Trabajo Práctico: “Regresión y Correlación” Docente: Roberto Villamayor Alumnos: _Astier Grabriel _Mazza Pablo _Talijancic Iván Curso: 3ro - Ing. Electromecánica Problema 8.1 : Consigna: 2 Regresión y Correlación.nb In[1]:= Solución: Regresión y Correlación.nb In[1]:= 88"Altitud", "Temperatura"<, 85740.9, 90.3<, 85740.9, 90.2<, 84934.3, 92.2<, 84793.1, 92.4<, 84538, 93<, 84430.1, 93.3<, 84134.2, 93.8<, 84078.6, 93.9<, 84061.9, 94.1<, 84067.5, 94.1<, 83423.2, 95.3<, 82565.5, 95.9<, 81339.2, 98.6<, 81815.5, 98.1<, 8972.1, 99.3<, 8398, 99.9<, 8182.5, 100<< MatrixForm Out[1]//MatrixForm= Altitud Temperatura 5740.9 90.3 5740.9 90.2 4934.3 92.2 4793.1 92.4 4538 93 4430.1 93.3 4134.2 93.8 4078.6 93.9 4061.9 94.1 4067.5 94.1 3423.2 95.3 2565.5 95.9 1339.2 98.6 1815.5 98.1 972.1 99.3 398 99.9 182.5 100 In[2]:= datos = 885740.9, 90.3<, 85740.9, 90.2<, 84934.3, 92.2<, 84793.1, 92.4<, 84538, 93<, 84430.1, 93.3<, 84134.2, 93.8<, 84078.6, 93.9<, 84061.9, 94.1<, 84067.5, 94.1<, 83423.2, 95.3<, 82565.5, 95.9<, 81339.2, 98.6<, 81815.5, 98.1<, 8972.1, 99.3<, 8398, 99.9<, 8182.5, 100<<; 3 4 Regresión y Correlación.nb In[3]:= ListPlot@datos, AxesLabel ® 8"Altitud", "Temperatura"<, PlotLabel ® "Gráfico de Disperción", ImageSize ® 800, PlotStyle ® [email protected] Gráfico de Disperción Temperatura 100 98 96 Out[3]= 94 92 1000 2000 3000 4000 A continuación, valiéndonos del comando “Fit”, procedemos a hacer la ajustar los datos, anteriormente graficados a una recta: In[4]:= Out[4]= r@x_D = Fit@datos, 81, x<, xD 100.855 - 0.00175025 x Regresión y Correlación.nb In[5]:= Show@8ListPlot@datos, AxesLabel ® 8"Altitud", "Temperatura"<, PlotLabel ® "Regresión Lineal", ImageSize ® 800, PlotStyle ® [email protected], Plot@r@xD, 8x, 0, 6000<, PlotStyle ® RGBColor@1, 0, 0DD<D Regresión Lineal Temperatura 100 98 Out[5]= 96 94 92 1000 2000 3000 Respuesta a): In[6]:= r@6962D Out[6]= 88.6701 Por lo tanto, en la cima del Aconcágua (Medoza), el agua hace ebullición a 88.6701 °C Respuesta b): In[7]:= r@2200D Out[7]= 97.0048 4000 5 6 Regresión y Correlación.nb Por lo tanto, en Pampa de Achala (Cordoba), el agua hace ebullición a 97.0048 °C Respuesta c): In[8]:= Out[8]= r@0D 100.855 De acuerdo con el modelo estimado, a nivel del mar, el agua hace ebullición a 100 °C. Estamos de acuerdo con esta predicción. Respuesta d): Como podemos ver en el gráfico, en función al modelo estimado, es más que obvio que la temperatura de ebullición disminuye a medida que aumenta la altitud. Respuesta e): In[9]:= Out[9]= r@500D 99.9803 Cuando se haciendo a 500m, la temperatura de ebullició del agua es de 99.9803 °C. Si es este cambio constante e independiente de la altura a la que se parta. Problema 8.2 : Consigna: In[11]:= Regresión y Correlación.nb In[12]:= Solución: 7 8 Regresión y Correlación.nb In[10]:= 88"Ln@DosisD", "Mortandad ProdH1L", "Mortandad ProdH2L"<, 80.00, 5, 4<, 80.01, 7, 8<, 80.05, 10, 10<, 80.1, 16, 13<, 80.15, 17, 17<, 80.2, 25, 20<, 80.25, 26, 26<, 80.30, 30, 33<, 80.40, 35, 40<, 80.70, 72, 70<, 80.90, 85, 91<< MatrixForm Out[10]//MatrixForm= Ln@DosisD Mortandad ProdH1L Mortandad ProdH2L 0. 5 4 0.01 7 8 0.05 10 10 0.1 16 13 0.15 17 17 0.2 25 20 0.25 26 26 0.3 30 33 0.4 35 40 0.7 72 70 0.9 85 91 In[11]:= In[12]:= datosprd1 = 880.00, 5<, 80.01, 7<, 80.05, 10<, 80.1, 16<, 80.15, 17<, 80.2, 25<, 80.25, 26<, 80.30, 30<, 80.40, 35<, 80.70, 72<, 80.90, 85<<; datosprd2 = 880.00, 4<, 80.01, 8<, 80.05, 10<, 80.1, 13<, 80.15, 17<, 80.2, 20<, 80.25, 26<, 80.30, 33<, 80.40, 40<, 80.70, 70<, 80.90, 91<<; Regresión y Correlación.nb Respuesta a): In[13]:= ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1", AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ® [email protected] Gráfico de Disperción Producto 1 Mortandad 80 60 Out[13]= 40 20 0 0.0 0.2 0.4 0.6 9 10 Regresión y Correlación.nb In[14]:= ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 2", AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ® Directive @ [email protected], RGBColor@1, 0, 0DDD Gráfico de Disperción Producto 2 Mortandad 80 60 Out[14]= 40 20 0 0.0 0.2 0.4 0.6 Regresión y Correlación.nb In[15]:= Show@ 8ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<, PlotStyle ® [email protected], ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<, PlotStyle ® Directive @ [email protected], RGBColor@1, 0, 0DDD<, PlotLabel ® "Gráfico de Disperción de los dos Productos Juntos", ImageSize ® 800, AxesLabel ® 8"Dosis", "Mortandad"<D Gráfico de Disperción de los dos Productos Juntos Mortandad 80 60 Out[15]= 40 20 0 0.0 0.2 0.4 Respuesta b): Como podemos ver en el gráfico, resulta más que rasonable proponer una un ajuste lineal. Respuesta c): Producto 1: El modelo lineal, que se supone, relaciona la mortalidad con la dosis del producto 1 es: 0.6 11 12 Regresión y Correlación.nb In[16]:= Out[16]= In[17]:= p1@x_D = Fit@datosprd1, 81, x<, xD 4.91365 + 89.5261 x Show@8ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1", AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ® Directive@[email protected], RGBColor@1, 0, 0D<DD, Plot@p1@xD, 8x, 0, 1<D<D Gráfico de Disperción Producto 1 Mortandad 80 60 Out[17]= 40 20 0 0.0 0.2 0.4 Producto 2: El modelo lineal, que se supone, relaciona la mortalidad con la dosis del producto 2 es: In[18]:= Out[18]= p2@x_D = Fit@datosprd2, 81, x<, xD 3.78146 + 94.9033 x 0.6 Regresión y Correlación.nb In[19]:= Show@8ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1", AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ® Directive@[email protected], RGBColor@0, 1, 0D<DD, Plot@p2@xD, 8x, 0, 1<D<D Gráfico de Disperción Producto 1 Mortandad 80 60 Out[19]= 40 20 0 0.0 0.2 0.4 Respuesta e): Producto 1: In[20]:= Out[20]= x1 = Solve@p1@xD 500, xD 88x ® 5.53008<< Por lo tanto la docis necesaria, para matar el 50% de los insectos, será: In[21]:= Out[21]= Solve@Log@xD == x1@@1, 1, 2DD, xD 88x ® 252.164<< 0.6 13 14 Regresión y Correlación.nb Producto 2: In[22]:= Out[22]= x2 = Solve@p2@xD 500, xD 88x ® 5.22868<< Por lo tanto la docis necesaria, para matar el 50% de los insectos, será : In[23]:= Out[23]= Solve@Log@xD x2@@1, 1, 2DD, xD 88x ® 186.546<< Problema 8.4: Consigna: In[27]:= Solución: Sabemos que el rendimiento, en Kg/ha del ajo, depende linealmente del porcentaje de Materia Orgánica del suelo (%MO). Mediante una constante de proporcionalidad igual a 4000. Tenemos entonces: In[24]:= b = 4000; In[25]:= rend@mo_D = b * mo Out[25]= In[26]:= Out[26]= 4000 mo dif = Simplify@rend@mo + 1.3D - rend@moDD 5200. Regresión y Correlación.nb In[27]:= 15 Plot@8rend@moD, rend@mo + 1.3D<, 8mo, 0, 100<, AxesLabel ® 8"%Materia Orgánica", "Rendimiento Kgha"<, ImageSize ® 800D Rendimiento Kgha 400 000 300 000 Out[27]= 200 000 100 000 20 40 60 80 16 Regresión y Correlación.nb In[28]:= ShowB:PlotB7500, :mo, 0.575`, 15 8 >, PlotRange ® 880, 3<, 80, 14 000<<, PlotStyle ® RGBColor@0, 1, 0DF, , y>, 8y, 7500, 12 700<, PlotStyle ® RGBColor@0, 0, 0DF, 8 Plot@8rend@moD, rend@mo + 1.3D<, 8mo, 0, 3<, PlotRange ® 880, 3<, 80, 14 000<<D, GraphicsA9Black, TextA"Dif = 5200", 82.12, 10 500<E=E, 15 ParametricPlotB: GraphicsA9Black, TextA"%mo = 1.3", 81.1, 6800<E=E>, AxesLabel ® 8"%Materia Orgánica", "Rendimiento Kgha"<, PlotLabel ® "Detalle", ImageSize ® 800F Detalle Rendimiento Kgha 14 000 12 000 Dif = 5200 10 000 8000 Out[28]= %mo = 1.3 6000 4000 2000 0 0.0 Problema 8.7 : Consigna: 0.5 1.0 1.5 2.0 Regresión y Correlación.nb In[33]:= Solución: In[29]:= 88"Dosis", "Daño"<, 8100, 50<, 8125, 48<, 8200, 39<, 8250, 35<, 8275, 30<, 8300, 25<, 8325, 20<, 8350, 12<, 8375, 10<, 8400, 5<< MatrixForm Out[29]//MatrixForm= Dosis Daño 100 50 125 48 200 39 250 35 275 30 300 25 325 20 350 12 375 10 400 5 In[30]:= datos1 = 88100, 50<, 8125, 48<, 8200, 39<, 8250, 35<, 8275, 30<, 8300, 25<, 8325, 20<, 8350, 12<, 8375, 10<, 8400, 5<<; 17 18 Regresión y Correlación.nb In[31]:= ListPlot@datos1, PlotRange ® 880, 410<, 80, 60<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción", AxesLabel ® 8"Dosis", "Daño"<, PlotStyle ® [email protected] Gráfico de Disperción Daño 60 50 40 Out[31]= 30 20 10 0 0 100 Respuesta a): El ajuste en regresión lineal, pedido es: In[32]:= Out[32]= y@x_D = Fit@datos1, 81, x<, xD 68.492 - 0.152193 x 200 300 Regresión y Correlación.nb In[33]:= Show@8Plot@y@xD, 8x, 0, 410<, PlotStyle ® RGBColor@1, 0, 0DD, ListPlot@datos1, PlotStyle ® [email protected]<, PlotRange ® 880, 410<, 80, 60<<, ImageSize ® 800, PlotLabel ® "Gráfico de Disperción", AxesLabel ® 8"Dosis", "Daño"<D Gráfico de Disperción Daño 60 50 40 Out[33]= 30 20 10 100 Respuesta b): El tamaño promedio de las manchas, aplicando 260 gr.p.a/ha, será: In[34]:= Out[34]= y@260D 28.9219 200 300 19