• No se han encontrado resultados

Regresión lineal múltiple en Hp Prime (RegreR)

N/A
N/A
Protected

Academic year: 2021

Share "Regresión lineal múltiple en Hp Prime (RegreR)"

Copied!
8
0
0

Texto completo

(1)

DESCARGOS:

Este programa se distribuye en su integridad tal como es, yo Ramírez Quispe, Robert Marlindo, no me responsabilizo por cualquier daño que pueda ocurrir al tratar de modificar la codificación del programa, éste es contenido protegido por tal razón se desempeñará de manera óptima solo en aquellas maquinas que obtengan licencia.

No se recomienda en absoluto modificar el programa, en

caso contrario es imposible evitar consecuencias

lamentables. Si le interesa está aplicación obtenga una licencia de uso, envíe un mensaje a:

ramirezquispe1@hotmail.com ramirezquispe1@gmail.com

Indicando el programa de su interés, a la más brevedad posible será informado de los requisitos de trámite.

INTRODUCCIÓN._

En la regresión lineal múltiple vamos a utilizar más de una variable explicativa, esto nos va a ofrecer la ventaja de utilizar más información en la construcción del modelo y, consecuentemente, realizar estimaciones más precisas.

a.-Al tener más de una variable explicativa (no se debe de emplear el término independiente) surgirán algunas diferencias con el modelo de regresión lineal simple.

b.-Una cuestión de gran interés será responder a la siguiente pregunta: de un vasto conjunto de variables explicativas: x1, x2, …, xk, cuáles son las que más influyen en la variable dependiente Y.

C.-En definitiva, y al igual que en regresión lineal simple, vamos a considerar que los valores de la variable dependiente Y han sido generados por una combinación lineal de los valores de una o más variables explicativas:

(2)

Nombre : RegreR

Plataforma : Hp Prime (8151) Lenguaje : HP PPL

Tamaño : 5KB Utilidad:

a.-Para obtener los coeficientes ao,a1,a2 de la ecuación de la forma: Y=ao+a1*X1+a2*X2

b.-Para poder obtener el valor de Y, para valores de x1,x2.

EJEMPLO:

Examen de Hidrología, tomado en la Universidad Nacional de Huancavelica Civil-Huancavelica.

En la siguiente tabla se muestran los registros pluviométricos de 3 estaciones del proyecto Ichu River Calibration-UNH y son: Pucapampa, Cachimayo y Lachooc. Se pide completar la serie faltante.

Dato Pucapampa Cahimayo Lacchocc

1 621.00 777.29 756.59 2 699.66 836.28 866.30 3 1100.21 1317.56 1009.13 4 807.30 907.70 633.42 5 -999.00 820.76 850.69 6 793.85 920.12 772.11 7 1009.13 1102.28 839.99 8 856.98 876.65 797.99 9 1044.32 790.74 865.26 10 837.32 847.67 936.68 11 747.27 920.12 878.72 12 784.53 877.68 861.12 13 -999.00 90.20 871.45 14 990.50 904.59 989.46 15 821.79 808.34 922.19 16 787.64 988.43 839.39

(3)

COMO USAR EL PROGRAMA:

Para poder ejecutar el programa,

escribimos en Home o modo CAS, RegreR y allí podemos ver las opciones, el programa viene con datos por defecto.

1.-DATOS: En esta opción se ingresara los datos, según corresponda, para nuestro ejemplo asumiremos:

Una vez ingresado

todos los datos,

solo se procede a

presionar OK, y

estará todo el

cálculo realizado.

Pucapampa=Y Cahimayo=X1 Lacchocc=X2

Dato Pucapampa Cahimayo Lacchocc

1 621.00 777.29 756.59 2 699.66 836.28 866.30 3 1100.21 1317.56 1009.13 4 807.30 907.70 633.42 5 793.85 920.12 772.11 6 1009.13 1102.28 839.99 7 856.98 876.65 797.99 8 1044.32 790.74 865.26 9 837.32 847.67 936.68 10 747.27 920.12 878.72 11 784.53 877.68 861.12 12 990.50 904.59 989.46 13 821.79 808.34 922.19 14 787.64 988.43 839.39

(4)

2.-TABLA: Para poder ver los cálculos necesarios de la regresión múltiple.

Y X1 X2 X1^2 X2^2 X1*X2 Y*X1 Y*X2 N_1 756.59 621 777.29 385641 604179.7441 482697.09 469842.39 588089.8411 N_2 866.3 699.66 836.28 489524.1156 699364.2384 585111.6648 606115.458 724469.364 N_3 1009.13 1100.21 1317.56 1210462.044 1735964.354 1449592.688 1110254.917 1329589.323 N_4 633.42 807.3 907.7 651733.29 823919.29 732786.21 511359.966 574955.334 N_5 772.11 793.85 920.12 630197.8225 846620.8144 730437.262 612939.5235 710433.8532 N_6 839.99 1009.13 1102.28 1018343.357 1215021.198 1112343.816 847659.1087 925904.1772 N_7 797.99 856.98 876.65 734414.7204 768515.2225 751271.517 683861.4702 699557.9335 N_8 865.26 1044.32 790.74 1090604.262 625269.7476 825785.5968 903608.3232 684195.6924 N_9 936.68 837.32 847.67 701104.7824 718544.4289 709771.0444 784300.8976 793995.5356 N_10 878.72 747.27 920.12 558412.4529 846620.8144 687578.0724 656641.0944 808527.8464 N_11 861.12 784.53 877.68 615487.3209 770322.1824 688566.2904 675574.4736 755787.8016 N_12 989.46 990.5 904.59 981090.25 818283.0681 895996.395 980060.13 895055.6214 N_13 922.19 821.79 808.34 675338.8041 653413.5556 664285.7286 757846.5201 745443.0646 N_14 839.39 787.64 988.43 620376.7696 976993.8649 778527.0052 661137.1396 829678.2577

(5)

3.-ECUACIÓN: En esta parte muestras los coeficientes, de la ecuación Y=ao+a1*X1+a2*X2.

4.-SOLUCIONAR: Calcula los datos faltantes, una vez presionado SOLUCIONAR, le mostrara una ventana con la ecuación, para poder solucionar puede presionar SALIR.

(6)

Para poder hallar el valor, presionar Num

Pero asegúrese que este activado E1, si no lo está puede presionar

(7)

Para poder hallar el dato faltante ingrese los datos que tiene, y presione Soluc.

Por ejemplo en nuestro ejemplo tenemos X1,X2. a.-Completación de Dato 5:

(8)

5.-AUTOR: Solo muestra el autor.

Referencias

Documento similar

Las técnicas de regresión lineal simple busca establecer una relación entre una variable de respuesta o variable dependiente y, y una variable explicativa, predictoria

Simplificando, cuando la variable dependiente es una variable continua, el modelo de regresión más frecuentemente utilizado es la regresión lineal, mientras que cuando la variable

Como ejemplo, tras ajustar un modelo de regresión múltiple a los datos que se muestran en la Tabla 1 usando como variables predictoras de la tensión diastólica el colesterol e

Se aplicó un procedimiento de regresión lineal múltiple con el objetivo de probar un modelo de predicción de ansiedad social (varia- ble dependiente) a partir de la

Esta práctica está dedicada a resolver un problema de Regresión Lineal sin atender a ninguna cuestión relativa al cumplimiento de los supuestos del modelo, a la presencia de

Sobre el resto de las hipótesis básicas del modelo, podrían hacerse las mismas observaciones que en el caso de regresión lineal simple:. La falta de linealidad "invalida"

c) Ajusta un modelo de regresión lineal múltiple con SPSS que explique PORC en función del resto de variables. Utiliza el método Adelante para seleccionar las variables. ¾Qué

En un Modelo de Regresión Lineal Múltiple a los parámetros que acompañan a las variables explicativas también se les denomina coeficientes de regresión parcial, pues miden el