Upload
german-mamani-cervantes
View
4
Download
1
Embed Size (px)
DESCRIPTION
cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc
Citation preview
ANÁLISIS DE REGRESIÓN SIMPLE
1. Aspectos Generales
Supongamos que tenemos un fenómeno caracterizado por una serie de parejas de datos, por ejemplo la ley fierro-peso específico, sobre lo cual se podrá elaborar un cuadro como el que sigue:
Con el propósito de formar la distribución estadística, conviene agrupar la serie de valores X, Y en intervalos de clase. Asimismo debemos tener presente que existen una serie de modelos teóricos que son posibles de probar a fin de buscar aquel que represente o describa de la mejor manera al conjunto de datos o serie de parejas de datos representados en el cuadro anterior.
Los tipos básicos de regresión son la Lineal, Múltiple y la No Lineal.
2. Regresión Lineal
La regresión lineal es la más simple de todas y no necesariamente la menos utilizada, es probable que muchos de los procesos se vean muy bien modelados y representados por una regresión lineal u otra univariada, por tanto analizaremos varios casos.
Primer caso
Tenemos el estudio de proyección de población para los datos censales siguientes:
No. Observación Característica X Característica Y
1
2
3
4
.
.
.
X1
X2
X3
X4
.
.
.
Y1
Y2
Y3
Y4
.
.
.
DATOS DE CENSOS DISPONIBLES
AÑO POBLACION
1938 1000
1951 1500
1964 1800
1973 2500
1986 3800
1996 5550
2004 63450
1000
2000
3000
4000
5000
6000
7000
1920 1940 1960 1980 2000 2020
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
DATOS DE CENSOS
POBLACION
Proyección Modelo Lineal de 1992 al 2020
Proyección Exponencial de 1992 al 2020
Proyección Logaritmica de 1992 al 2020
y = 83.022x - 160601R² = 0.916
0
1000
2000
3000
4000
5000
6000
7000
8000
1920 1940 1960 1980 2000 2020 2040
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
METODO LINEAL
POBLACION Lineal (POBLACION)
y = 7E-22e0.0287x
R² = 0.9891
0
2000
4000
6000
8000
10000
12000
1920 1940 1960 1980 2000 2020 2040
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
METODO EXPONENCIAL
POBLACION Exponencial (POBLACION)
Proyección Potencial de 1992 al 2020
Finalmente podemos superponer los modelos de ajuste y proyección y hacer un análisis en el cual la extrapolación de cada modelos tiene diferencias.
y = 163432ln(x) - 1E+06R² = 0.9134
0
1000
2000
3000
4000
5000
6000
7000
8000
1920 1940 1960 1980 2000 2020 2040
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
METODO LOGARITMICO
POBLACION Logarítmica (POBLACION)
y = 2E-183x56.495
R² = 0.9886
0
2000
4000
6000
8000
10000
12000
1920 1940 1960 1980 2000 2020 2040
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
METODO POTENCIAL
POBLACION Potencial (POBLACION)
La tabla adjunta muestra los valores estimados por cada modelo planteado.
0
2000
4000
6000
8000
10000
12000
1920 1940 1960 1980 2000 2020 2040
HA
BIT
AN
TE
S
TIEMPO EN AÑOS
COMPARACION DE METODOS
POBLACION
LINEAL
EXPO
POT
Logarítmica (POBLACION)
CENSADA PROYECTADA LINEAL EXPO POT
1938 1000 1047 295.636 981.954152 1047.32479
1951 1500 1528 1374.922 1425.83065 1527.9686
1964 1800 2224 2454.208 2070.35433 2223.60736
1973 2500 2879 3201.406 2680.29391 2878.95368
1986 3800 4172 4280.692 3891.87742 4172.22186
1996 5550 5541 5110.912 5185.09408 5541.1452
2004 6345 6946 5775.088 6522.80855 6946.10795
2005 7145 5858.11 6712.65582 7144.66256
2006 7349 5941.132 6908.02864 7348.78957
2007 7559 6024.154 7109.0878 7558.64249
2008 7774 6107.176 7315.99882 7774.37895
2009 7996 6190.198 7528.93202 7996.16086
2010 8224 6273.22 7748.06266 8224.15448
2011 8459 6356.242 7973.57114 8458.53059
2012 8699 6439.264 8205.64307 8699.46453
2013 8947 6522.286 8444.46949 8947.13639
2014 9202 6605.308 8690.24698 9201.73114
2015 9463 6688.33 8943.17787 9463.43868
2016 9732 6771.352 9203.47034 9732.45406
2017 10009 6854.374 9471.33867 10008.9776
2018 10293 6937.396 9747.00334 10293.2148
2019 10585 7020.418 10030.6913 10585.3771
2020 10886 7103.44 10322.636 10885.6812
POBLACIONAÑO
Segundo Caso
Estudiaremos las relaciones costo de capital y de operación, la tabla siguiente, proporciona valores estimados de los costos de de capital y costos de operación de una producción diaria en una mina que van de 20 000a 40 000 tonelada por día.
El siguiente grafico muestra la RELACIÓN COSTO DE CAPITAL Y NIVEL DE PRODUCCIÓN
CAPACIDAD
Mina Planta Infraest. Mina Planta Infraest.
7.30 30.00 130.00 43.00 203.00 2.59 4.81 1.52 8.92
11.00 44.00 185.00 73.00 302.00 2.45 4.56 1.44 8.45
14.60 60.00 240.00 100.00 400.00 2.38 4.43 1.39 8.20
18.00 110.00 295.00 128.00 533.00 2.25 4.20 1.25 7.70
TOTAL
ESTIMACION DE COSTO DE CAPITAL Y COSTO DE OPERACION VERSUS CAPACIDAD
Mill
Tons/año
Mill US$
COSTO DE CAPITAL
TOTAL
COSTO DE OPERACION
US$/ton
y = 0.0026x - 29.645R² = 0.8857
y = 0.0082x - 13.118R² = 0.9843
y = 0.0104xR² = 0.9863
-100
0
100
200
300
400
500
600
0 10000 20000 30000 40000 50000 60000
Mill
on
es
de
U.S
.$
Tons/día
Mina Mina+Planta Mina+Planta+Infraest.
Lineal (Mina) Lineal (Mina+Planta) Lineal (Mina+Planta+Infraest.)
El siguiente grafico muestra la RELACIÓN COSTO DE OPERACION Y NIVEL DE PRODUCCIÓN
y = -1E-05x + 2.8059R² = 0.9853
y = -3E-05x + 8.0044R² = 0.9864
y = -4E-05x + 9.7098R² = 0.9838
0
1
2
3
4
5
6
7
8
9
10
0 10000 20000 30000 40000 50000 60000
U.S
.$/t
on
s
Tons/día
Mina Mina+Planta Mina+Planta+Infraest.
Lineal (Mina) Lineal (Mina) Lineal (Mina+Planta)
Lineal (Mina+Planta+Infraest.)