APLICACIÓN EN AJUSTE CURVA EN

EL ANALISIS DEL PRECIO DE LOS

METALES (COBRE) EN EL PERU.
APLICACIÓN DEL METODO DE LA REGRESION PARA ESTIMAR LA
EXPORTACIÓN DE PRODUCTOS MINERALES NO METALICOS EN EL
PERIODO JULIO 2014 A JULIO 2015

En este caso el problema dado es proyectar un valor próximo

de las exportaciones (no tradicionales) de los productos
minerales no metálicos teniendo como referencia el total
exportado en 13 meses y verificarlo en la curva de ajuste.
 jul-14 ago-14 sep-14 oct-14 nov-14 dic-14
Cemento y
materiales de 17,2096 15,5095 14,4121 15,7481 14,9906 16,0398
construcción
Abonos y
28,5918 37,8426 24,3929 30,5045 33,4016 30,6032
minerales, en bruto
Vidrio y artículos
5,6921 5,7268 6,3416 4,8979 5,7829 6,1592
de vidrio
Artículos de
0,3849 0,4742 0,4779 0,7161 0,6587 0,3514
cerámica
Resto 2,3257 3,4555 2,4546 7,1081 6,4673 5,2531
TOTAL 54,2041 63,0086 48,0791 58,9747 61,3011 58,4067
ene-15 feb-15 mar-15 abr-15 may-15 jun-15 jul-15
17,8880 13,7890 16,1339 15,0840 14,3768 18,1187 12,2272
28,7000 33,6291 23,9196 27,4140 35,4837 33,8522 34,8681
5,5667 5,6429 7,6002 3,9012 7,0484 6,7748 5,0629
0,2893 0,2504 0,4167 0,3991 0,3914 0,4214 0,2750
4,4549 6,3111 3,9955 4,2947 3,2070 3,2898 1,8639
56,8989 59,6225 52,0659 51,0930 60,5073 62,4569 54,2971
Fuente: BCRP y Sunat
1.Regresion Lineal
mes X Y x2 xy
jul-14 1 54,2041 1 54,2041
ago-14 2 63,0086 4 126,0172
sep-14 3 48,0791 9 144,2373
oct-14 4 58,9747 16 235,8988
nov-14 5 61,3011 25 306,5055
dic-14 6 58,4067 36 350,4402
ene-15 7 56,8989 49 398,2923
feb-15 8 59,6225 64 476,98
mar-15 9 52,0659 81 468,5931
abr-15 10 51,0930 100 510,93
may-15 11 60,5073 121 665,5803
jun-15 12 62,4569 144 749,4828
jul-15 13 54,2971 169 705,8623
SUMA 91 740,9159 819 5193,024
Para el cuadro:

La ecuación estaría dada por : Y=a0x + a1

m=13
Σx=91 Σx2=819
Σy=740.9159 Σyx=5193.0239

El sistema de ecuaciones sería:

13 91 𝑎0 740.9159
=
91 819 𝑎1 5193.02

La solución es: 56.73

𝑎=
0.03
Y la ecuación de la recta es: Yr= 56.73X + 0.03
64

62

60

58

56

54

52

50

48
0 5 10 15
2.Regresion Polinómica de grado 2

mes X Y x2 x3 x4 xy yx2
jul-14 1 54,2041 1 1 1 54,2041 54,2041
ago-14 2 63,0086 4 8 16 126,0172 252,0344
sep-14 3 48,0791 9 27 81 144,2373 432,7119
oct-14 4 58,9747 16 64 256 235,8988 943,5952
nov-14 5 61,3011 25 125 625 306,5055 1532,5275
dic-14 6 58,4067 36 216 1296 350,4402 2102,6412
ene-15 7 56,8989 49 343 2401 398,2923 2788,0461
feb-15 8 59,6225 64 512 4096 476,98 3815,84
mar-15 9 52,0659 81 729 6561 468,5931 4217,3379
abr-15 10 51,0930 100 1000 10000 510,93 5109,3
may-15 11 60,5073 121 1331 14641 665,5803 7321,3833
jun-15 12 62,4569 144 1728 20736 749,4828 8993,7936
jul-15 13 54,2971 169 2197 28561 705,8623 9176,2099
Para el cuadro:

m=13
Σx=91 Σx2=819 Σx3=8281 Σx4=89271
Σy=740.9159 Σyx=5193.0239 Σyx2=606810.122

El sistema de ecuaciones sería:

13 91 819 𝑎0 740.9159
91 819 8281 𝑎1 = 5193.0239
819 8281 89271 𝑎2 606810.122

La solución es: 9847.6455

𝑎 = −3916.3262
279.7401
La ecuación de la parábola es:
Yp=9847.6455 - 3916.3262x + 279.7401x2

16000

14000

12000

10000

8000

6000

4000

2000

-2000

-4000
0 5 10 15
Aplicamos el mismo precedimiento para un polinomio
de tercer grado obteniendo la ecuación
Y= -296.1544*x.^3 +6498.9841*x.^2 -40047.1721*x + 59601.597
4
x 10
6

-2

-4

-6

-8
0 5 10 15
Observamos:

4
x 10
6

-2

-4

-6

-8
0 5 10 15
APLICACIÓN DEL METODO DE LA REGRESION
PARA ESTIMAR EL PRECIO DEL COBRE.
En este caso usaremos el método de regresión lineal y
polinómica para estimar el precio del cobre (Ctvs.
$US/lb) para el año 2005 y 2006 tomando como base
los datos anteriores a esos años.
 COBRE ORO ZINC PLATA PLOMO ESTAÑO
AÑO
Ctvs.US$/lb US$/OzTr Ctvs.US$/lb US$/OzTr Ctvs.US$/lb Ctvs.US$/lb
1995 133,2 384.52 46.78 5.19 28.62 281.82
1996 103,89 388.25 46.52 5.19 35.12 279.62
1997 103,22 331.56 59.75 4.89 28.32 256.09
1998 74,87 294.48 46.46 5.54 23.98 251.30
1999 71,38 279.17 48.82 5.25 22.80 245.07
2000 82,29 279.37 51.16 5.00 20.59 246.57
2001 71,56 271.23 40.17 4.39 21.60 203.40
2002 70,64 310.13 35.32 4.63 20.53 184.18
2003 80,73 363.62 37.54 4.91 23.36 222.03
2004 130,11 409.85 47.53 6.69 40.21 383.13
2005 166.87 445.47 62.68 7.34 44.29 334.84
2006 304.91 604.58 148.56 11.57 58.50 398.29
2007 322.93 697.41 147.07 13.42 117.03 659.47
2008 315.51 872.72 85.04 15.01 94.83 839.60
2009 233.52 973.62 75.05 14.68 77.91 615.83
2010 342.28 1225.29 98.18 20.19 97.61 926.63
2011 400.20 1569.53 99.50 35.17 108.97 1183.96
2012 360.55 1669.87 88.35 31.17 93.54 958.08
2013 332.31 1411.00 86.65 23.86 97.17 1012.24
2014 311.16 1266.09 98.07 19.08 95.07 994.08
 Tabla de precios del cobre ctvs. US$/libra

AÑO 1995 1996 1997 1998

Ctvs.US$/
COBRE 133,198 103,894 103,224 74,87
lb

1999 2000 2001 2002 2003 2004

71,38 82,29 71,56 70,64 80,73 130,106
año x y x2 x3 x4 xy yx2
1995 1 133,198 1,0000 1,0000 1,0000 133,1980 133,1980
1996 2 103,894 4,0000 8,0000 16,0000 207,7880 415,5760
103,224
1997 3 9,0000 0 27,0000 81,0000 309,6720 929,0160
1998 4 74,874
16,0000 64,0000 256,0000 299,4960 1197,9840
1999 5 71,380
25,0000 125,0000 625,0000 356,9000 1784,5000
2000 6 82,294
36,0000 216,0000 1296,0000 493,7640 2962,5840
2001 7 71,566
49,0000 343,0000 2401,0000 500,9620 3506,7340
2002 8 70,647
64,0000 512,0000 4096,0000 565,1760 4521,4080
2003 9 80,734
81,0000 729,0000 6561,0000 726,6060 6539,4540
100,000
2004 10 130,106 0 1000,000 10000,000 1301,0600 13010,6000
385,000
suma 55 974,481 0 3025,000 25333,000 5072,0690 35398,6254
 Regresión lineal

El sistema de ecuaciones
10 55 𝑎0 974,481
=
55 385 𝑎1 5072,069
116,6199
𝑎=
3,4858

Y la ecuación de la recta es: Y=116,6199 + 3,4858X

Graficando:
140

130

120

110

100

90

80

70
0 1 2 3 4 5 6 7 8 9 10
REGRESIÓN POLINOMIAL: GRADO DOS
ajustaremos la curva esta vez a un
polinomio de grado dos mediante el
mismo proceso aumentando la
dimensión de la matriz a una de 3x3

13 91 819 𝑎0 974,481
91 819 8281 𝑎1 = 5072,069
819 8281 89271 𝑎2 35398,625

160,1386
𝑎 = −25,2452
1,9781

La ecuación de la parábola es Y=160,1386 – 25,2452X + 1,9781X2

Graficando:
170

160

150

140

130

120

110

100

90

80

70
0 1 2 3 4 5 6 7 8 9 10
Tabla de datos para el ajuste de curva por
regresión polinomial de grado 3
x y x5 x6 yx3
1 133,1980 1 1 133,198
2 103,8940 32 64 831,152
3 103,2240 243 729 2787,048
4 74,8740 1024 4096 4791,936
5 71,3800 3125 15625 8922,5
6 82,2940 7776 46656 17775,504
7 71,5660 16807 117649 24547,138
8 70,6470 32768 262144 36171,264
9 80,7340 59049 531441 58855,086
10 130,1060 100000 1000000 130106
55 974,4810 220825 1978405 284920,826
Ajuste de curva: Polinomio de grado 3
Expandiendo más la matriz y usando los datos del
cuadro, tenemos:
10 55 385 3025 𝑎1 974.482
55 385 3025 25333 𝑎2 = 5072.069
385 3025 25333 220825 𝑎3 35398.625
3025 25333 220825 1978405 𝑎4 284920.826

𝑎1 70.7674
𝑎2 = 54.0229
𝑎3 −15.2088
𝑎4 1.0416

Obteniendo la ecuación:
Y= 1.0416X3 -15.2088X2 +54.0229X + 70.7674
Graficando:
140

130

120

110

100

90

80

70

60

50
0 1 2 3 4 5 6 7 8 9 10
 Tabla de datos para el ajuste de curva por
regresión polinomial de grado 4
x y x7 x8 Yx4
1 133,1980 1 1 133,198
2 103,8940 128 256 1662,304
3 103,2240 2187 6561 8361,144
4 74,8740 16384 65536 19167,744
5 71,3800 78125 390625 44612,5
6 82,2940 279936 1679616 106653,024
7 71,5660 823543 5764801 171829,966
8 70,6470 2097152 16777216 289370,112
9 80,7340 4782969 43046721 529695,774
10 130,1060 10000000 100000000 1301060
55 921,9170 18080425 167731333 2472545,7660
Ajuste de curva: Polinomio de grado 4

10 55 385 3025 25333 𝑎1

55 385 3025 25333 220825 𝑎2
385 3025 25333 220825 1978405 𝑎3
3025 25333 220825 1978405 18080425 𝑎4
25333 220825 1978405 18080425 167731333 𝑎5
974.482
5072.069
= 35398.625
284920.826
2472545.766
𝑎1 199.8941
𝑎2 −111.5240
𝑎3 = 45.3663
𝑎4 −7.2357
𝑎5 0.3762
Y obtenemos la ecuación:
Y= 0.3762X4-7.2357X3+45.3663X2 -111.5240X + 199.8941

Graficando:
200

180

160

140

120

100

80

60

40
0 1 2 3 4 5 6 7 8 9 10
Recopilando los datos:
Recogiendo los datos anteriores, hemos visto:
Lineal: Y=116,6199 + 3,4858X
Grado 2: Y 160,1386 + 25,2452X + 1,9781 X2
Grado 3: Y= 70.7674 + 54.0229X -15.2088X2 + 1.0416X3
Grado 4: Y= 199.8941 -111.5240X +45.3663X2-7.2357X3 +0.3762X4
200

180

160

140
Verde: lineal
120 Negro: grado dos
Rojo: grado tres
100
Azul: grado cuatro
80

60

40
0 1 2 3 4 5 6 7 8 9 10
200

180

160

140

120

100

80

60

40
0 1 2 3 4 5 6 7 8 9 10
Evaluando resultados y comparándolos a los reales:

Datos del Ministerio de Energía y Minas

2005 166.877
2006 304.906
2005
Lineal: Y=116,6199 + 3,4858*11= 80.4645
Grado 2: Y 160,1386 + 25,2452*11 + 1,9781*112= 121.7915
Grado 3: Y= 70.7674 + 54.0229*11 -15.2088*112 +
1.0416*113 =211.1241
Grado 4: Y= 199.8941 -111.5240*11 +45.3663*112-
7.2357*113+0.3762*114 =339.6798

2006
Lineal: Y=116,6199 + 3,4858*12= 78.3322
Grado 2: Y 160,1386 + 25,2452*12 + 1,9781*122= 142.0426
Grado 3: Y= 70.7674 + 54.0229*12 -15.2088*122 +
1.0416*123 =328.8598
Grado 4: Y= 199.8941 -111.5240*12 +45.3663*122-
7.2357*123+0.3762*124= 691.9469
Conclusiones:
• Como ya se había mencionado, la curva de tercer y
cuarto grado son las que mejor describen la
distribución de los puntos, pero en este caso la
que se aproxima más a los siguientes datos es la
curva de tercer grado.
• Como observamos, para este tipo de problemas
tampoco es recomendable usar polinomios de
grados muy altos, pues esto no asegura mayor
precisión.
• Asimismo tampoco es un método confiable para
obtener datos que estén muy alejados de los datos
proporcionados.
Bibliografia
• http://www.minem.gob.pe/_detalle.php?idSector=1&idTitular
=2309&idMenu=sub151&idCateg=639 – Ministerio de Energía
y Minas

• http://www.unjbg.edu.pe/coin2/pdf/c&d_9_art_16.pdf
(Universidad Nacional Jorge Basadre Grohmann- Tacna) Ing.
Salomón Ortiz Quintanilla

• www.bcrp.gob.pe/estadisticas/cuadros-de-la-nota-
semanal.htm

• http://es.slideshare.net/diegoegas/regresion-polinomial-
2512264 Diego Egas Varea- Regresión polinomial