Modelo de Regresiones no lineales.

...

En este caso el coeficiente de correlación múltiple salió casi 88 probando nuestra hipótesis pues mientras más se acerca a +1 la relación es mucho más fuerte.

El coeficiente de determinación R^2 me indica con un 95% de confianza que de un 77% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo.

Con este modelo probamos que la relación que existe entre el Consumo y el ingreso es directamente proporcional pues la pendiente (representado por b1) es positiva. A mayor cantidad de Exportaciones, mayor será la cantidad de producción para la cual prepararnos.

Modelo logarítmico

Gráfico 2. Curva de Regresión Ajustada Modelo Logarítmico

[pic 2]

Al utilizar un modelo logarítmico podemos ver que el coeficiente de determinación R^2 me indica con un 95% de confianza que de un 76% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo. Podemos corroborar que al cambiar del modelo lineal al modelo logarítmico perdemos un punto porcentual lo cual no vale la pena. Preferiría seguir trabajando con un modelo más sencillo como lo es el lineal.

Modelo exponencial

Gráfico 3. Curva Regresión Ajustada Modelo Exponencial

[pic 3]

Al utilizar un modelo exponencial podemos ver que el coeficiente de determinación R^2 me indica con un 95% de confianza que de un 78% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo. Podemos corroborar que al cambiar del modelo lineal al modelo exponencial mejora nuestro R^2 pero no al punto de justificar el cambio de modelo.

Modelo potencial

Gráfico 4. Curva Regresión Ajustada Modelo Potencial

[pic 4]

Al utilizar un modelo potencial podemos ver que el coeficiente de determinación R^2 me indica con un 95% de confianza que de un 77% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo. Me mantengo con el mismo coeficiente de determinación que con el modelo lineal lo que para mí resulta más práctico. Definitivamente no utilizaría este modelo.

Modelo polinómico de grado 2

Gráfico 5. Curva Regresión Ajustada Modelo Polinómico grado 2

[pic 5]

Al utilizar un modelo polinómico con grado 2 podemos ver que el coeficiente de determinación R^2 me indica con un 95% de confianza que de un 77% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo. Me mantengo con el mismo coeficiente de determinación que con el modelo lineal lo que para mí resulta más práctico. Definitivamente no utilizaría este modelo.

Modelo polinómico de grado 3

Gráfico 6. Curva Regresión Ajustada Modelo Polinómico grado 3

[pic 6]

Al utilizar un modelo polinómico podemos ver que el coeficiente de determinación R^2 me indica con un 95% de confianza que de un 85% de las observaciones que yo pueda hacer en el futuro, dentro de este rango, van a estar dentro de este modelo. Definitivamente de todos los modelos es el que mejor resultados de R^2 me arroja dándome más certeza al momento de producir la cantidad de banano necesaria para satisfacer mi demanda de exportación.

Conclusiones

De los modelos que hemos examinado nos damos cuenta que este la hipótesis es totalmente viable con el uso de un modelo polinómico de grado 3. Acercándome al mejor resultado aunque esto conlleve mayor trabajo.

Referencias

Proecuador. (2016, 04 10). Obtenido de www.proecuador.gob.ec: http://www.proecuador.gob.ec/compradores/oferta-exportable/banano/

Coordinación General del Sistema de Información Nacional. (2014, Enero). www.magap.com. Obtenido de http://sinagap.agricultura.gob.ec/banano

El Universo. (2006, Febrero 28). www.eluniverso.com. Obtenido de http://www.eluniverso.com/2006/02/28/0001/9/C5505C3CD27E49F4859F62CA4DE301A3.html

Proecuador. (2013). www.proecuador.gob.ec. Obtenido de http://www.proecuador.gob.ec/wp-content/uploads/2013/09/PROEC_AS2013_BANANO.pdf