Upload
others
View
8
Download
0
Embed Size (px)
Citation preview
Trabajo Práctico: “Regresión y Correlación”
Docente: Roberto Villamayor
Alumnos: _Astier Grabriel _Mazza Pablo _Talijancic Iván
Curso: 3ro - Ing. Electromecánica
Problema 8.1 :Consigna:
In[1]:=
Solución:
2 Regresión y Correlación.nb
In[1]:= 88"Altitud", "Temperatura"<, 85740.9, 90.3<, 85740.9, 90.2<, 84934.3, 92.2<,
84793.1, 92.4<, 84538, 93<, 84430.1, 93.3<, 84134.2, 93.8<, 84078.6, 93.9<,
84061.9, 94.1<, 84067.5, 94.1<, 83423.2, 95.3<, 82565.5, 95.9<, 81339.2, 98.6<,
81815.5, 98.1<, 8972.1, 99.3<, 8398, 99.9<, 8182.5, 100<< �� MatrixForm
Out[1]//MatrixForm=
Altitud Temperatura5740.9 90.35740.9 90.24934.3 92.24793.1 92.4
4538 934430.1 93.34134.2 93.84078.6 93.94061.9 94.14067.5 94.13423.2 95.32565.5 95.91339.2 98.61815.5 98.1972.1 99.3
398 99.9182.5 100
In[2]:= datos = 885740.9, 90.3<, 85740.9, 90.2<, 84934.3, 92.2<,
84793.1, 92.4<, 84538, 93<, 84430.1, 93.3<, 84134.2, 93.8<, 84078.6, 93.9<,
84061.9, 94.1<, 84067.5, 94.1<, 83423.2, 95.3<, 82565.5, 95.9<,
81339.2, 98.6<, 81815.5, 98.1<, 8972.1, 99.3<, 8398, 99.9<, 8182.5, 100<<;
Regresión y Correlación.nb 3
In[3]:= ListPlot@datos, AxesLabel ® 8"Altitud", "Temperatura"<,
PlotLabel ® "Gráfico de Disperción", ImageSize ® 800, PlotStyle ® [email protected]
Out[3]=
1000 2000 3000 4000
92
94
96
98
100
TemperaturaGráfico de Disperción
A continuación, valiéndonos del comando “Fit”, procedemos a hacer la ajustar los datos, anteriormente grafica-dos a una recta:
In[4]:= r@x_D = Fit@datos, 81, x<, xDOut[4]= 100.855 - 0.00175025 x
4 Regresión y Correlación.nb
In[5]:= Show@8ListPlot@datos, AxesLabel ® 8"Altitud", "Temperatura"<,
PlotLabel ® "Regresión Lineal", ImageSize ® 800, PlotStyle ® [email protected],
Plot@r@xD, 8x, 0, 6000<, PlotStyle ® RGBColor@1, 0, 0DD<D
Out[5]=
1000 2000 3000 4000
92
94
96
98
100
TemperaturaRegresión Lineal
� Respuesta a):
In[6]:= r@6962DOut[6]= 88.6701
Por lo tanto, en la cima del Aconcágua (Medoza), el agua hace ebullición a 88.6701 °C
� Respuesta b):
In[7]:= r@2200DOut[7]= 97.0048
Regresión y Correlación.nb 5
Por lo tanto, en Pampa de Achala (Cordoba), el agua hace ebullición a 97.0048 °C
� Respuesta c):
In[8]:= r@0DOut[8]= 100.855
De acuerdo con el modelo estimado, a nivel del mar, el agua hace ebullición a 100 °C. Estamos de acuerdo conesta predicción.
� Respuesta d):
Como podemos ver en el gráfico, en función al modelo estimado, es más que obvio que la temperatura deebullición disminuye a medida que aumenta la altitud.
� Respuesta e):
In[9]:= r@500DOut[9]= 99.9803
Cuando se haciendo a 500m, la temperatura de ebullició del agua es de 99.9803 °C. Si es este cambio constantee independiente de la altura a la que se parta.
Problema 8.2 :Consigna:In[11]:=
6 Regresión y Correlación.nb
In[12]:=
Solución:
Regresión y Correlación.nb 7
In[10]:= 88"Ln@DosisD", "Mortandad ProdH1L", "Mortandad ProdH2L"<, 80.00, 5, 4<, 80.01, 7, 8<,
80.05, 10, 10<, 80.1, 16, 13<, 80.15, 17, 17<, 80.2, 25, 20<, 80.25, 26, 26<,
80.30, 30, 33<, 80.40, 35, 40<, 80.70, 72, 70<, 80.90, 85, 91<< �� MatrixForm
Out[10]//MatrixForm=
Ln@DosisD Mortandad ProdH1L Mortandad ProdH2L0. 5 4
0.01 7 80.05 10 100.1 16 13
0.15 17 170.2 25 20
0.25 26 260.3 30 330.4 35 400.7 72 700.9 85 91
In[11]:= datosprd1 = 880.00, 5<, 80.01, 7<, 80.05, 10<, 80.1, 16<, 80.15, 17<,
80.2, 25<, 80.25, 26<, 80.30, 30<, 80.40, 35<, 80.70, 72<, 80.90, 85<<;
In[12]:= datosprd2 = 880.00, 4<, 80.01, 8<, 80.05, 10<, 80.1, 13<, 80.15, 17<,
80.2, 20<, 80.25, 26<, 80.30, 33<, 80.40, 40<, 80.70, 70<, 80.90, 91<<;
8 Regresión y Correlación.nb
� Respuesta a):
In[13]:= ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<,
ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1",
AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ® [email protected]
Out[13]=
0.0 0.2 0.4 0.60
20
40
60
80
MortandadGráfico de Disperción Producto 1
Regresión y Correlación.nb 9
In[14]:= ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<,
ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 2",
AxesLabel ® 8"Dosis", "Mortandad"<,
PlotStyle ® Directive @ [email protected], RGBColor@1, 0, 0DDD
Out[14]=
0.0 0.2 0.4 0.60
20
40
60
80
MortandadGráfico de Disperción Producto 2
10 Regresión y Correlación.nb
In[15]:= Show@8ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<, PlotStyle ® [email protected],
ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<,
PlotStyle ® Directive @ [email protected], RGBColor@1, 0, 0DDD<,
PlotLabel ® "Gráfico de Disperción de los dos Productos Juntos",
ImageSize ® 800, AxesLabel ® 8"Dosis", "Mortandad"<D
Out[15]=
0.0 0.2 0.4 0.60
20
40
60
80
MortandadGráfico de Disperción de los dos Productos Juntos
� Respuesta b):
Como podemos ver en el gráfico, resulta más que rasonable proponer una un ajuste lineal.
� Respuesta c):
� Producto 1:
El modelo lineal, que se supone, relaciona la mortalidad con la dosis del producto 1 es:
Regresión y Correlación.nb 11
In[16]:= p1@x_D = Fit@datosprd1, 81, x<, xDOut[16]= 4.91365 + 89.5261 x
In[17]:= Show@8ListPlot@datosprd1, PlotRange ® 880, 1<, 80, 95<<,
ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1",
AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ®
Directive@[email protected], RGBColor@1, 0, 0D<DD, Plot@p1@xD, 8x, 0, 1<D<D
Out[17]=
0.0 0.2 0.4 0.60
20
40
60
80
MortandadGráfico de Disperción Producto 1
� Producto 2:
El modelo lineal, que se supone, relaciona la mortalidad con la dosis del producto 2 es:
In[18]:= p2@x_D = Fit@datosprd2, 81, x<, xDOut[18]= 3.78146 + 94.9033 x
12 Regresión y Correlación.nb
In[19]:= Show@8ListPlot@datosprd2, PlotRange ® 880, 1<, 80, 95<<,
ImageSize ® 800, PlotLabel ® "Gráfico de Disperción Producto 1",
AxesLabel ® 8"Dosis", "Mortandad"<, PlotStyle ®
Directive@[email protected], RGBColor@0, 1, 0D<DD, Plot@p2@xD, 8x, 0, 1<D<D
Out[19]=
0.0 0.2 0.4 0.60
20
40
60
80
MortandadGráfico de Disperción Producto 1
� Respuesta e):
� Producto 1:
In[20]:= x1 = Solve@p1@xD � 500, xDOut[20]= 88x ® 5.53008<<
Por lo tanto la docis necesaria, para matar el 50% de los insectos, será:
In[21]:= Solve@Log@xD == x1@@1, 1, 2DD, xDOut[21]= 88x ® 252.164<<
Regresión y Correlación.nb 13
� Producto 2:
In[22]:= x2 = Solve@p2@xD � 500, xDOut[22]= 88x ® 5.22868<<
Por lo tanto la docis necesaria, para matar el 50% de los insectos, será :
In[23]:= Solve@Log@xD � x2@@1, 1, 2DD, xDOut[23]= 88x ® 186.546<<
Problema 8.4:Consigna:In[27]:=
Solución:
Sabemos que el rendimiento, en Kg/ha del ajo, depende linealmente del porcentaje de Materia Orgánica delsuelo (%MO). Mediante una constante de proporcionalidad igual a 4000. Tenemos entonces:
In[24]:= b = 4000;
In[25]:= rend@mo_D = b * mo
Out[25]= 4000 mo
In[26]:= dif = Simplify@rend@mo + 1.3D - rend@moDDOut[26]= 5200.
14 Regresión y Correlación.nb
In[27]:= Plot@8rend@moD, rend@mo + 1.3D<, 8mo, 0, 100<,
AxesLabel ® 8"%Materia Orgánica", "Rendimiento Kg�ha"<, ImageSize ® 800D
Out[27]=
20 40 60 80
100 000
200 000
300 000
400 000
Rendimiento Kg�ha
Regresión y Correlación.nb 15
In[28]:= ShowB:PlotB7500, :mo, 0.575`,15
8>,
PlotRange ® 880, 3<, 80, 14 000<<, PlotStyle ® RGBColor@0, 1, 0DF,
ParametricPlotB:15
8, y>, 8y, 7500, 12 700<, PlotStyle ® RGBColor@0, 0, 0DF,
Plot@8rend@moD, rend@mo + 1.3D<, 8mo, 0, 3<, PlotRange ® 880, 3<, 80, 14 000<<D,
GraphicsA9Black, TextA"Dif = 5200", 82.12, 10 500<E=E,
GraphicsA9Black, TextA"%mo = 1.3", 81.1, 6800<E=E>,
AxesLabel ® 8"%Materia Orgánica", "Rendimiento Kg�ha"<,
PlotLabel ® "Detalle", ImageSize ® 800F
Out[28]=
Dif = 5200
%mo = 1.3
0.0 0.5 1.0 1.5 2.00
2000
4000
6000
8000
10 000
12 000
14 000
Rendimiento Kg�haDetalle
Problema 8.7 :Consigna:
16 Regresión y Correlación.nb
In[33]:=
Solución:
In[29]:= 88"Dosis", "Daño"<, 8100, 50<, 8125, 48<, 8200, 39<, 8250, 35<, 8275, 30<,
8300, 25<, 8325, 20<, 8350, 12<, 8375, 10<, 8400, 5<< �� MatrixForm
Out[29]//MatrixForm=
Dosis Daño100 50125 48200 39250 35275 30300 25325 20350 12375 10400 5
In[30]:= datos1 = 88100, 50<, 8125, 48<, 8200, 39<, 8250, 35<,
8275, 30<, 8300, 25<, 8325, 20<, 8350, 12<, 8375, 10<, 8400, 5<<;
Regresión y Correlación.nb 17
In[31]:= ListPlot@datos1, PlotRange ® 880, 410<, 80, 60<<,
ImageSize ® 800, PlotLabel ® "Gráfico de Disperción",
AxesLabel ® 8"Dosis", "Daño"<, PlotStyle ® [email protected]
Out[31]=
0 100 200 3000
10
20
30
40
50
60Daño
Gráfico de Disperción
� Respuesta a):
El ajuste en regresión lineal, pedido es:
In[32]:= y@x_D = Fit@datos1, 81, x<, xDOut[32]= 68.492 - 0.152193 x
18 Regresión y Correlación.nb
In[33]:= Show@8Plot@y@xD, 8x, 0, 410<, PlotStyle ® RGBColor@1, 0, 0DD,
ListPlot@datos1, PlotStyle ® [email protected]<,
PlotRange ® 880, 410<, 80, 60<<, ImageSize ® 800,
PlotLabel ® "Gráfico de Disperción", AxesLabel ® 8"Dosis", "Daño"<D
Out[33]=
100 200 300
10
20
30
40
50
60
DañoGráfico de Disperción
� Respuesta b):
El tamaño promedio de las manchas, aplicando 260 gr.p.a/ha, será:
In[34]:= y@260DOut[34]= 28.9219
Regresión y Correlación.nb 19