TRABAJO DE REGRESIN LINEAL
LEIDY JULIETH VARGAS RIOS
COD 32007123051
FUNDACIN UNIVERSITARIA DE SAN GIL UNISANIL CREX YOPAL
FACULTAD DE INGENIERA
INGENIERA AMBIENTAL
CONTAMINACIN AMBIENTAL
EL YOPAL CASANARE
2010
TRABAJO DE REGRESIN LINEAL
LEIDY JULIETH VARGAS RIOS
COD 32007123051
ING. SANITARIO Y AMBIENTAL
SERGIO ANDRES PEA
FUNDACIN UNIVERSITARIA DE SAN GIL UNISANIL CREX YOPAL
FACULTAD DE INGENIERA
INGENIERA AMBIENTAL
CONTAMINACIN AMBIENTAL
EL YOPAL CASANARE
2010
INTRODUCCINEs evidente que lo ms econmico y rpido para modelar el comportamiento de una variable Y es usar una sola variable preeditora y usar un modelo lineal. Pero algunas veces es bastante obvio de que el comportamiento de Y es imposible que sea explicada en gran medida por solo una variable.
Por ejemplo, es imposible tratar de explicar el rendimiento de un estudiante en un examen, teniendo en cuenta solamente el nmero de horas que se prepar para ella. Claramente, el promedio acadmico del estudiante, la carga acadmica que lleva, el ao de estudios, son tres de las muchas otras variables que pueden explicar su rendimiento. Tratar de explicar el comportamiento de Y con ms de una variable preeditora usando una funcional lineal es el objetivo de regresin lineal mltiple.
Frecuentemente, uno no es muy familiar con las variables que estn en juego y basa sus conclusiones solamente en clculos obtenidos con los datos tomadosTALLER
1. Ensayo piloto en una parcela dedicada al cultivo de maz, se encontr que el pesticida difosfato de cromo se degrada de acuerdo a la siguiente informacin.
Determinar:
a. Orden de la reaccin
b. Ecuacin Lineal
c. Grfico
SOLUCINTABLA DE DATOSt (das)0246810
c (M)1.00.850.750.670.620.58
Ln c0-0,162-0,287-0,400-0,470.544
1/c11.1761.3331.4921.6121.724
1/c211.3841.7772.2272,60142,9726
AHORA SEGN T (DAS) Y C (M) SE REALIZA GRAFICO Y ECUACINt (das)c (M)
01
20,85
40,75
60,67
80,62
100,58
tc
A0,95
B-0,041
r-0,9719
Y= a +- b xY= -0.041 x + 0.95
Teniendo en cuenta el grfico y la ecuacin lineal tendremos una proyeccin para los das 12, 14 y 16 reemplazando la ecuacin:Y= -0.041 (12) + 0.95
Y = 0.458Y= -0.041 (14) + 0.95
Y = 0.376
Y= -0.041 (16) + 0.95
Y = 0.294
Es decir: t (das)c (M)
120,458
140,376
160,294
AHORA SEGN T (DAS) Y Ln C, SE REALIZA GRAFICO Y ECUACINt (das)Ln c
00
2-0,162
4-0,287
6-0,400
8-0,47
100,544
tLn c
A-0,2493
B0,024
r0,2429
Y= a +- b x
Y = 0,024 x - 0,249Teniendo en cuenta el grfico y la ecuacin lineal tendremos una proyeccin para los das 12, 14 y 16 reemplazando la ecuacin:
Y= 0,024* (12) - 0,249Y = 0.039Y= 0,024* (14) - 0,249Y = 0.087
Y= 0,024* (16) - 0,249Y = 0.135
Es decir:
t (das)Ln c
120,039
140,087
160,135
AHORA SEGN T (DAS) Y 1/C, SE REALIZA GRAFICO Y ECUACIN
t (das)1/c
01
21,176
41,333
61,492
81,612
101,724
t1/c
A1,0261
B0,0726
r0,9963
Y= a +- b x
Y = 0,072 x + 1,026Teniendo en cuenta el grfico y la ecuacin lineal tendremos una proyeccin para los das 12, 14 y 16 reemplazando la ecuacin:
Y= 0,072 * 12 + 1,026Y = 1.89Y= 0,072 * 14 + 1,026Y = 2.034Y= 0,072 * 16 + 1,026Y = 2.178 Es decir:
t (das)1/c
121,89
142,034
162,178
AHORA SEGN T (DAS) Y 1/C, SE REALIZA GRAFICO Y ECUACIN
t (das)1/c2
01
21,384
41,777
62,227
82,601
102,973
t1/c2
A0,9961
B0,1995
r0,9996
Y= a +- b x
Y = 0,199 x + 0,996 Teniendo en cuenta el grfico y la ecuacin lineal tendremos una proyeccin para los das 12, 14 y 16 reemplazando la ecuacin:
Y= 0,199* 12 + 0,996Y = 3.384Y= 0,199* 14 + 0,996Y = 3.782Y= 0,199* 16 + 0,996Y = 4.18 Es decir:
t (das)1/c2
123,384
143,782
164,18
CONCLUSIONES
La aplicacin del anlisis de regresin simple permitir estudiar la relacin que existe entre una variable independiente y otra dependiente, utilizando el modelo de regresin.
El coeficiente de determinacin es una medida de la bondad de ajuste para la ecuacin de regresin; este puede interpretar como la proporcin de la variacin de la variable dependiente explicada por la ecuacin de regresin.
Se consider la correlacin como una medida descriptiva de la intensidad de una relacin lineal entre dos variables.