametros son lineales o dependientes, con

ESTIMACION LINEAL
C

s=

-1.231908009

-0.787950772

1.1916323

0.25418024

0.557179342

0.0090656

DESV EST

DESV EST

DESV EST

Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple
0.995153877
Coeficiente de determinacin R^2
0.990331239
R^2 ajustado

0.986463735

Error tpico

0.007514357

Observaciones

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresin

0.02891767

Residuos

0.00028233

Total

0.0292

Coeficientes
Intercepcin

1.191632301

0.0090656

Variable X 1

-0.787950772

0.55717934

Variable X 2

-1.231908009

0.25418024

ii)
y
1.210
1.265
1.275
1.320
1.350
1.370
1.375
1.395

Error tpico

x
0.003
0.015
0.025
0.041
0.055
0.070
0.085
0.095

XLNX
-0.017427429
-0.062995576
-0.092221986
-0.130961512
-0.159523215
-0.186148203
-0.209533842
-0.223618447

y=a+bx+cxlnx

dy/da
1

iii)
y
1.210
1.265
1.275
1.320
1.350
1.370
1.375
1.395

x
0.003
0.015
0.025
0.041
0.055
0.070
0.085
0.095

dy/db
x

MATRIZ D
1

0.003

0.015

0.025

0.041

0.055

0.07

0.085

0.095

matriz D'
1
0.003
-0.017427429

1
0.015
-0.062995576

1
0.025
-0.092221986

La matriz P= DY
matriz P, 3x1

La matriz A= DD
Matriz DD, 3x3
8
0.389
-1.08243021

1
1
0.041
0.055
-0.130961512 -0.15952322

0.389
0.026715
-0.069530468

-1.08243021
-0.069530468
0.18393642

10.56
0.52815
-1.46166496

Matriz inversa de A, se obtiene con =MINVERSA(matriz)

matriz A-1= (DD)-1, 3x3
matriz A-1, 3x3
1.455489
68.040536
34.285520
a=
68.040536 5498.020573 2478.731902
b=
34.285520 2478.731902 1144.194667
c=
Se define la siguiente matriz

Matriz de varianza-covarianza = s (DD) , 2x2

0.000082
0.003842 0.001936
0.003842
0.310449 0.139963
0.001936
0.139963 0.064608
-1

Las desviaciones estndard de los parmetros, sso, su y sg se obtienen

diagonales de la matriz de varianza-covarianza
sso= 0.009065595
su= 0.557179342
sg= 0.25418024

1.450

1.400

1.350

1.300

1.250

1.200
0

0.01

0.02

0.03

0.04

0.05
valores de x

0.06

METODO DEL JACOBIANO

entan a continuacin:

por qu? Utilice las funciones que existen en Excel: LINEA DE TENDENCIA,
rar los parmetros a, b y c.

en forma de matrices las ecuaciones que se deben resolver

tre solo indique como es que se pueden evaluar con este mtodo.
a mano, en vez de la hoja de trabajo en Excel para ahorrar tiempo.

contrar los parmetros a, b y c y con stos calcule la Matriz de Varianza-Covarianza,

e y haga una grfica de y contra x que incluyan los valores de y calculados

s o dependientes, con linea de tendencia no se puede hacer

Promedio de los cuadradosF

0.01445884

Valor crtico de F

256.064682

9.19236E-06

5.6466E-05

Estadstico t Probabilidad
131.445563

4.834E-10

Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%

1.168328446

1.21493616

1.16832845

1.21493616

-1.41417801

0.21644707 -2.220225868

0.64432432 -2.22022587

0.64432432

-4.84659236

0.0046878 -1.885299117

-0.5785169 -1.88529912

-0.5785169

dy/dc
xlnx
ycal

(y-ycal)2

-0.01742743

1.21073744

5.43814E-07

-0.06299558

1.25741779

5.74898E-05

-0.09222199

1.28554254

0.000111145

-0.13096151

1.32065885

4.34089E-07

-0.15952322

1.34481293

2.69056E-05

-0.1861482

1.36579321

1.76971E-05

-0.20953384

1.3827829

6.05736E-05

-0.22361845

1.39225433

7.53869E-06

S=

0.000282328

s2=
s=

5.64656E-05
0.007514357

1
1
1
0.07
0.085
0.095
-0.1861482 -0.20953384 -0.223618447

La matriz P= DY
matriz P, 3x1

B= A-1 P =(DD)-1 DY, 3x1

1.192
-0.788
-1.232

su y sg se obtienen sacndole raiz cuadrada a los elementos

Y experimental

Y calculada

0.07

0.08

0.09

0.1

Covarianza,
os

2) La siguiente ecuacin, y=aln(bx+c)

donde a, b y c son constantes, se va ajustar a los datos que se presentan a continuacin:
x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

i) De qu tipo de regresin se trata, lineal o no lineal, por qu?

Se pueden usar LINEA DE TENDENCIA, ESTIMACION LINEAL O REGRESIO
Grafique los resultados experimentales x, y.
Utilice los siguientes valores iniciales de a=120, b=3 y c=-10 e incluya las y cal
Use Solver con los valores iniciales anteriores y encuentre los parmetros a, b,
ii) Utilice el mtodo del Jacobiano para encontrar los parmetros a, b, y c usando

Detenga las iteraciones cuando la suma de los residuales al cuadrado sea igua
Con estos parmetros finales encuentre la matriz de varianza-covarianza.

iii) Con los valores finales de a, b y c encuentre la desviacin estndar del ajuste y

solucinones
i) no lineal, porque los parametros son independientes. Por eso mismo no se pue
a

115.144 115.102 0.04182

2.31109414 2.31760095 -0.0065
-22.0391544 -22.3591348 0.31998

b
c

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal

(y-Ycal)^2

489.85087

0.12189161

586.40582

1.22283699

673.756524

0.00319499

757.160241

4.16061482

838.726677

1.50473675
7.01327515

900
800
700
600
500

Celda objetivo (Mnimo)

400

Celda
$E$37

Nombre
(y-Ycal)^2

Valor original Valor final

7.01329355 7.01327515

400
300

Celdas cambiantes
Celda
$D$28
$D$29
$D$30

Nombre
a
b
c

Valor original
115.142614
2.31119379
-22.038622

Valor final
115.143647
2.31109414
-22.0391544

200
100
0

Restricciones

NINGUNA

ii)
valores iniciales
a
120
b
3
c

y=aln(bx+c)

dy/da

-10
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal

5.43807931
41.7391304
0.52173913

6.15273269
40.8510638
0.25531915

D'*D Matrix 2x2

193.6103 1264.36017 10.8766962
1264.36017 8565.75594
87.442366
10.8766962
87.442366 1.54738517
b= (D'*D)-1 * (D'*Y), 2x1
-5.38043561
-0.64965122

y-Ycal

(y-Ycal)^2

MATRIZ D

564.057644 -73.8576439

5454.95156

4.70048037

652.569517 -67.2695171

4525.18793

5.43807931

738.327923 -64.6279234

4176.76848

6.15273269

822.775438 -63.5754382

4041.83634

6.85646198

906.583023 -69.0830225

4772.464

7.55485852

S=

22971.2083

s2=
s=

11485.6042

D (transponer) matriz 2x14

4.70048037
43.6363636
1.09090909

ln(bx+c)

6.85646198
40.4210526
0.12631579

107.170911

7.55485852
40.2094241
0.06282723
(D'*D)-1 (minversa) Matrix 2x2
1.45655838 -0.26110633
4.5167892
-0.26110633 0.04708249 -0.82528248
4.5167892 -0.82528248 15.5338886

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

16729.453
-2998.964 51878.0528
-2998.964 540.770821 -9478.86792

-18.8785149

51878.0528 -9478.86792

178416.096

primera iteracion
valores iniciales
a 114.619564
b 2.35034878

y=aln(bx+c)

dy/da

c -28.8785149
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal

y-Ycal

5.06984331
57.6160882
0.7202011

5.84983557
52.8235308
0.33014707

MATRIZ D

11.4949725

132.134392

4.17646874

581.103231

4.19676869

17.6128674

5.06984331

670.505605

3.1943949

10.2041588

5.84983557

754.624445

4.57555528

20.9357062

6.58373157

836.338494

1.16150615

1.34909654

7.29664694

S=

182.236221

s2=
s=

91.1181105

6.58373157
50.7143006
0.15848219

9.54558068

7.29664694
49.7216148
0.07769002
(D'*D)-1 (minversa) Matrix 2x2
1.07697073 -0.15002319 3.60748953
-0.15002319 0.02106465 -0.51114696
3.60748953 -0.51114696 12.7970459

D'*D Matrix 2x2

173.953356 1591.77909
14.542273
1591.77909 16108.6525 194.698247
14.542273 194.698247 3.75542297
b= (D'*D)-1 * (D'*Y), 2x1
0.48226765
-0.03274783
6.51938019

(y-Ycal)^2

478.705028

D (transponer) matriz 2x14

4.17646874
70.3884526
1.75971131

ln(bx+c)

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

98.1315379 -13.6698292
328.70763
-13.6698292 1.91937145 -46.5747454
328.70763 -46.5747454 1166.04265

segunda iteracion
valores iniciales
a 115.101832
b 2.31760095

y=aln(bx+c)

dy/da

c -22.3591348
Y

x
40
80
160
320

y
490.2
585.3
673.7
759.2

ycal

y-Ycal

ln(bx+c)
(y-Ycal)^2

MATRIZ D

489.575322

0.62467834

0.39022303

4.25341033

581.103231

4.19676869

17.6128674

5.09405041

670.505605

3.1943949

10.2041588

5.85351489

754.624445

4.57555528

20.9357062

6.57824121

640

837.5

836.338494

1.16150615

1.34909654

S=

50.4920519

s2=
s=

25.246026

D (transponer) matriz 2x14

4.25341033
65.449991
1.63624977

5.09405041
56.47474
0.70593425

5.85351489
52.8509751
0.33031859

6.57824121
51.2080637
0.1600252

5.02454236

7.28681171
50.4243251
0.07878801
(D'*D)-1 (minversa) Matrix 2x2
1.18274674 -0.16245524 3.61561383
-0.16245524 0.02247977 -0.50545055
3.61561383 -0.50545055 11.8244927

D'*D Matrix 2x2

174.675368 1579.72637 14.1160289
1579.72637 15431.2015 176.585059
14.1160289 176.585059 3.31658248
b= (D'*D)-1 * (D'*Y), 2x1
-2.79717927
0.45509151
-10.5571445

7.28681171

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

29.8596548 -4.10134928 91.2798807
-4.10134928 0.56752483 -12.7606176
91.2798807 -12.7606176 298.521449

tercera iteracion
valores iniciales
a 112.304653
b 2.77269246

y=aln(bx+c)

dy/da

c -32.9162792
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal
489.266317

5.2412131
47.5617479
0.59452185

6.01789836
43.7499621
0.27343726

D'*D Matrix 2x2

183.922251 1355.42115 12.4034189
1355.42115 10966.3317 131.369544
12.4034189 131.369544 2.52315122

y-Ycal

(y-Ycal)^2

MATRIZ D

0.93368331

0.87176453

4.35659881

588.612618 -3.31261769

10.973436

5.2412131

675.837986 -2.13798587

4.5709836

6.01789836

1.10592072

1.22306063

6.75033545

838.080599 -0.58059921

0.33709544

7.46256347

S=

17.9763402

s2=
s=

8.98817008

758.094079

D (transponer) matriz 2x14

4.35659881
57.598466
1.43996165

ln(bx+c)

6.75033545
42.0643603
0.13145113

2.9980277

7.46256347
41.2693461
0.06448335
(D'*D)-1 (minversa) Matrix 2x2
1.0932783 -0.18801016 4.41448778
-0.18801016 0.03257429 -0.77177322
4.41448778 -0.77177322 18.8782796

b= (D'*D)-1 * (D'*Y), 2x1

2.81616807
-0.5127435
12.4158801

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

9.82657131 -1.6898673
39.678167
-1.6898673 0.29278324 -6.93682894
39.678167 -6.93682894 169.681188

cuarta iteracion
valores iniciales
a 115.120821
b 2.25994896

y=aln(bx+c)

dy/da

c -20.5003991
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal

y-Ycal

5.0770191
57.4542933
0.71817867

5.83215058
54.0011548
0.33750722

MATRIZ D

1.27833628

1.63414364

4.24703073

584.470606

0.82939428

0.68789487

5.0770191

671.401962

2.29803838

5.28098041

5.83215058

754.606188

4.59381245

21.1031128

6.55490625

836.069023

1.43097693

2.04769497

7.26253528

S=

30.7538267

s2=
s=

15.3769134

6.55490625
52.4257007
0.16383031

3.92134076

7.26253528
51.6719503
0.08073742
(D'*D)-1 (minversa) Matrix 2x2
1.20652194 -0.16118523 3.53057669
-0.16118523 0.02169233 -0.4801705
3.53057669 -0.4801705 11.0828861

D'*D Matrix 2x2

173.538588 1605.34759 14.2696822
1605.34759 15975.7049 180.752501
14.2696822 180.752501 3.37563799
b= (D'*D)-1 * (D'*Y), 2x1
0.01559025
0.05160746
-1.5421786

(y-Ycal)^2

488.921664

D (transponer) matriz 2x14

4.24703073
65.8797373
1.64699343

ln(bx+c)

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

18.5525833 -2.47853131 54.2893719
-2.47853131 0.33356115 -7.38354016
54.2893719 -7.38354016 170.420579

quinta iteracion
valores iniciales
a 115.136411
b 2.31155642

y=aln(bx+c)

dy/da

c -22.0425777
Y

x
40

y
490.2

ycal
489.844724

y-Ycal
0.35527604

ln(bx+c)
(y-Ycal)^2
0.12622107

MATRIZ D
4.25447275

80
160
320
640

585.3
673.7
759.2
837.5

586.392691 -1.09269106

1.19397374

5.09302562

673.737536 -0.03753591

0.00140894

5.85164614

757.135844

2.06415644

4.26074179

6.57598961

838.697073 -1.19707293

1.43298359

7.28437742

S=

7.01532914

s2=
s=

3.50766457

D (transponer) matriz 2x14

4.25447275
65.4001341
1.63500335

5.09302562
56.5496282
0.70687035

5.85164614
52.9657395
0.33103587

6.57598961
51.3389124
0.1604341

7.28437742
50.5624076
0.07900376
(D'*D)-1 (minversa) Matrix 2x2
1.18733619 -0.1625904 3.60683174
-0.1625904 0.02242979 -0.50271073
3.60683174 -0.50271073 11.7275058

D'*D Matrix 2x2

174.587005 1582.10837
14.123797
1582.10837 15472.6485 176.667387
14.123797 176.667387
3.3144671
b= (D'*D)-1 * (D'*Y), 2x1
0.01049426
-0.00091523
0.01391513

1.87287602

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

4.16477707 -0.57031257 12.6515559
-0.57031257 0.07867617 -1.76334063
12.6515559 -1.76334063 41.1361566

sexta iteracion
valores iniciales
a 115.146905
b 2.31064119

y=aln(bx+c)

dy/da

c -22.0286626
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal
489.852257

5.09266146
56.5753808
0.70719226

5.85126505
52.9907578
0.33119224

y-Ycal

(y-Ycal)^2

MATRIZ D

0.34774276

0.12092502

4.25415043

586.404207 -1.10420739

1.21927397

5.09266146

673.755063 -0.05506279

0.00303191

5.85126505

757.160086

2.03991355

4.16124729

6.57560083

838.728327 -1.22832718

1.50878766

7.28398496

S=

7.01326585

s2=
s=

3.50663293

D (transponer) matriz 2x14

4.25415043
65.4271802
1.63567951

ln(bx+c)

6.57560083
51.3635571
0.16051112

7.28398496
50.5868653
0.07904198

1.87260058

(D'*D)-1 (minversa) Matrix 2x2

1.18742851 -0.16251524 3.60503109
-0.16251524 0.02240732 -0.50218946
3.60503109 -0.50218946 11.7150401

D'*D Matrix 2x2

174.565263 1582.73951 14.1290086
1582.73951
15486.756 176.820605
14.1290086 176.820605 3.31726809
b= (D'*D)-1 * (D'*Y), 2x1
-3.8561E-05
5.677E-06
-0.0001348

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

4.16387591 -0.56988128 12.6415207
-0.56988128 0.07857425 -1.76099409
12.6415207 -1.76099409 41.0803452

septima iteracion
valores iniciales
a 115.146867
b 2.31064686

y=aln(bx+c)

dy/da

c -22.0287974
Y

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal
489.852244

ln(bx+c)

y-Ycal

(y-Ycal)^2

0.34775587

0.12093414

4.25415174

586.404237 -1.10423686

1.21933904

5.09266342

673.755093 -0.05509334

0.00303528

5.85126727

757.160103

2.03989716

4.16118043

6.57560318

838.728323 -1.22832282

1.50877696

7.28398737

S=

7.01326585

s=
s=

D (transponer) matriz 2x14

4.25415174
65.4270726
1.63567681

5.09266342
56.5752509
0.70719064

5.85126727
52.9906221
0.33119139

D'*D Matrix 2x2

174.565386 1582.73624 14.1289844
1582.73624 15486.6847 176.819913
14.1289844 176.819913 3.31725625
b= (D'*D)-1 * (D'*Y), 2x1
6.0063E-07
-8.4305E-08
2.0238E-06

MATRIZ D

6.57560318
51.3634195
0.16051069

3.50663292
1.87260058

7.28398737
50.5867269
0.07904176
(D'*D)-1 (minversa) Matrix 2x2
1.18742708 -0.16251554
3.605041
-0.16251554 0.02240743 -0.50219237
3.605041 -0.50219237 11.7151166

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

4.16387088 -0.56988234 12.6415555
-0.56988234 0.07857464 -1.76100431
12.6415555 -1.76100431 41.0806137

octava iteracion
valores iniciales
a 115.146867
b 2.31064678
c -22.0287954

y=aln(bx+c)

dy/da

x
40
80
160
320
640

y
490.2
585.3
673.7
759.2
837.5

ycal
489.852244

5.09266339
56.5752529
0.70719066

5.85126724
52.9906242
0.3311914

(y-Ycal)^2

MATRIZ D

0.1209339

4.25415172

586.404237 -1.10423658

1.21933842

5.09266339

673.755093 -0.05509306

0.00303525

5.85126724

757.160103

2.03989722

4.16118066

6.57560314

838.728323 -1.22832309

1.50877762

7.28398733

S=

7.01326585

s2=
s=

3.50663292

6.57560314
51.3634216
0.16051069

1.87260058

7.28398733
50.5867289
0.07904176
(D'*D)-1 (minversa) Matrix 2x2
1.1874271 -0.16251553 3.60504085
-0.16251553 0.02240743 -0.50219233
3.60504085 -0.50219233 11.7151155

D'*D Matrix 2x2

174.565384 1582.73629 14.1289847
1582.73629 15486.6857 176.819923
14.1289847 176.819923 3.31725643
b= (D'*D)-1 * (D'*Y), 2x1
-9.0825E-09
1.275E-09
-3.0607E-08

y-Ycal
0.34775552

D (transponer) matriz 2x14

4.25415172
65.4270742
1.63567685

ln(bx+c)

(D'*D)-1*2 COVARIANCE MATRIX, 2x2

4.16387095 -0.56988232 12.6415549
-0.56988232 0.07857464 -1.76100416
12.6415549 -1.76100416 41.0806097

iii)

Las desviaciones estndard de los parmetros, se obtienen sacndole

diagonales de la matriz de varianza-covarianza
sajuste=
sa=
sb=
s c=

1.87260058
2.04055653
0.28031168
6.4094157

e presentan a continuacin:

l, por qu?
CION LINEAL O REGRESION, para encontrar a, b y c, por qu?

3 y c=-10 e incluya las y calculadas con estos valores en la grfica anterior.

cuentre los parmetros a, b, y c que minimicen la ecuacin.
10 puntos

parmetros a, b, y c usando como valores iniciales los mencionados en el inciso i).

duales al cuadrado sea igual a 10-14.

e varianza-covarianza.

30 puntos

viacin estndar del ajuste y las desviaciones estndar de los parmetros a, b y c.

10 puntos

s. Por eso mismo no se puede utilizar linea de tendencia, estimacion o regresion lineal.

900
800
700
600
500
400

Yexp
Ycal

Ycal

400
300
200
100
0
0

100

dy/db
ax/bx+c

200

300

dy/dc
a/bx+c

43.6363636

1.09090909

41.7391304

0.52173913

40.8510638

0.25531915

40.4210526

0.12631579

40.2094241

0.06282723

D'*Y, 2x1
-2068.43675
-14018.3443
-144.540737
parametros nuevos, 2x1
114.619564
2.35034878

400

500

600

700

-28.8785149

dy/db
ax/bx+c

dy/dc
a/bx+c

70.3884526

1.75971131

57.6160882

0.7202011

52.8235308

0.33014707

50.7143006

0.15848219

49.7216148

0.07769002

diferencia de suma cuadrados

0.99206676

D'*Y, 2x1
126.571366
1509.45198
25.1203521
parametros nuevos, 2x1
115.101832
2.31760095
-22.3591348

dy/db
ax/bx+c

dy/dc
a/bx+c

65.449991

1.63624977

56.47474

0.70593425

52.8509751

0.33031859

51.2080637

0.1600252

diferencia de suma cuadrados

0.72293076

50.4243251

0.07878801

D'*Y, 2x1
81.2967856
739.596988
5.86365749
parametros nuevos, 2x1
112.304653
2.77269246
-32.9162792

dy/db
ax/bx+c

dy/dc
a/bx+c

57.598466

1.43996165

47.5617479

0.59452185

43.7499621

0.27343726

42.0643603

0.13145113

41.2693461

0.06448335

D'*Y, 2x1
-23.0280559
-174.753064
-1.1016249

diferencia de suma cuadrados

0.64397683

parametros nuevos, 2x1

115.120821
2.25994896
-20.5003991

dy/db
ax/bx+c

dy/dc
a/bx+c

65.8797373

1.64699343

57.4542933

0.71817867

54.0011548

0.33750722

52.4257007

0.16383031

51.6719503

0.08073742

D'*Y, 2x1
63.5470203
570.740652
4.3448084
parametros nuevos, 2x1
115.136411
2.31155642
-22.0425777

dy/db
ax/bx+c
65.4001341

dy/dc
a/bx+c
1.63500335

diferencia de suma cuadrados

-0.71079466

56.5496282

0.70687035

52.9657395

0.33103587

51.3389124

0.1604341

50.5624076

0.07900376

diferencia de suma cuadrados

0.7718876

D'*Y, 2x1
0.58070214
4.90036798
0.0326487
parametros nuevos, 2x1
115.146905
2.31064119
-22.0286626

dy/db
ax/bx+c

dy/dc
a/bx+c

65.4271802

1.63567951

56.5753808

0.70719226

52.9907578

0.33119224

51.3635571

0.16051112

50.5868653

0.07904198

diferencia de suma cuadrados

0.00029411

D'*Y, 2x1
0.00034909
0.0030497
1.1799E-05
parametros nuevos, 2x1
115.146867
2.31064686
-22.0287974

dy/db
ax/bx+c

dy/dc
a/bx+c

65.4270726

1.63567681

56.5752509

0.70719064

52.9906221

0.33119139

51.3634195

0.16051069

50.5867269

0.07904176

D'*Y, 2x1
1.0085E-08
2.8741E-06
2.9285E-07
parametros nuevos, 2x1
115.146867
2.31064678
-22.0287954

dy/db

dy/dc

diferencia de suma cuadrados

3.1899E-10

ax/bx+c

a/bx+c

65.4270742

1.63567685

56.5752529

0.70719066

52.9906242

0.3311914

51.3634216

0.16051069

50.5867289

0.07904176

diferencia de suma cuadrados

8.8397E-14

D'*Y, 2x1
3.8511E-12
-4.2088E-08
-4.418E-09
parametros nuevos, 2x1
115.146867
2.31064678
-22.0287954

se obtienen sacndole raiz cuadrada a los elementos

l inciso i).

s a, b y c.
10 puntos

egresion lineal.

Yexp