Beruflich Dokumente
Kultur Dokumente
PINO VARGAS
Regresin Mltiple
En este caso analizaremos un conjunto de datos, que relaciona la el caudal descargado con intensidad
de precipitacin y el rea de varias cuencas del Per, donde Q(m3/s), A(Km2) e I(mm/hr) .
Para efectuar el proceso de clculo de los coeficientes de regresin mltiple debemos tener en cuenta
que el modelo lineal mltiple, tiene la siguiente forma:
= 1 1 + 2 2 + 3 3 + +
Donde;
y
: es la variable dependiente
1 , 2 , . .
,1 ,
Pgina
1 , 2 , . .
2
1
( ) = 1 2
1 3
( ) = 2
2 1
2
2
2 3
3 1
3 2
2
3
Pgina
= 1 1 + 2 2 + 3 3 + +
= 4,136 + 12,901 0,522
Asimismo podemos establecer un cdigo computacional MATLAB de la siguiente forma:
load data1.txt
X1 = [ones(size(data1,1),1) data1(:,1:2)];
y = data1(:,3);
betahat = regress(y,X1)
-0.5247
Pgina
12.9022
4.1344
Pgina
Si notamos la opcin utilizada corresponde a un modelo polinomio pero de grado 1, lo que hace que
estemos frente a una regresin mltiple lineal. Notemos que los resultados reportados son similares a
los obtenidos anteriormente, con lo que la ecuacin quedara de la siguiente manera:
Si usamos la caja de herramientas de MATLAB podemos tambin determinar este modelo lineal
mltiple u otros modelos no lineales. Activamos la opcin Surface Fitting Tool.
Regresin No Lineal
Tambin podemos ensayar modelos de regresin no lineal, por ejemplo polinmicos de grados
mayores a la unidad, MATLAB nos da la opcin de efectuar regresiones en x e y para respuestas en z, en
grados de 2 a 5, con lo que podemos obtener las combinaciones que sean factibles segn los datos
existentes, a continuacin se muestra la primera opcin ensayada grado 2 en x (A) y grado 1 en (I).
Los resultados de las 16 combinaciones son el modelo Poly11 (representa grado 1 en (A) y grado 1 en
(I):
p10 =
p01 =
R-square: 0.9795
Pgina
SSE: 273
Goodness of fit:
p10 =
p01 =
p11 =
p02 =
Goodness of fit:
SSE: 266.3
R-square: 0.98
Adjusted R-square: 0.9712
RMSE: 5.439
p10 =
p01 =
p11 =
p02 =
p12 =
p03 =
Goodness of fit:
Pgina
R-square: 0.9826
SSE: 232
Pgina
En el cuadro adjunto se muestran los datos originales de los resultados de anlisis de las muestras.
Radioactividad
0.4600
0.4400
6.1800
0.0150
4.4000
0.2300
0.4100
0.5800
0.0520
0.0760
0.7000
1.8000
0.0340
0.6300
0.0120
1.3000
3.7000
0.4100
3.3000
0.2600
0.4600
1.5000
0.1100
2.3000
3.0000
0.7500
0.2300
3.0000
1.3000
5.7000
U
0.6300
0.5800
0.2600
0.0170
5.5700
0.3300
0.5800
0.6600
0.0670
0.0840
0.7900
1.9500
0.0330
0.7200
0.0090
1.5900
4.5900
0.5000
3.6100
0.2800
0.5800
1.1500
0.1100
2.7900
3.7000
1.1000
0.2900
2.4900
1.3700
6.3600
CU
0.0300
0.1500
0.1400
0.1000
0.1500
0.0200
0.0900
0.0800
0.0300
0.0300
0.8700
0.1400
0.1100
0.1900
0.0300
0.2300
0.0900
0.0900
1.0700
0.2200
0.9500
0.6200
0.4600
1.1600
0.8900
0.3200
0.1000
0.1600
0.4300
0.8500
MNO2
0.1300
0.2300
0.1600
1.9100
0.5300
1.4200
0.5200
0.5900
4.7700
0.7500
0.0800
0.0600
0.0300
0.0700
0.1100
0.0800
0.4500
2.0100
0.1800
0.0900
0.1100
0.0400
0.0200
0.0200
0.4800
0.1600
0.0900
0.4600
0.3100
0.0800
V2O5
0.0240
0.0490
0.0500
0.0130
0.0770
0.0580
0.0750
0.0300
0.0280
0.0460
0.0350
0.0320
0.0170
0.0180
0.0200
0.0410
0.0630
0.0330
0.0720
0.0320
0.0460
0.0420
0.0300
0.0340
0.0750
0.0480
0.0320
0.0570
0.0560
0.0710
Ni
0.0070
0.0100
0.0080
0.0070
0.0060
0.0020
0.0110
0.0080
0.0090
0.0080
0.0220
0.0110
0.0070
0.0160
0.0090
0.0390
0.0220
0.0090
0.0350
0.0090
0.0180
0.0180
0.0140
0.0160
0.0530
0.0170
0.0090
0.0160
0.0190
0.0410
CO
0.0030
0.0050
0.0030
0.0030
0.0180
0.0050
0.0050
0.0050
0.0030
0.0030
0.0170
0.0080
0.0030
0.0120
0.0030
0.0210
0.0070
0.0030
0.0400
0.0030
0.0180
0.0160
0.0060
0.0160
0.0500
0.0120
0.0030
0.0130
0.0050
0.0180
MO
0.0400
0.2200
0.0380
0.0180
0.6000
0.0600
0.1800
0.0720
0.0620
0.0600
0.5600
0.4300
0.0400
0.1400
0.0050
0.3100
0.4200
0.0580
0.2200
0.0540
0.2100
0.1500
0.0700
0.2200
0.8400
0.1700
0.0920
0.1400
0.1700
0.9500
ZN
0.0130
0.0140
0.0120
0.0200
0.0860
0.0270
0.0300
0.0230
0.0190
0.0220
0.1900
0.0560
0.0620
0.1600
0.1100
0.0680
0.0200
0.0460
0.1100
0.0440
0.0920
0.0820
0.0760
0.0890
0.1000
0.0450
0.0410
0.1600
0.1600
0.0840
PB
0.0180
0.5000
0.2100
0.0900
0.6900
0.2700
0.2400
0.1000
0.1100
0.1400
1.0700
0.3500
0.1300
0.5200
0.0800
0.6100
0.4100
0.1600
0.5300
0.0800
0.3200
0.4500
0.1200
0.6100
0.6100
0.1200
0.0700
0.2800
0.8400
1.6300
Pgina
En primer lugar podemos establecer la matriz de correlacin, usando la hoja de clculo Excel tenemos:
Rad.
Rad.
CU
MNO2
V2O5
Ni
CO
MO
ZN
PB
1.0000
0.9889
0.4409
-0.2099
0.6707
0.5986
0.5841
0.7888
0.2966
0.6973
0.9889
1.0000
0.4261
-0.2012
0.6812
0.5900
0.5841
0.8133
0.2399
0.6883
CU
0.4409
0.4261
1.0000
-0.3166
0.3067
0.6531
0.7249
0.5003
0.5133
0.5924
MNO2
-0.2099
-0.2012
-0.3166
1.0000
-0.1375
-0.2385
-0.2201
-0.2118
-0.3251
-0.2496
V2O5
0.6707
0.6812
0.3067
-0.1375
1.0000
0.4726
0.5326
0.5881
0.0887
0.4771
Ni
0.5986
0.5900
0.6531
-0.2385
0.4726
1.0000
0.8412
0.7161
0.3989
0.6303
CO
0.5841
0.5841
0.7249
-0.2201
0.5326
0.8412
1.0000
0.6444
0.4391
0.4779
MO
0.7888
0.8133
0.5003
-0.2118
0.5881
0.7161
0.6444
1.0000
0.3156
0.8107
ZN
0.2966
0.2399
0.5133
-0.3251
0.0887
0.3989
0.4391
0.3156
1.0000
0.5283
PB
0.6973
0.6883
0.5924
-0.2496
0.4771
0.6303
0.4779
0.8107
0.5283
1.0000
Pgina
El segundo paso ser normalizar los datos originales y obtener una nueva matriz de correlacin.