Regresin potencial
Teniendo datos histricos observados sobre la demanda, oferta o la variable
que se quiera proyectar, podemos graficar la nube de puntos y observar la
distribucin de los mismos, as como apreciar si los puntos se aproximan a
alguna funcin, en el caso de la funcin potencial se puede recurrir a la
siguiente relacin:
y = a. xb
Cundo existe regresin?
Lo primero que suele hacerse para ver si dos variables aleatorias estn
relacionadas o no.
Tomar una muestra aleatoria sobre cada individuo de tus medias o tus
datos.
Se analizan las dos caractersticas en estudio,(denominados x, y y) de
modo que para cada individuo se tenga un par de valores
Seguidamente, se representan dichos valores en unos ejes cartesianos,
dando lugar a un diagrama de dispersin o nube de puntos.
Modelo potencial
PGINA 1
Para linealizar esta funcin se aplica logaritmos a ambos miembros, mediante
este procedimiento se obtiene una ecuacin logartmica lineal:
log Y = log A + B log X
Sustituyendo valores se tiene:
Y = log Y
A = log A
X = log X
Una vez realizada la sustitucin, los resultados se escriben en la forma lineal:
Y = A + B (X)
Ejemplo
Con los siguientes datos histricos, proyectar la demanda para el ao
2012 mediante regresin potencial.
FECHA
AOS
DEMAND
A
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
1
2
3
4
5
6
7
8
9
10
11
12
20,000
35,000
45,000
40,000
55,000
55,000
58,000
62,000
60,000
65,000
72,000
68,000
Por el mtodo no lineal de Regresin potencial se tiene las siguientes
relaciones y construimos la siguiente tabla:
PGINA 2
AO
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
X
Y
1
20000
2
35000
3
45000
4
40000
5
55000
6
55000
7
58000
8
62000
9
60000
10
65000
11
72000
12
68000
SUMAS
X=(LOG
Y=
X)
(LOG Y)
LOG
X^2
LOG
Y^2
X*Y
0.00000
0.30103
4.30103
4.54407
0.00000
0.09062
18.49886
20.64855
0.0000
1.3679
0.47712
4.65321
0.22764
21.65239
2.2201
0.60206
4.60206
0.36248
21.17896
2.7707
0.69897
4.74036
0.48856
22.47104
3.3134
0.77815
4.74036
0.60552
22.47104
3.6887
0.84510
4.76343
0.71419
22.69025
4.0256
0.90309
4.79239
0.81557
22.96702
4.3280
0.95424
4.77815
0.91058
22.83073
4.5595
1.00000
4.81291
1.00000
23.16413
4.8129
1.04139
4.85733
1.08450
23.59368
5.0584
1.07918
4.83251
1.16463
23.35314
5.2152
8.680
56.418
7.464
265.520
41.360
Con los datos anteriores obtenemos:
a 10
b xi
n
n xi yi xi yi
n xi2 xi
b o B = 0.46392436
Remplazando los valores para b y a obtenemos:
AO
2012
x=13
Y =23,222.0286(x
PGINA 3
0.46392436
DEMANDA
PROYECTADA
76,3
28
UNIDAD
ES
n x y x y
n x x n y y
2
2
i
2
i
R2 =0.93706541
MODELO LOGARTMICO
La curva logartmica Y = a +blog X es tambin una recta, pero en lugar de estar
referida a las variables originales X e Y , est referida a log X y a Y
a=
b=
Ejemplo
PGINA 4
Con los siguientes datos histricos, proyectar la demanda para el ao
2012 mediante regresin potencial.
x
1
1.2
1.5
2
3
3.7
4
4.5
20.9
y
3
3.4
5
2
4.1
5
7
6.5
36
0
0.1823
0.4054
0.6931
1.0986
1.3083
1.3862
1.5040
6.5779
a=
b=
ln2 x
ln x * y
0
0.0332
0.1643
0.4803
1.2069
1.7116
1.9215
2.2620
7.7798
0
0.6198
2.027
1.3862
4.5042
6.5415
9.7034
9.776
34.5581
ln x
y2
9
11.56
25
4
16.81
25
49
42.25
182.62
= 2.090513
= 4.5 - (2.090513)(0.8222) = 2.78117
La ecuacin final que modela el sistema es
PROYECCION EXPONENCIAL
Es un mtodo de proyeccin apropiado en el caso de que la serie de tiempo
describe datos que crecen o decrecen en proporcin constante a lo largo del
tiempo. Ejemplo ventas de un producto, crecimiento de una poblacin o
demanda, propagacin de una enfermedad entre otros.
Su expresin matemtica es:
Esta modalidad depende de los valores de a y b :
Si b tiene un valor comprendido entre 0 y 1 entonces el valor de Y decrecer al
crecer X
Si b es mayor que 1 , Y crecer con X .
PGINA 5
El valor de a corresponde a la ordenada al origen
FORMULAS
Formula general:
Si se toman logaritmos a ambos miembros de la ecuacin se puede
transformar en una relacin lineal:
LogY = Log ( a . bX)
Donde :
LogY = Log a + X Log b
a : intercepto
b : coeficiente parcial de regresin
Y : variable independiente ( tiempo) X : variable dependiente
Clculo de los coeficientes parciales :
Ejemplo :
Se tienen los siguientes datos :
X
28.00
28.30
28.90
30.10
PGINA 6
32.10
34.50
39.80
43.90
51.10
10
59.70
55
376.4
Vemos que la tendencia lineal slo cruza a los datos reales en dos puntos. Por
tanto usar la proyeccin lineal no va ser una buena decisin. En este caso
vamos a utilizar la proyeccin exponencial.
TABLA DE DATOS
X
Log Y
Log X
[Link]
(LogY)
28.00
1.4472
0.0000
1.4472
2.0943
28.30
1.4518
0.3010
2.9036
2.1077
28.90
1.4609
0.4771
4.3827
2.1342
30.10
1.4786
0.6021
5.9143
16
2.1862
32.10
1.5065
0.6990
7.5325
25
2.2696
34.50
1.5378
0.7782
9.2269
36
2.3649
39.80
1.5999
0.8451
11.1992
49
2.5596
43.90
1.6425
0.9031
13.1397
64
2.6977
51.10
1.7084
0.9542
15.3758
81
2.9187
PGINA 7
10
59.70
1.7760
1.0000
17.7597
100
3.1541
55
376.4
15.6095
6.5598
88.8816
385
24.4869
Reemplazando : ( n=10)
La ecuacin sera :
Y = 22.8552 x 1.0882X
La proyeccin para el perodo 11 sera :
Y = 22.8552 x1.088211
Y = 57.91
PGINA 8
