UNIVERSIDAD NACIONAL DEL CALLAO

FACULDAD DE INGENIERIA ELECTRICA Y

ELECTRONICA

METODOS NUMERICOS
CICLO 2019-A

TEMA: REGRESION LINEAL

ESTUDIANTES: QUINO BRICEÑO JEFFRY.

CODIGO: 1713210041

ESCUELA PROFESIONAL: INGENIERIA ELECTRONICA.

GRUPO HORARIO: 01L

LIMA-CALLAO – 2019
 FACULTAD DE INGENIERÍA ELÉCTRICA YELECTRÓNICA
Escuela de Ingenieria Eléctrica
CURSO Métodos numéricos Práctica
REGRESIÓN EN MATLAB
10
TEMA

Profesores Juvenal Tordocillo Puchuc

REGRESION LINEAL
Para un conjunto de observaciones

Consiste en minimizar la suma de cuadrados de los residuos entre la y medida y la y

calculada con el modelo lineal.

Ajuste de una recta por mínimos cuadrados

Para determinar a1 y a0 se deriva la ecuación sr y luego se iguala a 0:

Igualando a cero:
Se resuelve la ecuación con incógnitas a1 y a0

Formula para calcular r (coeficiente de correlación)

O tambien:

EJERICICIOS DE APLICACIÓN
A) CODIGO EN MATLAB
clear all
disp('REGRESION POR MINIMOS CUADRADOS')
x = input('ingrese x vector: ');
y = input('ingrese y vector: ');
p=polyfit(x,y,1);
%SE MUESTRA LA GRAFICA DE LOS DATOS INGRESADOS
plot(x,y,'ro','markersize',4,'markerfacecolor','r')
hold on
%polinomio aproximacion
z=@(x) polyval(p,x);
fplot(z,[x(1),x(end)])
grid on
xlabel('x')
ylabel('y')
title('Experiencia')

%regresion con la funcion polyfit(x,y,n) n respresenta el grado del

%Polinomio
x = x';
y = y';
f = polyval(p,x);
T = table(x,y,f,abs(y-f),'VariableNames',{'X','Y','mx_b','error'})
%se calcula el r
yprom = sum(y)/length(y);
st = sum((y-yprom).^2);
sr=sum((y-f).^2);
r = sqrt((st-sr)/st);
disp('regresion')
disp(p)
fprintf('r = %.4f\n',r)
 B) EJERCICIOS
1. Utilice la regresión por mínimos cuadrados para ajustar una línea recta
y mostrar la ecuación con respectivo coeficiente de determinación.

GRAFICA

TABLA PARA HALLAR LA REGRESION LINEAL

Aplicando las fórmulas teóricas:

y = 0.3525x + 4.8515
r = 0.9148
 2. Utilice la regresión por mínimos cuadrados para ajustar según
corresponda y mostrar la ecuación con respectivo coeficiente de
determinación.

GRAFICA:

TABLA PARA HALLAR LA REGRESION LINEAL

RESULTADOS
Y = 1445.85X -95.1261

r = 0.96341
 3. En la ingeniería, el tamaño del reservorio depende de la estimación exacta
del flujo de agua en el río del cual se toma. Para algunos ríos es difícil obtener
registros históricos de muchos años atrás de tales datos de flujo. Por el
contrario, datos meteorológicos sobre precipitación de muchos años atrás
están a menudo disponibles. Por tanto, con frecuencia es útil determinar
una relación entre el flujo y precipitación. Esta relación se puede entonces
usar para estimar flujos por años, pero solo cuando se hicieron dichas
mediciones de precipitación.

Para un río que se va a encauzar a un dique, se tienen los siguientes datos:

Precipitación, cm Flujo, m3/s

88.9 114.7
101.6 172.0
104.1 152.9
139.7 269.0
132.1 206.4
94.0 161.4
116.8 175.8
121.9 239.0
99.1 130.0
GRAFICA

TABLA PARA HALLAR LA REGRESION LINEAL

Y = 2.5630X -104.1332

r = 0.9013