Regresin lineal

El modelo de pronstico de regresin lineal permite hallar el valor esperado de una

variable aleatoria a cuando b toma un valor especfico. La aplicacin de este mtodo
implica un supuesto de linealidad cuando la demanda presenta un comportamiento
creciente o decreciente, por tal razn, se hace indispensable que previo a la seleccin de
este mtodo exista un anlisis de regresin que determine la intensidad de las relaciones
entre las variables que componen el modelo.

Cundo utilizar un pronstico de regresin

lineal?
El pronstico de regresin lineal simple es un modelo ptimo para patrones de demanda
con tendencia (creciente o decreciente), es decir, patrones que presenten una relacin de
linealidad entre la demanda y el tiempo.

Existen medidas de la intensidad de la relacin que presentan las variables que son
fundamentales para determinar en qu momento es conveniente utilizar regresin lineal.

Anlisis de regresin
El objetivo de un anlisis de regresin es determinar la relacin que existe entre una
variable dependiente y una o ms variables independientes. Para poder realizar esta
relacin, se debe postular una relacin funcional entre las variables. Cuando se trata de
una variable independiente, la forma funcional que ms se utiliza en la prctica es la
relacin lineal. El anlisis de regresin entonces determina la intensidad entre las
variables a travs de coeficientes de correlacin y determinacin.

Coeficiente de correlacin [r]

El coeficiente de correlacin, comnmente identificado como r o R , es una medida
de asociacin entre las variables aleatorias X y Y, cuyo valor vara entre -1 y +1.

El clculo del coeficiente de correlacin se efecta de la siguiente manera:

Dnde t hace referencia a la variable tiempo y x a la variable demanda.

Ejemplo de aplicacin de un pronstico de

Regresin lineal Simple

La juguetera Gaby desea estimar mediante regresin lineal simple las ventas para el mes
de Julio de su nuevo carrito infantil "Mate". La informacin del comportamiento de las
ventas de todos sus
se

presenta

en

almacenes de cadena

el Mes

Ventas

1 Enero

7000

2 Febrero

9000

3 Marzo

5000

4 Abril

11000

5 Mayo

10000

6 Junio

13000

siguiente tabulado:

El primer paso para encontrar el pronstico del mes 7 consiste en hallar la pendiente, para
ello efectuamos los siguientes clculos:

Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor

de a, para ello efectuamos los siguientes clculos:

Ya por ltimo, determinamos el pronstico del mes 7, para ello efectuamos el siguiente
clculo:

Podemos as determinar que el pronstico de ventas para el perodo 7 es equivalente a

13067 unidades.

Relacin de la regresin lineal en

las ciencias ambientales.
En Economa, Administracin y en general en todas las ciencias sociales y naturales se
estudia entre otros temas, la relacin que existe entre dos variables.
La cantidad demandada de un determinado producto en un mercado se considera como
una funcin del precio; los costos de produccin de un determinado artculo se suponen
que estn en funcin de la cantidad de artculos producidos; los gastos de consumo se
consideran como una funcin de la renta; etc. Todas estas relaciones son tal vez
representaciones muy simplistas de los verdaderos modelos cuyas formulaciones ms
realistas requieren tal vez de la especificacin de muchas ms variables en cada una de
sus relaciones. As podramos decir que la demanda puede considerarse como una
funcin del precio, de los ingresos y de los precios de otros productos afines: los costos
de produccin dependern del volumen de la misma, del precio de los factores de
produccin y de los cambios en dicho volumen; del mismo modo los gastos de consumo
pueden especificarse como una funcin de los ingresos, de la liquidez y de los niveles
previos de consumo.

ANLISIS DE OZONO Y OXDOS DE

NITRGENO MEDIANTE TCNICAS DE
SERIES DE TIEMPO Y REGRESIN LINEAL
INTRODUCCIN Por varios aos en el pasado, estudios realizados en la Ciudad de
Mxico han mostrado que las concentraciones de ozono frecuentemente son altas en el
sector Suroeste y ms bajas en el Noreste de esta rea urbana (Jauregui, 1992; Collin &
Scott, 1993., Bravo et al., 1996., Streit & Guzmn, 1996., Bian et al., 1998, en Fast &
Zhong, 1998). Asimismo, dichos estudios han venido proporcionando informacin
suficiente sobre los complejos procesos que ocurren durante la formacin del ozono por,
ejemplo: en cmaras de exposicin controlada se ha observado la formacin de ste a
partir del ciclo fotoltico del Bixido de nitrgeno (NO2) bajo la influencia de la luz solar
(Leighton, 1961, en Jauregui, 1993; Falcn, 1989). Aunque en atmsferas urbanas su
produccin es un tanto similar, el proceso es an ms complejo, pues en ste intervienen
desde factores de emisin de precursores (NO2, NOx), que a su vez dependen en cierto
modo de algunos elementos del tiempo (temperatura, humedad relativa, etc.), algunos
factores climticos (altitud, latitud, etc.) hasta condiciones meteorolgicas adversas y la
presencia de hidrocarburos (Jauregui, 1992, 1993; Bravo et al., 1992). Esta situacin, en
el caso del Distrito Federal, se ha traducido recientemente en un grave problema (Bravo
et al., 1991,1992; Herrera et al., 1991; Jauregui, 1992; Jauregui et al., 1992; Fortoul et al.,
1995; Tllez-Rojo et al., 1997; Torijano et al., 1997; Arriaga et al., 1997; Segura & RuizSurez, 1997; Sandoval et al., 1997, en Correa- Garca, 1999). Este trabajo presenta el
anlisis histrico del ozono en tres zonas del D.F. mediante tcnicas de series de tiempo y
regresin. Comprende el anlisis de los datos de 1986 a 1999, para las estaciones
Tlalnepantla, Merced y Pedregal. A su vez se analiza el grado de asociacin de este
contaminante con sus precursores (NO2, NOx) y algunos parmetros del estado del
tiempo: temperatura, humedad relativa y velocidad del viento, con el propsito de mostrar
un modelo matemtico que estima valores mximos de O3, con base en valores de los
parmetros del estado del tiempo y concentraciones de los contaminantes precursores del
da anterior. Estos modelos forman parte de los resultados obtenidos del tema de tesis de
licenciatura en Biologa presentado en (CorreaGarca, 1999).

MTODOS
Se obtuvieron las concentraciones expresadas en ppm de los siguientes contaminantes
atmosfricos: xidos de nitrgeno (NOX) Bixido de (NO2) Ozono (O3) Se obtuvieron
tambin los valores de las variables meteorolgicas Temperatura Humedad relativa
Velocidad del viento En general, dichos datos provienen de las 32 estaciones de
monitoreo que conforman la Red Automtica de Monitoreo Atmosfrico (RAMA),
distribuidas en las 5 zonas en las que para estos fines se divide comnmente a la Ciudad
de Mxico (vase Fig. 1).
Se utilizaron los datos de las estaciones Tlalnepantla, Merced y Pedregal. Los registros se
obtuvieron de las bases de datos de la Secretara del Medio Ambiente del Distrito Federal
(SMADF). Se seleccion el valor mximo diario tanto de los contaminantes atmosfricos
como de las variables meteorolgicas.

Figura 1. Mapa topogrfico del Distrito Federal y reas circundantes [Modificado de INEGI
(1991), el cual se basa en datos obtenidos mediante identificacin fotogrfica y
cartogrfica en Cartas Topogrficas y Cartografa Censal del INEGI (1990)].Se
sobreponen las estaciones de monitoreo de la RAMA: las 03 estaciones empleadas en
este estudio forman parte de las 10 estaciones que cuentan con equipo meteorolgico.
(Modificado de Correa-Garca, 1999).
Las concentraciones de O3 se analizaron mediante tcnicas de series de tiempo, de
acuerdo con la metodologa Box & Jenkins (1976). Por ltimo, se hicieron anlisis de
correlacin y regresin mltiple entre las concentraciones de los contaminantes y los
valores de los parmetros meteorolgicos.

RESULTADOS
Series de Tiempo Las Figuras 2, 3 y 4 muestran las series de tiempo de las
concentraciones mximas diarias de ozono (O3) para las estaciones Tlalnepantla, Merced
y Pedregal del perodo 1986-1999. Los valores observados no denotan un patrn
estacional, o bien es difcil de identificar en los tres sitios de monitoreo. Asimismo, las
concentraciones de O3, rebasan con frecuencia en dos veces el valor estndar mexicano
de 0.11 ppm y stas se pueden presentar en cualquier poca del ao. La tendencia en
trminos generales es de un ligero descenso desde 1992 a la fecha. Estos resultados son
similares a los reportados en (Santilln-Moncayo, 1997; Estrada-Hernndez, 1998;
Correa-Garca, 1999). No obstante los incrementos observados en Tlalnepantla y Merced
1998 y 1999 respectivamente, las concentraciones de O3 en Pedregal desde 1996 a la
fecha han entrado en un aparente proceso de estabilizacin. Ntese que en las tres
estaciones se present un aumento en 1990-1991. Esta situacin se debi quiz al

incremento del parque vehicular derivado de la aplicacin del programa un da sin auto (el
cual promovi la compra de un auto adicional Jauregui, 1992; Bravo et al., 1992). Los
recientes aumentos en los niveles de O3 en las estaciones ya mencionadas, aunque un
poco menores a las observadas en 1991, se deben probablemente a un cambio en el
nmero de fuentes de emisiones de contaminantes precursores de O3 como: automviles,
industrias, servicios pblicos (hoteles, restaurantes, baos pblicos), cambios en las
gasolinas mexicanas, etc. Adems de condiciones meteorolgicas extremas, con altas
temperaturas, alteraciones en la poca de lluvia, incendios forestales, que se presentaron
en los alrededores de la Ciudad de Mxico, durante 1997-1998, entre otros factores. Esta
breve descripcin proporciona una idea clara sobre la dificultad que representa evaluar la
eficiencia de las polticas de control para mejorar la calidad del aire en la Zona
Metropolitana de la Ciudad de Mxico.

Figura 2. Concentracin mxima diaria para el Ozono en la estacin Tlalnepantla (Zona

Noroeste del D.F.). En lnea continua, serie de tiempo de los valores observados de 1986
a 1999; en lnea ondulada, tendencia del O3. Las R indican el grado de asociacin entre
los precursores (NO2;NOX) y cada uno de estos con respecto al ozono.

Figura 3. Concentracin mxima diaria para el Ozono en la estacin Merced (Zona Centro
del D.F.). En lnea continua, serie de tiempo de los valores observados de 1986 a 1999;
en lnea ondulada, tendencia del O3. Las R indican el grado de asociacin entre los
precursores (NO2;NOX) y cada uno de estos con respecto al ozono.

Figura 4. Concentracin mxima diaria para el Ozono en la estacin Pedregal (Zona

Suroeste del D.F.). En lnea continua, serie de tiempo de los valores observados de 1986
a 1999; en lnea ondulada, tendencia del O3. Las R indican el grado de asociacin entre
los precursores (NO2;NOX) y cada uno de estos con respecto al ozono.
En la Figura 5 se presentan las concentraciones mximas diarias para el O3 en la
estacin Pedregal de 1986 a 1999. Se muestra el pronstico para el ao 2000. Como se
puede apreciar, las curvas de ajuste con respecto a los valores observados no son muy

estrechas, a pesar del intervalo de confianza del 90%. Esto sugiere que el O3 en el ao
2000, seguir experimentando un ligero descenso, aunque no en forma marcada y
aproximadamente el 10% de los valores caern cerca de los lmites mximos del intervalo
de confianza. El histograma del recuadro se conoce como anlisis de residuales y
consiste en evaluar el adecuado ajuste del modelo ARIMA, en este caso los residuales
deben describir una distribucin normal, tal como se aprecia en la misma figura 5.

Figura 5. Concentracin mxima diaria para el Ozono en la estacin Pedregal (Zona

Suroeste del D.F.). En lnea contina, serie de tiempo de los valores observados de 1986
a 1999; en lnea gris claro, intervalo de confianza del 90% para el pronstico, generado
mediante el modelo ARIMA (0, 0, 1)(3, 0, 0). Retraso estacional de 365 das; en lnea gris
obscura, el pronstico para el ao 2000.

Anlisis de correlacin y regresin mltiple

Figura 6. Modelo de regresin para la prediccin de la concentracin mxima diaria de

ozono de 1999 al 01 de enero de 2000 para la estacin Pedregal (Zona Suroeste del
D.F.). Incluye como variables independientes, la media diaria del O3, el mximo diario de
NO2, mximo y promedio diario de NOX, temperatura, humedad relativa y velocidad del
viento del da anterior.

Figura 7. Modelo ARIMA para la prediccin de la concentracin mxima diaria de ozono

de 1999 al 01 de enero de 2000 para la estacin Pedregal (Zona Suroeste del D.F.).

Incluye como variables independientes, las mismas concentraciones mximas diarias del
O3 observadas tiempo atrs.
En la tabla 1 se presentan las estaciones de monitoreo automtico ms consistentes en
bases de datos de contaminacin para el O3. Esta tabla indica que slo siete de las 32
estaciones estn completas, lo cual representa entre el 25% y 30% de los registros. En la
prctica, ha sido comn sealar a la estacin Pedregal, como gua de los cambios en el
comportamiento del ozono, sin tomar en cuenta que en otras estaciones, este
contaminante, puede estar representando tambin un problema. Asimismo, dichos
registros estn disponibles a un nivel de promedios y mximos diarios. Por ltimo, la tabla
2 muestra los promedios mximos anuales de las concentraciones de Ozono empleadas
en este estudio, en donde se puede apreciar claramente la crisis ambiental de 1990-1991.
Tabla 1. Localizacin Geogrfica de las Estaciones de Monitoreo Automtico con mayor
disponibilidad y consistencia de registros para ozono (O3), que mide la Red Automtica de
Monitoreo Atmosfrico (RAMA), en la Ciudad de Mxico. (Modificado de Correa-Garca,
1999). En negrita, las estaciones empleadas en este estudio.

Tabla 2. Concentraciones mximas promedio anual de Ozono, para las Estaciones de

Monitoreo Automtico que mide la (RAMA), en la Ciudad de Mxico, empleadas en este
estudio.

CONCLUSIONES
El incremento en las concentraciones mximas diarias de ozono observado en 19901991, fue consistente en las tres estaciones de monitoreo con mayor crisis ambiental en
1991, seguido de un ligero descenso de 1993 a 1997, presentndose un segundo pero
menor ao de crisis en Tlalnepantla y Merced en 1998 y 1999, respectivamente, en tanto
el Pedregal ha entrado en un aparente proceso de estabilizacin desde 1996 a la fecha. A
pesar de esto, la tendencia de los niveles de O3 seguir mostrando un ligero descenso,
aunque al nivel de este estudio no es tan ntido. Por otra parte el O3 no presenta un
patrn estacional y las concentraciones frecuentemente alcanzan en dos veces el valor
estndar mexicano de 0.11 ppm al menos una vez al da durante todo el perodo de
estudio. De acuerdo con el modelo de regresin mltiple aqu presentado, las
fluctuaciones de las concentraciones de ozono estn asociadas en mayor medida con las
concentraciones promedio diario del ozono, seguido de los contaminantes precursores de
ozono del da anterior. El comportamiento de este modelo se considera que es bueno,
pero susceptible de presentar fallas en precisin de pronstico a causa de la variacin
caracterstica del fenmeno y a la falta de datos, entre otros aspectos. Esto ltimo,
tambin es aplicado para el modelo ARIMA, el cual es ms til para identificar las
caractersticas propias y tendencia de los contaminantes, pero no necesariamente como
una herramienta de pronstico, sino ms bien de diagnstico.

Bibliografa

Armando Correa Garca; Roberto Muoz Cruz & Gustavo Garca Cardoso Secretara del
Medio Ambiente, Direccin General de Prevencin y Control de la Contaminacin. Jalapa
No. 15, 2 Piso Colonia Roma Norte 06700, Mxico, D.F., Tel. (5) 511-8462 ANLISIS DE
OZONO Y OXDOS DE NITRGENO MEDIANTE TCNICAS DE SERIES DE TIEMPO Y
REGRESIN LINEAL
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/pron
%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/