FACULTAD DE INGENIERÍA ELÉCTRICA YELECTRÓNICA

Escuela de Ingenieria Eléctrica

CURSO Métodos numéricos Práctica
REGRESIÓN EN MATLAB
10
TEMA

Profesores Juvenal Tordocillo Puchuc

Objetivos:
Realizar el ajuste por el procedimiento de mínimos cuadrados usando Matlab, las
funciones de polyfit y polyval.

1. Relación entre Variables

Relación funcional Dos variables x e y están relacionadas funcionalmente cuando
conocida la primera se puede saber con exactitud el valor de la segunda.

E j e m p l o : Si se deja caer una piedra, existe una fórmula que nos permite calcular
exactamente, la altura a la que se encuentra en función del tiempo transcurrido.

h = ½ g t².

Relación estadística. - Dos variables x e y están relacionadas estadísticamente cuando

conocida la primera se puede estimar aproximadamente el valor de la segunda.

2. Regresión Lineal
Para un conjunto de observaciones

Y
Y
Valor estimado: Y*

Pendiente B

A
Valor Real: Y

X
N
MC = 
i =1
(Yi - Yi* )2 (1.1)

donde: Yi = valor real i (dato)

 Y* = valor estimado según la Ec. 1.1
De la ecuación de una recta:
Y* = A + BX (1.2)
con lo cual la Ec. 1.1 se puede escribir:
N
MC = 
i =1
( Y - A - BX )2 (1.3)

Matemáticamente, la solución se encuentra al resolver la forma diferenciada de

la ecuación de mínimos cuadrados (1.3).
MC
=  Y − NA − B X = 0 (1.4)
A
MC
=  XY − A X − B X 2 = 0 (1.5)
B
donde: N = número datos
A,B = parámetros propios de cada experimento
Reemplazando datos y resolviendo las Ecs. (1.4) y (1.5) se obtienen los parámetros A
y B.

3. Medida de la precisión del ajuste

Es útil para tener una referencia de la bondad del ajuste de los datos determinar
algunos parámetros estadísticos.
La desviación estándar:

SY =
1 N

N − 1 i =1
(
Yi − Yi* ) 2
(1.6)

Si a cada punto y* de la línea de tendencia se le suma y se le resta el valor de Sy, se

obtienen líneas paralelas a la tendencia formándose una franja denominada intervalo
de confianza, por lo menos 2/3 de los puntos reales deberán estar contenidos en esta
franja para aceptar o confiar en el ajuste desarrollado.Correlación del ajuste
Es necesario saber todo lo fuerte o débil que es la relación entre las variables
independientes y dependientes, este parámetro se cuantifica con el factor de
correlación r.

N  XY −  X  Y
r= (1.7)
N  X 2
− ( X )
2
 N  Y 2
− ( Y )
2


Este coeficiente tomará siempre valores comprendidos entre -1 y 1. Según los valores
que tome, podremos deducir que:
 • Si r =1, existe dependencia funcional, todos los puntos del diagrama de
dispersión están situados en una línea recta creciente.
• Si 0 <r <1, la correlación es positiva y será más fuerte según se aproxime más
a 1.
• Si r = 0, no existe correlación lineal, pero puede existir correlación curvilínea.
• Si -1< r <0, la correlación es negativa y será más fuerte según se aproxime más
a -1.
• Si r =-1, existe dependencia funcional, todos los puntos del diagrama de
dispersión están situados en una línea recta decreciente.

Coeficiente de determinación R2

Para estimar la bondad de un ajuste frecuentemente se prefiere utilizar el Coeficiente

de Determinación, R2, que es el Coeficiente de Correlación elevado al cuadrado.
Se determina mediante cualquiera de las dos expresiones siguientes:

  xi yi
2

 − x y 
 n 
R =
2  
  xi2
2   yi
2
2
 − x  − y 
 n  n 
  

(n x y −  x  y ) 2

=
n x − ( x ) n y − ( y ) 
2 i i i i
R 2 2 2 2
i i i i

• Su valor oscila entre 0 y +1.

• Cuando hay una buena correlación lineal, R2 es muy cercano a +1.
Normalmente se acepta para valores de R2 >= 0.99.
• Cuando no hay correlación o bien ésta no es lineal, R2 es bajo e incluso cercano
a cero.
Ejercicios para presentar
1. Utilice la regresión por mínimos cuadrados para ajustar una línea recta y mostrar la
ecuación con respectivo coeficiente de determinación.

2. Utilice la regresión por mínimos cuadrados para ajustar según corresponda y mostrar
la ecuación con respectivo coeficiente de determinación.

3.- En la ingeniería, el tamaño del reservorio depende de la estimación exacta del flujo
de agua en el río del cual se toma. Para algunos ríos es difícil obtener registros históricos
de muchos años atrás de tales datos de flujo. Por el contrario, datos meteorológicos
sobre precipitación de muchos años atrás están a menudo disponibles. Por tanto, con
frecuencia es útil determinar una relación entre el flujo y precipitación. Esta relación se
puede entonces usar para estimar flujos por años, pero solo cuando se hicieron dichas
mediciones de precipitación.

Para un río que se va a encauzar a un dique, se tienen los siguientes datos:

Precipitación, cm Flujo, m3/s

88.9 114.7
101.6 172.0
104.1 152.9
139.7 269.0
132.1 206.4
94.0 161.4
116.8 175.8
121.9 239.0
99.1 130.0

a) Grafique los datos

b) Realizar el mejor ajuste que corresponde. Sobreponga su gráfica a la
gráfica anterior.
c) Mostrar la ecuación que relaciona.
d) Use la mejor línea de ajuste para predecir el flujo de agua anual si la
precipitación es de 120 cm.
e) Mostrar el coeficiente de indeterminación para su ajuste utilizado .
4. La concentración de fósforo total (p en mg/cm3) y clorofila (c en mg/m3) para cada uno
de los grandes lagos es:
p c
Lago Superior 4.5 0.8
Lago Michigan 8.0 2.0
Lago Hurón 5.5 1.2
Lago Erie
Cuenca oeste 39.0 11.0
Cuenca central 19.5 4.4
Cuenca este 17.5 3.8
Lago Ontario 21.0 5.5

La clorofila c es un parámetro que indica cuanta vida de plantas está suspendida en el

agua. Como tal, indica qué tan turbia y opaca aparece el agua. Use los datos anteriores
para determinar una relación c como una función de p. Use esta ecuación para predecir
el nivel de clorofila que puede esperarse si el tratamiento de desechos es usado para
disminuir la concentración de fósforo en la cuenca oeste del Lago Erie a 15 mg/m 3.

5. Tres organismos portadores de enfermedades decaen de manera exponencial en las

aguas de un lago de acuerdo con el siguiente modelo:
p(t) = Ae-1.5t + Be- 0.3t + Ce-0.05t
Calcule la población inicial de cada organismo (A, B y C) dadas las siguientes
mediciones:

t, HR p(T)
0.5 7
1 5.2
2 3.8
3 3.2
4 2.5
5 2.1
6 1.8
7 1.5
8 1.2
9 1.1