Sie sind auf Seite 1von 25

X

mes

Ref N
1
2
3
4
5
6

Y
pu
0
4
7
10
14
18
53

X2
10
27.5
27.5
40
60
57.5
222.5

X*Y
0
16
49
100
196
324
685

0
110
192.5
400
840
1035
2577.5

222.5 *
6*

685 685 -

6*
6*

2577.5 685 -

53 *

2577.5
2809

53 *
2809

222.5

15805
1301

12.15

3672.5
1301

2.82

X
mes

Ref N
1
2
3
4
5
6
7
8

Y
Bs/m2
0
5
8
10
14
15
18
20
90

Y=

8.6453 *

Y
23

110.2526

LogY
10
15
15
30
35
50
70
80
305

X^2

1.0000
1.1761
1.1761
1.4771
1.5441
1.6990
1.8451
1.9031
11.8205

X*LogY

25.0000
64.0000
100.0000
196.0000
225.0000
324.0000
400.0000
1,334.0000

5.8805
9.4087
14.7712
21.6170
25.4846
33.2118
38.0618
148.4355

11.8205 *
8*

8*
8*

1.1170 ^

1,334.0000 1,334.0000 -

90 *

148.4355 1,334.0000 -

90 *
8,100.0000

148.4355
8100
11.8205

2409.39487
2572

AntLog

0.9368

8.6453

123.636042
2572

AntLog

0.0481

1.1170

TALLER DE HACER EN CASA EL EJERCICIO HECHO EN CLASE DE R


X
Mes

N Ref
1
2
3
4
5
6
7
8

Y
PU
0
5
8
10
14
15
18
20
90

Y=a+bX
Y=

X2
10
15
15
30
35
50
70
80
305
38.125

0
25
64
100
196
225
324
400
1334

305 *
8*

8*
8*

-2.5972 +

X*Y

SCR

(-)^2
0
-2.5972
1,658.2976
75 15.5016
511.8203
120 26.3608
138.3962
300 33.6003
20.4728
490 48.0793
99.0884
750 51.6991
184.2553
1260 62.5583
596.9871
1600 69.7978
1,003.1677
4595
4212.48542
R^2=SCR/SCT=
1334 1334 4595 1334 -

3.6198 *

Y
21

73.4176 Bs/m2

Fo(tabla):

K=
n-(K+1)=
Fo=

39.8413 >>

6
5.99
5.99

El coeficiente de determinacin (R):


El Coeficiente de Determinacin, mide la bondad del ajuste relativo de la curva de regresin. Indica la
permite saber si vamos a utilizar la lineal o la exponencial.

Conseguir la curva de resultados que se ajuste exactamente a la curva de datos puede ser imposible,
de determinacin R que es el que nos indique cunto se ajusta. El coeficiente de determinacin ni siq
La F de Fisher nos permite saber si el nmero de referenciales y de variables son congruentes.

R^2(lineal)=
86.91%
R^2(exponencial=
87.04% (Calculado en clase).
87.04% >
86.91%
Por lo tanto:
Elegimos utilizar la Regresin Exponencial.

GRFICO DE
DE LOS PRECIOS
90
80

f(x) = 8.6452731958 ex
R =
f(x)0.9531223245
= 3.6197511664

70

Obsrvese:
X
N Ref
Mes
1
2
3
4
5
6
7
8
=
Ob Av:

Y
PU
0
5
8
10
14
15
18
20
21

(Lineal) (Exp)
PU(Lineal)PU(Exp)
PU (Bs/m2)
10
-2.5972 8.6452732
15 15.5016 15.035876
15 26.3608 20.957464
30 33.6003 26.150424
35 48.0793 40.715403
50 51.6991 45.480867
70 62.5583 63.392625
80 69.7978 79.100411
38.125 38.1250
37.4348 Bs/m2
73.4176 181.5507 Bs/m2

60

R = 0.8691136908

50
40
30
20
10
0

OBSERVACIONES Y CONCLUSIN: Por lo tanto se observa que la regresin Lineal y la Expon


pequea en sus R^2, y tienen diferencias pequeas en sus , ante algunos valores de X (t
que segn se calculen por Regresin Lineal o Regresin Exponencial, pueden dar diferenci
medianas o grandes. Pero se decide trabajar con la Regresin Exponencial porque su R^2

NOTA; Se observa que hay una diferencia entre las ecuaciones exponenciales hecha en clase y de la
R2, pero que en las lineales dieron iguales la Reggresin hecha en casa que la lnea de tendencia, en
por si apunt algo de manera incorrecta y as corregirlo a tiempo (porque eso fue hecho en clase y no

PU
90
80

f(x) = 0.2108478225x^2 - 0.6959069853x + 10.7950791876


R = 0.9755398814

70
60
50
40
30
20
10
0

10

15

20

25

y = 0,2108x2 - 0,6959x + 10,795


R = 0,9755
Esta ecuacin tiene un R2 mucho ms alto, tiene utilidad?

En comparacin directa nos mencionaron que el mtodo que mejor sir


estadstico, pero no nos dicen detalles sobre el mismo. Tiene que ver
utiliza?

O EN CLASE DE REGRESIN EXPONENCIAL, PERO CON REGRESIN LIN


SCT
(Y-)^2
791.015625
534.765625
534.765625
66.015625
9.765625
141.015625
1016.01563
1753.51563
4846.8750
0.86911369 =
90 *

Erik Ramn Arellano Semidey


CI._V-13.506.531
Ingeniero Civil CIV N 150.146
Telfono: 0424-781,9613
Email: arellano33@gmail.com
Si me lo estn ofreciendo en 60Bs/m2 Compro o no compro?
S compro, porque est por debajo de l valor de mercado que
es:
73.42 Bs/m2
86.91% > 70%, por lo tanto s hay regresin
4595
-6680
=
=
8100
2572

90 *
8100

305

SCT=SCE+SCR=>SCE=SCT-SCR=>SCE=

SCR
K
SCE
n-(K+1)

=>

4,212.4854
1
634.3896
6

F>>Fo

9310
2572

4,846.8750 -

4,212.4854

39.8413

OK

urva de regresin. Indica la cantidad de variacin en Y que se explica en la ecuacin de regresin. Es el que nos

datos puede ser imposible, por lo que se busque la que se ajuste lo ms posible, por eso calculamos el coeficien
nte de determinacin ni siquiera es un nmero sino una cuestin geomtrica

es son congruentes.

GRFICO DE LAS LINEAS DE TENDENCIA


DE LOS PRECIOS UNITARIOS DE LOS TERRENOS
90
80

f(x) = 8.6452731958 exp( 0.1106852673 x )


R =
f(x)0.9531223245
= 3.6197511664x - 2.5972006221

70
60

R = 0.8691136908

50
40
30
20
10
0

10

15

20

25

Mes

gresin Lineal y la Exponencial, aunque tienen una diferencia aparentemente


algunos valores de X (tiempo meses) se obtienen valores de (precio unitario)
al, pueden dar diferencias en los PU que pueden ser aparentemente pequeas,
onencial porque su R^2 es mayor.

ales hecha en clase y de la lnea de tendencia del excel, as como una diferencia entre sus
e la lnea de tendencia, en sus ecuaciones y R2. Por tanto preguntar maana al profesor
eso fue hecho en clase y no parte del taller como tal.

20

25

utilidad?

todo que mejor sirve para ajustar los valores de los referenciales por fecha e
mo. Tiene que ver con esta materia?, sera el que vimos ayer en clase?, o,

N REGRESIN LINEAL:

no compro?
mercado que

-2.60

3.62

634.3896

n de regresin. Es el que nos

r eso calculamos el coeficiente

enciales por fecha es el mtodo


ayer en clase?, o, cual es y como se

1
X
mes

Ref N

Y
Bs/m2

1
2
3
4
5
6
7
8

0
5
8
10
14
15
18
20
90
Ybarra

Y=a*b^X
Y=

10
15
15
30
35
50
70
80
305
38.125

8.6453 *

LogY

X^2

1.0000
1.1761
1.1761
1.4771
1.5441
1.6990
1.8451
1.9031
11.8205

X*LogY

25.0000
64.0000
100.0000
196.0000
225.0000
324.0000
400.0000
1,334.0000

5.8805
9.4087
14.7712
21.6170
25.4846
33.2118
38.0618
148.4355

11.8205 *
8*

8*
8*

1.1170 ^

Y
21

181.5507 Bs/m2

Fo(tabla):

K=
n-(K+1)=
Fo=

40.2825 >>
Si me lo estn ofreciendo en 60Bs/m2 Compro o no compro?
S compro, porque est por debajo de l valor de mercado que es:

SCR
SCT
Y(sombrerit(Ysombrerit(Y-Ybarra)^2
8.6452732 869.054292 791.015625
15.0358757 533.107662 534.765625
20.957464 294.724293 534.765625
26.1504237 143.390477 66.015625
40.7154026 6.71018554
9.765625
45.4808669 54.108778 141.015625
63.3926251 638.45288 1016.01563
79.1004107 1678.98428 1753.51563
4,218.5328 4,846.8750
R^2=
0.87036139 =
1,334.0000 1,334.0000 -

90 *

148.4355 1,334.0000 -

90 *
8,100.0000

87.04%
148.4355
8100
11.8205

SCT=SCE+SCR=>SCE=SCT-SCR=>SCE 4,846.8750 -

SCR
K
SCE
n-(K+1)

4,218.5328
1
628.3422
6

1
6
5.99
5.99 =>

F>>Fo

181.55 Bs/m2

OK

40.2825

2409.39487
2572

AntLog

0.9368

8.6453

123.636042
2572

AntLog

0.0481

1.1170

4,218.5328 =

628.3422

X1
X2
X3
X4

X1
1
-0.25
0.4

X2

X3

X4

1
1
1

N REF

PU (Y)
1
2
3
4
5
6
7
8
9
10
11
12

M2 (X1)

98750
124500
119500
87250
108250
75000
97500
145000
133250
70500
100750
150000

X2 (AOS)
100
75
80
110
90
65
100
60
65
125
90
100

SALIDAS DEL EXCE


Regresin Lineal

7
1
3
12
7
3
13
1
8
16
19
8

A
B
C
R2
r (Landa)
F
SCR
SCT

En este caso el R2 de la regresin l


lineal.

En el Excel el modelo de Regresin

Ahora le vamos a pedir a la computadora que nos genere la salida N3, que es la matriz de correlacin
Y1
X1
X2

Y2
1
0.6975

0.6975
1

Por tanto no hay problemas de multicolinealidad.

0->0,30=>Dbil
0,30->0,75=>Media
0,75->2,00=> Fuerte *
Cuando es dbil o media no hay problema,
pero cuando es fuerte es cuando s hay
problema.

Entonces, para mejorar el R2 no hay que eliminar varibles, lo que hay que hacer es identificar y elimin
Los valores atpicos son los que ms se alejan de la lnea recta de la regresin.
Y=A+BX1+CX2 (esta es la ecuacin de un plano tridimencional)

Pero si la ecuacin de la regresin dfuera Y=A+BX1+CX2+DX3, entonces tendramos un plano de 4 d


est en el hiperespacio.

SALIDAS DEL EXCEL


Regresin Lineal
Regresin
154186.929 A
-408.311899 B
-1093.6993 C
0.2693 R2
24397.5164 r (Landa)
0.6592 F
1975 SCR
5357 SCT

Exponencial
164973.071
0.99589442
0.99075842
0.2684
error
1.6515
error
error

este caso el R2 de la regresin lineal es mayor que el de la regresin exponencial, por lo tanto se toma para trab
al.

el Excel el modelo de Regresin exponencial est erroneamente llamado o denominado como Logartmico.

, que es la matriz de correlacin.

il
Media
Fuerte *
l o media no hay problema,
fuerte es cuando s hay

que hacer es identificar y eliminar valores atpicos.

ces tendramos un plano de 4 dimensiones pero que no se puede graficar porque no se puede regresentar fsica

l, por lo tanto se toma para trabajar el modelo

minado como Logartmico.

no se puede regresentar fsicamente, ya que

N REF

PU (Y)
1
2
3
4
5
6
7
8
9
10
11
12

98750
124500
119500
87250
108250
75000
97500
145000
133250
70500
100750
150000

M2 (X1)

X2 (AOS)
100
75
80
110
90
65
100
60
65
125
90
100

7
1
3
12
7
3
13
1
8
16
19
8

Y-
105,700
6,950
122,470
2,030
118,241
1,259
96,148
8,898
109,783
1,533
124,366
49,366
99,138
1,638
128,595
16,405
118,897
14,353
85,649
15,149
96,659
4,091
104,606
45,394

(los valores absolutos es porque a nosotros no nos interesa el signo sino la magnitud, el
signo solo nos indicara si est por encima o por debajo de la recta

o la magnitud, el

R=1/n=
k=

0.08333333
-1.38299413

Rr=-1,38295587*24.391,5164=-33.741,6635

N REF

PU (Y)
1
2
3
4
5
7
8
9
10
11

M2 (X1)

98750
124500
119500
87250
108250
97500
145000
133250
70500
100750

X2 (AOS)
100
75
80
110
90
100
60
65
125
90

7
1
3
12
7
13
1
8
16
19

Y-
105,700
6,950
122,470
2,030
118,241
1,259
96,148
8,898
109,783
1,533
99,138
1,638
128,595
16,405
118,897
14,353
85,649
15,149
96,659
4,091

Y=

201261.5
+
-983.999794 *M2 (X1)
X1=
85
X2=
5
Y=
114,938.46
Por lo tanto, el valor del apartamento es de:
85 *
9,769,769.20
ESTIMACIN LINEAL O REGRESIN LINEAL COMPRIMIDA:
-536.611263
ESTIMACIN LINEAL O REGRESIN LINEAL:
-536.611263 -983.999794
201261.5
142.676756 43.7999005 3263.63483
0.99412436 1942.10911 #N/A
592.179888
7 #N/A
4467153736 26402514.5 #N/A

ESTIMACIN EXPONENCIAL O REGRESIN EXPONENCIAL:


0.99530787 0.99056639 258858.917
0.00170026 0.00052196 0.03889241
0.99085176 0.02314392 #N/A
379.087241
7 #N/A
0.40610932 0.00374949 #N/A
Matriz de Correlacin
Matris de Correlacin
Y1
Y2
X1
1
X2
0.68165115

A
B
C
R2
R2
F
SCR
SCT

201261.5
-983.999794
-536.611263
0.9941
1992.109
592.1798
4467153736
26402514.5

-536.61126 *X2 (AOS)

114,938.46 =

CUADROS EXPLICATIVOS:
Regresin Lineal
E
D
C
B
desviaciones estandar parciales de cada variable
R2
r
F
n-(k+1)
SCR
SCE

X1
X2
X3
X4

CAPA:
R=1/n=
k=

Matris de Correlacin
X1
X2
X3
1
0.68165115
1

X4

1
1

0.08333333
-1.38299413