Aplicación de regresión múltiple a la valuación de calderas Cleaver ...
Aplicación de regresión múltiple a la valuación de calderas Cleaver ...
Aplicación de regresión múltiple a la valuación de calderas Cleaver ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Aplicación</strong> <strong>de</strong> <strong>regresión</strong> <strong>múltiple</strong><br />
a <strong>la</strong> <strong>valuación</strong> <strong>de</strong> cal<strong>de</strong>ras<br />
<strong>Cleaver</strong> Brooks<br />
Ing. Julieta Pérez Ríos<br />
1
It Introducción d ió<br />
Pl P<strong>la</strong>n d <strong>de</strong> l <strong>la</strong> presentación t ió<br />
¿Qué es una cal<strong>de</strong>ra?<br />
C<strong>la</strong>sificación <strong>de</strong> cal<strong>de</strong>ras<br />
Regresión Múltiple<br />
Método<br />
Resultados<br />
Conclusiones<br />
Recomendaciones<br />
2
Problema<br />
Introducción<br />
Falta <strong>de</strong> métodos <strong>de</strong> pronóstico p exactos aplicados p en<br />
Maquinaria y Equipo lo que representa para el Valuador<br />
profesional una seria <strong>de</strong>sventaja.<br />
En ocasiones no resulta sencillo encontrar valores <strong>de</strong> cotización<br />
nuevos <strong>de</strong> inmediato, por lo que <strong>la</strong> aplicación <strong>de</strong> <strong>la</strong> <strong>regresión</strong><br />
<strong>múltiple</strong> se observa como una excelente alternativa para el<br />
pronóstico<br />
anteriores.<br />
<strong>de</strong> valores en base a cotizaciones <strong>de</strong> años<br />
3
Obj Objetivo ti<br />
Dar a conocer en el mundo <strong>de</strong> <strong>la</strong> <strong>valuación</strong> otras formas <strong>de</strong><br />
respaldar valores actuales en base a valores <strong>de</strong> años<br />
anteriores <strong>de</strong> una manera segura y confiable utilizando un<br />
método estadístico estadístico.<br />
4
Introducción<br />
<strong>Aplicación</strong> <strong>de</strong> Regresión Múltiple en Cal<strong>de</strong>ras <strong>Cleaver</strong> Brooks<br />
Corte interior <strong>de</strong> una cal<strong>de</strong>ra <strong>Cleaver</strong> Brook<br />
5
Introducción<br />
Especímenes varios que dan cuenta <strong>de</strong> <strong>la</strong> complejidad para <strong>la</strong> <strong>valuación</strong><br />
<strong>de</strong> maquinaria y equipo<br />
6
¿Porqué P é se eligió li ió Cal<strong>de</strong>ras? C CCal<strong>de</strong>ras? ld ?<br />
Por ser un equipo que se tiene en un gran<br />
número <strong>de</strong> industrias (alimenticia (alimenticia, textil textil, etc etc.). )<br />
En virtud <strong>de</strong> su frecuencia en el mercado, es<br />
también pertinente como valuador, conocer el<br />
comportamiento <strong>de</strong> los valores en función <strong>de</strong><br />
algunas <strong>de</strong> sus características físicas y <strong>de</strong>l<br />
mercado.<br />
7
¿Que Q es una cal<strong>de</strong>ra? ld ?<br />
Es un equipo intercambiador <strong>de</strong> calor cerrado<br />
herméticamente sujeto a presión que transfiere energía a<br />
un fluído, generalmente agua, para obtener vapor o agua<br />
caliente.<br />
8
Acuatubu<strong>la</strong>res<br />
Cl C<strong>la</strong>sificación ifi ió <strong>de</strong> d C Cal<strong>de</strong>ras ld<br />
9
Cl C<strong>la</strong>sificación ifi ió <strong>de</strong> d C Cal<strong>de</strong>ras ld<br />
Mostrando <strong>la</strong> forma <strong>de</strong>l hogar y <strong>de</strong>l quemador para <strong>la</strong>s<br />
cal<strong>de</strong>ras acuatubu<strong>la</strong>res<br />
Corte transversal<br />
Quemador<br />
10
Pirotubu<strong>la</strong>res<br />
Cl C<strong>la</strong>sificación ifi ió <strong>de</strong> d C Cal<strong>de</strong>ras ld<br />
11
Cl C<strong>la</strong>sificación ifi ió <strong>de</strong> d C Cal<strong>de</strong>ras ld<br />
Mostrando <strong>la</strong> forma <strong>de</strong>l hogar y <strong>de</strong>l quemador para <strong>la</strong>s<br />
cal<strong>de</strong>ras pirotubu<strong>la</strong>res<br />
12
Cl C<strong>la</strong>sificación ifi ió <strong>de</strong> d C Cal<strong>de</strong>ras ld<br />
Otros tipos <strong>de</strong> cal<strong>de</strong>ras<br />
13
Diagrama <strong>de</strong> Flujo <strong>de</strong> una Cal<strong>de</strong>ra<br />
14
R Regresión ió Múlti Múltiple l<br />
¿Porqué se <strong>de</strong>cidió aplicar el método<br />
estadístico <strong>de</strong> <strong>regresión</strong> <strong>múltiple</strong>?<br />
Por su aplicación p y bases.<br />
Se logra un resultado muy confiable <strong>de</strong> valor en base a<br />
varias especificaciones, p aunado a su respectivo p valor <strong>de</strong><br />
cotización <strong>de</strong> años anteriores.<br />
15
¿Que Q es l <strong>la</strong> R Regresión ió M MMultiple Multiple? lti l ?<br />
La Regresión Múltiple estudia <strong>la</strong> re<strong>la</strong>ción lineal entre una<br />
variable <strong>de</strong>pendiente (Y: valor) y dos ó más variables<br />
iin<strong>de</strong>pendientes d di t (X1 (X1, X2 X2, etc. t ) ).<br />
En <strong>la</strong> aplicación se emplearon 6 variables in<strong>de</strong>pendientes<br />
X1 … X6 y una variable <strong>de</strong>pendiente Y.<br />
16
Variables Variables in<strong>de</strong>pendientes:<br />
in<strong>de</strong>pendientes:<br />
R Regresión ió Múltiple Múlti l<br />
• X1: Año<br />
• X2: Mes<br />
• X3: Capacidad en BTU/Hora<br />
• X4: Motor (CC o HPB)<br />
• X5: Largo<br />
• X6: Diámetro<br />
Variables <strong>de</strong>pendiente:<br />
• Y :<br />
Ecuación General<br />
Y = b0 + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 17
Sistema Sistema <strong>de</strong> <strong>de</strong> ecuaciones<br />
ecuaciones<br />
R Regresión ió Múltiple Múlti l<br />
SumY= SumY (b (b0) 0) N+(b N (b1) 1) Sum X X1+(b 1 (b2)Sum 2)Sum X X2+(b 2 (b3)Sum 3)Sum X X3+(b 3 (b4)Sum 4)Sum X X4+(b 4 (b5)Sum 5)Sum<br />
X5+(b6)Sum X6 Sum X 1Y= (b 0) Sum X 1+(b 1) Sum X 1X 1+(b 2)Sum X 2X 1+(b 3)Sum X 3X 1+(b 4)Sum X 4X 1+(b 5)Sum X 5X 1+(b 6)Sum<br />
X 6X 1<br />
Sum X 2Y= (b 0) Sum X 2+(b 1) Sum X 1X 2+(b 2)Sum X 2X 2+(b 3)Sum X 3X 2+(b 4)Sum X 4X 2+(b 5)Sum X 5X 2+(b 6)Sum<br />
X 6X 2<br />
Sum X 3Y= (b 0) Sum X 3+(b 1) Sum X 1X 3+(b 2)Sum X 2X 3+(b 3)Sum X 3X 3+(b 4)Sum X 4X 3+(b 5)Sum X 5X 3+(b 6)Sum<br />
X 6X 3<br />
SSum X X4Y= Y (b 0) ) SSum X X4+(b +(b 1) ) SSum X X1XX 4+(b +(b 2)Sum )S X X2XX 4+(b +(b 3)Sum )S X X3XX 4+(b +(b 4)Sum )S X X4XX 4+(b +(b 5)Sum )S X X5XX 4+(b +(b 6)Sum )S<br />
X6X4 Sum X 5Y= (b 0) Sum X 5+(b 1) Sum X 1X 5+(b 2)Sum X 2X 5+(b 3)Sum X 3X 5+(b 4)Sum X 4X 5+(b 5)Sum X 5X 5+(b 6)Sum<br />
X 6X 5<br />
Sum X X6Y= Y= (b (b0) ) Sum X X6+(b +(b 1) ) Sum X X1XX 6+(b +(b 2)Sum )Sum X X2XX 6+(b +(b 3)Sum )Sum X X3XX 6+(b +(b 4)Sum )Sum X X4XX 6+(b +(b 5)Sum )Sum X X5XX 6+(b +(b 6)Sum )Sum<br />
X6X6 18
Diagrama g <strong>de</strong> flujo j en <strong>la</strong> aplicación p <strong>de</strong> <strong>la</strong><br />
Primer paso<br />
Segundo paso<br />
Regresión Múltiple<br />
Objetivo:<br />
Predicción <strong>de</strong> valores por medio <strong>de</strong> <strong>la</strong><br />
Regresión Múltiple<br />
Captura <strong>de</strong> cotizaciones <strong>de</strong><br />
Cal<strong>de</strong>ras <strong>Cleaver</strong> Brooks<br />
1990-2002<br />
Selección <strong>de</strong> datos numéricos <strong>de</strong> <strong>la</strong>s<br />
Tercer paso cal<strong>de</strong>ras ld ( (sin i lit literales) l )<br />
Cuarto paso<br />
Selección y <strong>de</strong>puración <strong>de</strong> los valores <strong>de</strong> <strong>la</strong>s<br />
cal<strong>de</strong>ras con <strong>la</strong> ayuda <strong>de</strong> <strong>la</strong> Ten<strong>de</strong>ncia<br />
empleando f(x)<br />
19
Diagrama g <strong>de</strong> flujo j en <strong>la</strong> aplicación p <strong>de</strong> <strong>la</strong><br />
Quinto paso<br />
Sexto paso<br />
Séptimo paso<br />
Regresión Múltiple<br />
<strong>Aplicación</strong> <strong>de</strong> <strong>la</strong>s regresiones:<br />
Lineal, Exponencial, Potencial y Logarítmica<br />
Examinar resultados estadísticos para cada mo<strong>de</strong>lo:<br />
•Coeficiente <strong>de</strong> Corre<strong>la</strong>ción r<br />
• Coeficiente <strong>de</strong> <strong>de</strong>terminación (r2)<br />
• Coeficiente <strong>de</strong> <strong>de</strong>terminación ajustado<br />
Elección <strong>de</strong> acuerdo a resultados estadísticos obtenidos<br />
don<strong>de</strong> los coeficientes <strong>de</strong> corre<strong>la</strong>ción y <strong>de</strong><br />
<strong>de</strong>terminación tien<strong>de</strong>n a 1 y el error tien<strong>de</strong> a cero.<br />
Pronóstico<br />
20
Mét Método d<br />
Se capturaron todos los datos encontrados <strong>de</strong>s<strong>de</strong> 1990<br />
hasta 2002 pero se fueron <strong>de</strong>purando.<br />
La base final que se manejó fue <strong>de</strong>s<strong>de</strong> 2001 al 2002 con<br />
accesorios.<br />
Por o tab<strong>la</strong>s tab as <strong>de</strong> Cal<strong>de</strong>ras Ca <strong>de</strong> as <strong>Cleaver</strong> Cea e Brooks oo s se agregaron ag ega o otras ot as<br />
variables como dimensiones y <strong>la</strong> capacidad <strong>de</strong> BTU/HR.<br />
21
Mét Método d<br />
22
Análisis <strong>de</strong> Varianza<br />
Mét Método d<br />
Grados <strong>de</strong> Suma <strong>de</strong> Prom. <strong>de</strong> los<br />
Valor crítico<br />
lib libertad t d cuadrados d d cuadrados d d F d<strong>de</strong> F<br />
Regresión 6 753253519806.22 125542253301.04 1972.749126 0.017232445<br />
Residuos 1 63638225.28 63638225.28<br />
Total 7 753317158031.50<br />
23
Análisis <strong>de</strong> Varianza<br />
Mét Método d<br />
Grados <strong>de</strong> Suma <strong>de</strong> Prom. <strong>de</strong> los<br />
Valor crítico<br />
lib libertad t d cuadrados d d cuadrados d d F d<strong>de</strong> F<br />
Regresión 6 0.746433703 0.124405617 1620.676329 0.019011895<br />
Residuos 1 7.67615E-05 7.67615E-05<br />
Total 7 0.746510465<br />
24
Análisis <strong>de</strong> Varianza<br />
Mét Método d<br />
Grados <strong>de</strong><br />
Suma <strong>de</strong> Prom Prom. <strong>de</strong> los<br />
Valor crítico<br />
libertad cuadrados cuadrados F<br />
<strong>de</strong> F<br />
Regresión 6 0.74629924 0.124383207 588.866071 0.031533633<br />
RResiduos id 1 00.000211225 000211225 00.000211225 000211225<br />
Total 7 0.746510465<br />
25
Análisis <strong>de</strong> Varianza<br />
Mét Método d<br />
Grados <strong>de</strong> Suma <strong>de</strong> Prom. <strong>de</strong> los<br />
Valor crítico<br />
lib libertad t d cuadrados d d cuadrados d d F d<strong>de</strong> F<br />
Regresión 6 7.49369E+11 1.24895E+11 31.63407329 0.13526622<br />
Residuos 1 3948111265 3948111265<br />
Total 7 7.53317E+11<br />
26
R Resultados lt d<br />
Exponencial es el mo<strong>de</strong>lo más recomendable<br />
27
Estudio Cal<strong>de</strong>ras: Exponencial<br />
Marca Mo<strong>de</strong>lo Año Mes<br />
Resultados<br />
X1 X2 X3 X4 X5 X6 Y1 LN Y<br />
Capacidad<br />
BTU/H<br />
Motor<br />
BHP<br />
Largo Diámetro Precio<br />
Pesos<br />
Dimensiones<br />
CLEAVER<br />
BROOKS<br />
CLEAVER<br />
CB-600-300 2001 6 10043 300 227 78 1,116,376 13.93<br />
BROOKS<br />
CLEAVER<br />
CB-600-600 2001 6 20085 600 284 96 1,602,834 14.29<br />
BROOKS CB CB-600-250-150st 600 250 150st 2002 1 8369 250 197 78 981 981,762 762 13 13.80 80<br />
CLEAVER<br />
BROOKS<br />
CLEAVER<br />
CB-600-200-150st 2002 1 6695 200 232.5 60 821,263 13.62<br />
BROOKS<br />
CLEAVER<br />
CB-600-300 2002 12 10043 300 227 78 1,133,885 13.94<br />
BROOKS<br />
CLEAVER<br />
CB-600-100 2002 12 3348 100 187 48 587,359 13.28<br />
BROOKS<br />
CLEAVER<br />
CB-600-125 2002 12 4184 125 174.5 60 677,824 13.43<br />
BROOKS CB-600-150 2002 12 5021 150 199.5 60 742,703 13.52<br />
calcu<strong>la</strong>do<br />
2003 9 3348 100 187 48 569,752<br />
560,000<br />
con fx<br />
por<br />
cotización
C Conclusiones l i<br />
En base a <strong>la</strong> metodología empleada el uso <strong>de</strong> <strong>la</strong> aplicación <strong>de</strong> <strong>la</strong><br />
<strong>regresión</strong> Múltiple resulta confiable para el pronóstico <strong>de</strong> valores, en<br />
el caso que nos ocupa ocupa.<br />
Por lo tanto este es un buen método <strong>de</strong> pronóstico <strong>de</strong> valores en <strong>la</strong><br />
aplicación <strong>de</strong> maquinaria y equipo, inmuebles, siempre y cuando se<br />
cuente con <strong>la</strong> información <strong>de</strong> valores <strong>de</strong> años anteriores, así como<br />
especificaciones técnicas <strong>de</strong> los equipos en cuestión cuestión.<br />
29
R Recomendaciones d i<br />
Necesario consi<strong>de</strong>rar <strong>la</strong>s transformaciones a <strong>la</strong>s variables originales.<br />
NO extrapo<strong>la</strong>r t l ell uso dl <strong>de</strong>l mo<strong>de</strong>lo dl para cualquier l i cal<strong>de</strong>ra. ld<br />
Explorar en software especializado (estadístico) para abundar aún<br />
más en <strong>la</strong> técnica.<br />
30
G R A C I A S !!<br />
31