UNIVERSIDAD AUTONMA

CHAPINGO
INGENIERA EN IRRIGACIN

METEOROLOGA AGRCOLA

TAREA

MODELOS DE REGRESIN LINEAL Y SUS TRANSFORMACIONES

PROFESOR: M.C. JESS LEYVA BAEZA

INTEGRANTES DEL EQUIPO:

Meja Bentez Jaime

Santiago calvo bersain

5 c
Toledo Snchez Simen

Vsquez Vzquez Javier de Jess

Chapingo, Edo. De Mxico. A 08 de Marzo de 2016

 FUNCION POTENCIAL
Para la funcin potencial tenemos las siguientes formulas:

=
= +
=
=
=

Se obtiene: = +

DATOS

CARGA (H) GASTO (Q)

0.855 22.89596
1.07 33.01016
1.225 46.70684
1.36 56.61247
1.54 69.90916
1.9 102.383

GRAFICO CARGA - GASTO

120

100

80
GASTO (Q)

60

40

20

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
CARGA (H)
 Parmetros a y b:

= b

x (H) y (Q) y calculada ln (y) ln (x) ln(y) - ym ln(x) - xm (ln(y) - (ln(x)-

ym)(ln(x) - xm)^2
xm)
0.855 22.89596 22.716901 3.13096048 -0.1566538 -0.7663417 -0.4058315 0.311005677 0.16469928
1.07 33.01016 34.8489662 3.49681539 0.06765865 -0.4004868 -0.1815191 0.072696016 0.0329492
1.225 46.70684 45.1097019 3.84389062 0.20294084 -0.0534115 -0.0462369 0.002469587 0.00213785
1.36 56.61247 55.0660066 4.03622928 0.3074847 0.13892709 0.05830692 0.008100411 0.0033997
1.54 69.90916 69.8012341 4.24719669 0.43178242 0.3498945 0.18260464 0.063892357 0.03334445
1.9 102.383 104.209038 4.62872068 0.64185389 0.73141849 0.39267611 0.287210566 0.15419452
promedios 3.89730219 0.24917778 0.745374613 0.390725

b Ln (a) a
1.90767063 3.42195306 30.62917713
yc= 30.62x^1.907
 GRAFICO CARGA - GASTO
120

100

80
GASTO (Q)

60
Q observado
Q calculado
40

20

0
0 0.5 1 1.5 2
CARGA (H)

FUNCIN DE LA HIPRBOLA
 Grfica de Dispersin
175

170

165

160

155

150
45 50 55 60 65 70 75 80

58.867
= = = 0.581034
^2 99.6
= = 161.3 0.581034 61.4 = 125.6245

Por tanto la recta de regresin lineal es:

= 125.6245 + 0.581034

Se procede a hacer el ajuste por una funcin hiperblica: La funcin de la hiprbola

buscada es

= ( + )

Tomando logaritmos tenemos que:

() = a +

Llamamos a la nueva variable

= Ln(y)
Entonces tenemos que calcular la recta de regresin
= +

xi yi y'i=Ln(yi) xi^2 (y'i)^2 xiy'i

48 153 5.030437921 2304 25.3053057 241.46102
49 151 5.017279837 2401 25.173097 245.846712
52 158 5.062595033 2704 25.6298685 263.254942
56 152 5.023880521 3136 25.2393755 281.337309
62 168 5.123963979 3844 26.2550069 317.685767
63 162 5.087596335 3969 25.8836365 320.518569
67 173 5.153291594 4489 26.5564143 345.270537
68 167 5.117993812 4624 26.1938607 348.023579
71 162 5.087596335 5041 25.8836365 361.21934
78 167 5.117993812 6084 26.1938607 399.203517
SUMA 614 1613 50.82262918 38596 258.314062 3123.82129

Xmed= 61.4 SXY'= 0.3679845

Ymed= 5.08226292 S^2X= 99.6

0.367985
= = = 0.003695
^2 99.6
= = 5.082263 0.003695 61.4 = 4.85539

Por lo tanto, la funcin hiperblica que mejor se ajusta a las observaciones es:

= (4.85539 + 0.003695)

X Y Y1 Y2

48 153 153.3541573 153.514132

49 151 153.9218491 154.095166
52 158 155.6375645 155.838268
56 152 157.9549712 158.162404
 62 168 161.4959395 161.648608
63 162 162.0937708 162.229642
67 173 164.5073089 164.553778
68 167 165.1162878 165.134812
71 162 166.9567839 166.877914
78 167 171.3314527 170.945152

En donde la X & Y son los valores originales.

Y1 es la funcin hiperblica que se ajust:

= (4.85539 + 0.003695)

Y las Y2 por lo tanto es la encontrada en la regresin lineal

= 125.6245 + 0.581034

175
Grfico de Dispersin con Regresin Lineal

170

Datos
Originales
165

Funcin
Corregida
160

Funcin
Lineal
155

150
45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81

Modelo logstico

En una prctica de laboratorio, se analiz el crecimiento poblacional que mantenan

organismos de cierta especie en un recipiente contenedor. Los datos obtenidos se
registraron en la siguiente tabla:
 tiempo (t) Poblacin
(X) (p(t)) (Y)
0 4
1 6
2 9
3 16
4 24
5 32
6 48
7 58
8 65
9 79
10 87
11 91
12 94
13 97
14 98
15 99

Crecimiento de la poblacin
120

100
Poblacion (p(t))

80

60

40

20

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Tiempo (t)
Funcin de la curva logstica

=
1 + ( + )

Donde K: es un valor experimental y siempre se utiliza un nmero mayor al ltimo

valor experimenta

Por lo tanto K=100

= ln ( 1)

= a + bx

Para obtener los valores de a y b se realiza los siguientes

Parmetros:

b -0.81599219
a 5.89260689

Regresin lineal de una funcin logstica

X Y YT YCT YC
0 4 3.17805383 5.89260689 0.27521775
1 6 2.75153531 5.0766147 0.62022924
2 9 2.31363493 4.26062251 1.39170948
3 16 1.65822808 3.44463032 3.09293988
4 24 1.15267951 2.62863813 6.73179069
5 32 0.7537718 1.81264594 14.0318644
6 48 0.08004271 0.99665375 26.9599843
7 58 -0.32277339 0.18066156 45.4957055
8 65 -0.61903921 -0.63533063 65.3697182
9 79 -1.32492541 -1.45132282 81.0201934
10 87 -1.90095876 -2.26731501 90.6133664
11 91 -2.31363493 -3.0833072 95.6198908
12 94 -2.75153531 -3.89929939 98.0146065
13 97 -3.47609869 -4.71529158 99.1122266
14 98 -3.8918203 -5.53128377 99.6054726
15 99 -4.59511985 -6.34727596 99.8251551
 100
Modelo potencial: Y =
1+exp(5.892606890.81599219)

Comparacin de YC vs Y

YC Y Diferencia
(%)
0.27521775 4 0.953294398
0.62022924 6 0.877826213
1.39170948 9 0.673355367
3.09293988 16 0.102098166
6.73179069 24 -
1.560942341
14.0318644 32 -
6.741094983
26.9599843 48 -
26.05050199
45.4957055 58 -
250.8283662
65.3697182 65 103.8908652
81.0201934 79 56.8250668
90.6133664 87 40.9650538
95.6198908 91 32.01211932
98.0146065 94 26.13646599
99.1122266 97 22.01932085
99.6054726 98 19.00765911
99.8251551 99 16.72724357
 Comparacion entre graficas
120
100
80

Y 60
YC
40
Y
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
X

MODELO EXPONENCIAL

xi yi xi^2 yi^2 xiyi

-6 2 36 4 -12
-3.0 2.8 9 7.84 -8.4
0.0 3.9 0 15.21 0
3.0 4.2 9 17.64 12.6
6.0 5.8 36 33.64 34.8
9.0 6.2 81 38.44 55.8
12.0 7.5 144 56.25 90
15.0 8.2 225 67.24 123
20.0 9.3 400 86.49 186
25.0 10.9 625 118.81 272.5
SUMA 81.0 60.8 1565 445.56 754.3

Xmed= 8.1 SXY= 26.182

Ymed= 6.1 S^2X= 90.89
 GRAFICO DE DISPERSION
12

10

0
-10 -5 0 5 10 15 20 25 30

26.182
= = = 0.288
^2 90.89

= = 6.08 0.288 8.1 = 3.7467

Por tanto la recta de regresin lineal es:

= 3.7467 + 0.288

Se procede a hacer el ajuste por una funcin exponencial: La funcin exponencial buscada es

Tomando logaritmos tenemos que:

log() = log() +

Llamamos a la nueva variable

= log()

Entonces tenemos que calcular la recta de regresin

= +
 xi yi y'i=log(yi) xi^2 (y'i)^2 xiy'i
-6 2 0.693 36 0.480 -4.159
-3.0 2.8 1.030 9 1.060 -3.089
0.0 3.9 1.361 0 1.852 0.000
3.0 4.2 1.435 9 2.059 4.305
6.0 5.8 1.758 36 3.090 10.547
9.0 6.2 1.825 81 3.329 16.421
12.0 7.5 2.015 144 4.060 24.179
15.0 8.2 2.104 225 4.427 31.562
20.0 9.3 2.230 400 4.973 44.600
25.0 10.9 2.389 625 5.706 59.719
SUMA 81.0 60.8 16.839 1565 31.038 184.086

Xmed= 8.1 SXY'= 4.76895107

Ymed= 1.684 S^2X= 90.89

4.7696
= = = 0.0525
^2 90.89

= = 1.684 0.0525 8.1 = 1.259

El valor que buscamos para la funcin exponencial es a, no a; pero

= = 1.259 = 3.522

Por lo tanto, la funcin exponencial que mejor se ajusta a las observaciones es:

= 3.5220.052

GRAFICO DE DISPERSION CON REGRESIONES

14
y = 3.522e0.052x
12

10

8
y = 0.2881x + 3.7467
6

0
-10 -5 0 5 10 15 20 25 30