UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N◦ 7 DE ESTADÍSTICA Alumno : : Carrera : Profesor de Cátedra : Fecha : Victor Córdova Cornejo ([email protected]) Rodrigo Gutiérrez Aguilar ([email protected]) Pedagogı́a en Matemática y Computación Marcelo Rodrı́guez 18/01/2012 Universidad Católica Del Maule Facultad de Ciencias Básicas Pedagogı́a en Matemática Y Computación Estadı́stica I Taller 7 - Regresión curvilinea-multiple 23 de Enero del 2012. Problema 1. Un banco en Atlanta que se especializa en créditos para vivienda intenta analizar el mercado de finca raı́z, midiendo el poder explicativo que las tasas de inters tienen sobre el número de casas vendidas en el área. Se compilaron los datos para un perı́odo de 10 meses, ası́: Mes Interés Casas 1 12,3 196 2 10,5 285 3 15,6 125 4 5 9,5 10,5 225 248 6 9,3 303 7 8,7 265 8 14,2 102 9 10 15,2 12 105 114 1. Ajuste una ecuación de regresión lineal simple y = β0 + β1 · x, además calcule r2 . Desarrollo: Sean: x= Interés (Variable Independiente). y= N◦ de casas vendidas (Variable Dependiente). Prom xi yi (xi − x) 12,3 196 0,52 10,5 285 -1.28 15,6 125 3,82 9,5 225 -2,28 10,5 248 -1,28 9,3 303 -2,48 8,7 265 -3,08 14,2 102 2,42 15,2 105 3,42 12 114 0,22 11,78 196,8 Suma 0 (yi − y) (xi − x)(yi − y) (xi − x)2 -0,8 -0,416 0,2704 88,2 -112,896 1,6384 -71,8 -274,276 14,5924 28,2 -64,296 5,1984 51,2 -65,536 1,6384 106,2 -263,376 6,1504 68,2 -210,056 9,4864 -94,8 -229,416 5,8564 -91,8 -313.956 11,6964 -82,8 -18,216 0,0484 0 -1552,44 56,576 Parámetros: β1 = Sxy Sxx 10 X = (xi − x)(yi − y) i=1 10 X (xi − x)2 i=1 = ∴ β1 −1552, 44 56, 576 = −27, 44 (yi − y)2 0,64 7779,24 5155,24 795,24 2621,44 11278,44 4651,24 8987,04 8427,24 6855,84 56551,6 β0 ∴ β0 = y − β1 · x = 196, 8 − (−27, 44 · 11, 78) = 196, 8 + 323, 2432 = 520, 0432 Ecuación de regresión lineal simple: y = 502, 0432 − 27, 44 · x r2 : 2 10 X r2 = (xi − x)(yi − y) i=1 10 X (xi − x)2 · i=1 ∴ r2 10 X (yi − y)2 i=1 = (−1552, 44)2 56, 576 · 56551, 6 = 2410069, 954 3199463, 3322 = 0, 753 Diagrama de dispersión y curva de regresión (lineal simple). 2. Ajuste una ecuación logarı́tmica y = β0 + β1 · ln[x] además calcule r2 . Desarrollo: Sean: x= Interés (Variable Independiente). y= N◦ de casas vendidas (Variable Dependiente). Prom ti = ln(xi ) 2,51 2,35 2,75 2,25 2,35 2,23 2,16 2,65 2,72 2,50 2,45 yi (ti − t) (yi − y) (ti − t)(yi − y) 196 0,06 -0,8 -0,048 285 -0,1 88,2 -8,82 125 0,3 -71,8 -21,54 225 -0,2 28,2 -5,64 248 -0,1 51,2 -5,12 303 -0,22 106,2 -23,364 265 -0,29 68,2 -19,778 102 0,2 -94,8 -18,96 105 0,27 -91,8 -24,786 114 0,05 -82,8 -4,14 196,8 Suma -0,03 0 -132,196 Parámetros: β1 = Sty Stt 10 X = (ti − t)(yi − y) i=1 10 X (ti − t)2 i=1 = ∴ β1 β0 ∴ β0 −132, 196 0, 4015 = −329, 26 = y − β1 · t = 196, 8 − (−329, 26 · 2, 45) = 196, 8 + 806, 687 = 1003, 487 Ecuación de ecuación logarı́tmica: y = 1003, 487 − 329, 26 · t como t = ln(x), entonces ∴ y = 1003, 487 − 329, 26 · ln(x) (ti − t)2 0,0036 0,01 0,09 0,04 0,01 0,0484 0,0841 0,04 0,0729 0,0025 0,4015 (yi − y)2 0,64 7779,24 5155,24 795,24 2621,44 11278,44 4651,24 8987,04 8427,24 6855,84 56551,6 r2 : 2 10 X r2 = (ti − t)(yi − y) i=1 10 X 2 (ti − t) · i=1 ∴ r2 10 X (yi − y)2 i=1 = (−132, 196)2 0, 4015 · 56551, 6 = 17475, 78242 22705, 4674 = 0, 77 Diagrama de dispersión y curva de regresión (logarı́tmica). 3. Ajuste una ecuación potencia y = β0 · xβ1 además calcule r2 . Desarrollo: Sean: x= Interés (Variable Independiente). y= N◦ de casas vendidas (Variable Dependiente). Mes 1 2 3 4 5 6 7 8 9 10 Pro ti = ln(xi ) 2,51 2,35 2,75 2,25 2,35 2,23 2,16 2,65 2,72 2,50 2,45 wi = ln(yi ) (ti − t) 5,28 0,06 5,65 -0,1 4,83 0,3 5,42 -0,2 5,51 -0,1 5,71 -0,22 5,58 -0,29 4,63 0,2 4,65 0,27 4,74 0,05 5,2 Sum -0,03 (wi − w) 0,08 0,45 -0,37 0,22 0,31 0,51 0,38 -0,57 -0,55 -0,46 0 (ti − t)(wi − w) (ti − t)2 0,0048 0,0036 -0,045 0,01 -0,111 0,09 -0,044 0,04 -0,031 0,01 -0,1122 0,0484 -0,1102 0,0841 -0,114 0,04 -0,1485 0,0729 -0,023 0,0025 -0,7341 0,4015 Parámetros: β1 = Stw Stt 10 X = (ti − t)(wi − w) i=1 10 X (ti − t)2 i=1 ∴ β1 b ∴b = −0, 7341 0, 4015 = −1, 828393524 ≈ −1, 83 = w − β1 · t = 5, 2 − (−1, 828393524 · 2, 45) = 5, 2 + 4, 479564134 = 9, 679564134 ≈ 9, 68 Ası́ β0 = e9,679564134 ≈ 15988, 8 Ecuación de la curva de regresión potencial: ∴ y = 15988, 8 · x−1,83 (wi − w)2 0,0064 0,2025 0,1369 0,0484 0,0961 0,2601 1,444 0,3249 0,3025 0,2116 2,7085 r2 : 2 10 X r2 = (ti − t)(yi − y) i=1 10 X 2 (ti − t) · i=1 ∴ r2 10 X (yi − y)2 i=1 = (−0, 7341)2 0, 4015 · 2, 7085 = 0, 53890281 1, 08746275 = 0, 495559788 Diagrama de dispersión y curva de regresión (Potencia). 4. Ajuste una ecuación compuesto y = β0 · β1 x además calcule r2 . Desarrollo: Sean: x= Interés (Variable Independiente). y= N◦ de casas vendidas (Variable Dependiente). Prom xi wi = ln(yi ) (xi − x) (wi − w) 12,3 5,28 0,52 0,08 10,5 5,65 -1.28 0,45 15,6 4,83 3,82 -0,37 9,5 5,42 -2,28 0,22 10,5 5,51 -1,28 0,31 9,3 5,71 -2,48 0,51 8,7 5,58 -3,08 0,38 14,2 4,63 2,42 -0,57 15,2 4,65 3,42 -0,55 12 4,74 0,22 -0,46 11,78 5,2 Sum 0 0 (xi − x)(wi − w) 0,0416 -0,576 -1,4134 -0,5016 -0,3968 -1,2648 -1,1704 -1,3794 -1,881 -0,1012 -8,643 Parámetros: m = Sxw Sxx 10 X = (xi − x)(wi − w) i=1 10 X (xi − x)2 i=1 = −8, 643 56, 576 = −0, 152767958 ∴m ≈ b −0, 15 = w−m·x = 5, 2 − (−0, 152767958 · 11, 78) = 5, 2 + 0, 152767958 ∴b = 6, 999606547 Ecuación de la curva de regresión compuesto: w = 7, 3 − 0, 152767958 · x como w = ln(y), entonces ln(y) = 6, 999606547 − 0, 152767958 · x. (xi − x)2 0,2704 1,6384 14,5924 5,1984 1,6384 6,1504 9,4864 5,8564 11,6964 0,0484 56,576 (wi − w)2 0,0064 0,2025 0,1369 0,0484 0,0961 0,2601 0,1444 0,3249 0,3025 0,2116 2,2693 Luego y = e6,999606547 · e−0,152767958·x ∴ y = 1096, 2 · 0, 86x r2 : r2 = 10 X 2 (xi − x)(wi − w) i=1 10 X 2 (xi − x) · i=1 ∴ r2 10 X (wi − w)2 i=1 = (−8, 643)2 56, 576 · 2, 2693 = 74, 701449 128, 3879168 = 0, 58184174 Diagrama de dispersión y curva de regresión (Compuesto). 5. Ajuste una ecuación inverso y = β0 + β1 · 1 además calcule r2 . x Desarrollo: Sean: x= Interés (Variable Independiente). y= N◦ de casas vendidas (Variable Dependiente). 1 xi 0,081 0,095 0,064 0,105 0,095 0,107 0,115 0,071 0,066 0,083 0,0882 ti = Prom (ti − t) yi 196 285 125 225 248 303 265 102 105 114 196,8 Suma (yi − y) (ti − t)(yi − y) -0,0072 0,0068 -0,0242 0,0168 0,0068 0,0188 0,0268 -0,0172 -0,0222 -0,0052 0 -0,8 88,2 -71,8 28,2 51,2 106,2 68,2 -94,8 -91,8 -82,8 0 0,005768 0,59976 1,73756 0,47376 0,34816 1,99656 1,82776 1,63056 2,03796 0,43056 11,088408 Parámetros: β1 = Sty Stt 10 X = (ti − t)(yi − y) i=1 10 X (ti − t)2 i=1 ∴ β1 β0 ∴ β0 = 11, 088408 0, 0028996 = 3824, 12 = y − β1 · t = 196, 8 − (3824, 12 · 0, 0882) = 196, 8 − 337, 3 = −140, 5 Ecuación de la curva de regresión inversa: y = −140, 5 + 3824, 12 · t como t = 1 , entonces x ∴ y = −140, 5 + 3824, 12 · 1 x (ti − t)2 (yi − y)2 0,00005184 0,64 0,00004624 7779,24 0,00058564 5155,24 0,00028224 795,24 0,00004624 2621,44 0,035344 11278,44 0,00071824 4651,24 0,00029584 8987,04 0,00049284 8427,24 0,00002704 6855,84 0,0028996 56551,6 r2 : 2 10 X r2 = (ti − t)(yi − y) i=1 10 X 2 (ti − t) · i=1 ∴ r2 10 X (yi − y)2 i=1 = (11, 088408)2 0, 0028996 · 56551, 6 = 122, 952792 163, 9770194 = 0, 75 Diagrama de dispersión y curva de regresión (inversa). 6. Si la tasa de inters es del 9,5 %, ¿cuántas casas se venderı́an de acuerdo a cada uno de los modelos? -Modelo Lineal: Si x = 9, 5 entonces y = 502, 0432 − 27, 44 · 9, 5 y ≈ 241 -Modelo Logarı́tmico: Si x = 9, 5 entonces y = 1003, 487 − 329, 26 · ln(9, 5) y ≈ 262 -Modelo Potencial: Si x = 9, 5 entonces y = 15988, 8 · 9, 5−1,83 y ≈ 260 -Modelo Compuesto: Si x = 9, 5 entonces y = 1096, 2 · 0, 869,5 y ≈ 262 -Modelo Inverso: Si x = 9, 5 entonces y = −140, 5 + 3824, 12 · 1 9, 5 y ≈ 262 7. De los modelos ¿cuál utilizarı́a? Para escojer que modelo entrega una mejor reprensetativad utilizaremos los valores de r2 entregados por el SPSS, ya que entrega valores más reales, pues nuestros datos son aproximaciones. -Modelo -Modelo -Modelo -Modelo -Modelo Lineal: r2 = 0, 753 Logarı́tmico: r2 = 0, 760 Potencial: r2 = 0, 763 Compuesto: r2 = 0, 759 Inverso: r2 = 0, 755 De acuerdo a lo anterior, podemos decir que el modelo que entrega una mejor representatividad es el modelo Potencial. Problema 2. Considere los siguienes datos y 43 44 45 46 49 49 x1 -2 -2 -2 2 2 2 x2 -1 1 -1 1 -1 1 1. Considere el siguiente modelo yb = βb0 + βb1 · x1 + βb2 · x2 , Escriba el modelo en forma matricial. Desarrollo Primeramente debemos identificar las matrices tanto de los coeficioentes, contantes como las icógnitas 43 1 −2 −1 44 1 −2 1 β0 45 ; X = 1 −2 −1 y βb = β1 Y = 46 1 2 1 β2 49 1 2 −1 49 1 2 1 Luego mi modelo en forma matricial serı́a de la 43 1 −2 44 1 −2 45 1 −2 ∴ 46 = 1 2 49 1 2 49 1 2 siguiente manera −1 1 β −1 0 · β1 1 β2 −1 1 Encuentre las matrices: X T · X, (X T · X)−1 y X T · Y Desarrollo Antes de encontrar la matriz, debemos identificar la traspuesta de mi matriz X, lo que es: 1 1 1 1 1 1 X T = −2 −2 −2 2 2 2 −1 1 −1 1 −1 1 Enseguida calculamos el valor de 1) X T · X Como ya tenemos X y X T , ahora solo debemos calcular el producto de esas matrices que está dado por: 1 −2 −1 1 −2 1 1 1 1 1 1 1 −2 −2 −2 2 2 2 · 1 −2 −1 1 2 1 −1 1 −1 1 −1 1 1 2 −1 1 2 1 el orden de la matriz es de 3x6 y el orden de la segunda matriz es 6x3, por ende mi matriz resultante va a ser de orden 3x3, entonces realizando el producto llegamos a que: 6 0 0 X T · X = 0 24 4 0 4 6 2) (X T · X)−1 aplicando operaciones elementales fila, llegamos que mi matriz ampliada (X T · X/I3x3 ) llegamos a nuestra matriz inversa que es: 1 0 0 6 T −1 −1 3 0 (X · X) = 64 32 3 −1 0 32 16 3) X T · Y Para encontrar ese producto matricial solo debe reemplazar nuestras matrices y operar. entonces 1 1 1 1 1 1 X T = −2 −2 −2 2 2 2 −1 1 −1 1 −1 1 e 43 44 45 Y = 46 49 49 276 T Entonces X · Y = 24 2 Encuentre los parámetros del modelo y plantee la ecuación de regresión. 1 0 0 6 276 T −1 T 3 −1 b β = (X · X) · X · Y = 0 64 32 · 24 2 −1 3 0 32 16 46 17 ∴ βb = 16 3 − 8 Entonces la ecuación de regresión es: yb = 46 + 17 3 · x1 − · x2 16 8 2. Considere el siguiente modelo yb = βb0 + βb1 · x21 . Escriba el modelo en forma matricial. Desarrollo Primeramente debemos identificar las 43 1 44 1 45 ; X = 1 mo las icógnitas Y = 46 1 49 1 49 1 matrices tanto de los coeficientes, constantes co 4 4 4 y βb = β0 4 β1 4 4 Luego mi modelo en forma matricial serı́a de la siguiente manera 43 1 4 44 1 4 45 1 4 β0 · ∴ = β1 46 1 4 49 1 4 49 1 4 Encuentre las matrices: X T · X, (X T · X)−1 y X T · Y Desarrollo Antes de encontrar la matriz, debemos identificar la traspuesta de mi matriz X, lo que es: 1 1 1 1 1 1 T X = 4 4 4 4 4 4 Enseguida calculamos el valor de 1) X T · X Como ya tenemos X y X T , ahora solo debemos calcular el producto de esas matrices que está dado por: 1 4 1 4 1 1 1 1 1 1 1 4 · 4 4 4 4 4 4 1 4 1 4 1 4 el orden de la matriz es de 2x6 y el orden de la segunda matriz es 6x2, por ende mi matriz resultante va a ser de orden 2x2, entonces realizando el producto llegamos a que: 6 24 T X ·X = 24 96 2) (X T · X)−1 T Como el determinante de X ·X = 6 24 6 24 es 0, = (6 · 96) − (24 · 24) = 0 24 96 24 96 La matriz X T · X no tiene inversa, ası́ (X T · X)−1 no existe. 3) X T · Y Para encontrar ese producto matricial solo debe reemplazar nuestras matrices y operar. entonces 1 1 1 1 1 1 T X = 4 4 4 4 4 4 e 43 44 45 Y = 46 49 49 276 Entonces X T · Y = 1104 Encuentre los parámetros del modelo y plantee la ecuación de regresión. Es imposible obtener los parámetros, ya que de acuerdo al producto matricial βb = (X T · X)−1 · (X T · Y ), necesitamos obtener la matriz inversa de M = (X T · X), matriz que no existe pues |M | = 0, y de este modo no es posible plantear la ecuación de regresión.