P. 1
Regresion No Lineal...

Regresion No Lineal...

|Views: 3.765|Likes:
Publicado porEdwin Quispe

More info:

Published by: Edwin Quispe on Feb 11, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/04/2015

pdf

text

original

Sections

  • REGRESION NO LINEAL EN CRECIMIENTO DE AVES
  • RESUMEN
  • INDICE
  • INTRODUCCION
  • REGRESION NO LINEAL EN EL CRECIMIENTO DE AVES
  • I.CONCEPTOS TEORICOS DE REGRESION NO LINEAL
  • I.1.INTRODUCCION
  • I.1.DESCRIPCIÓN DE UNA ECUACIÓN DE REGRESIÓN
  • I.2.REPRESENTATIVIDAD DE LA CURVA DE
  • REGRESIÓN
  • I.2.1.Poder explicativo del modelo
  • I.1.1. PODER EXPLICATIVO FRENTE A PODER
  • PREDICTIVO
  • I.1.2.CAUSALIDAD
  • I.1.3.EXTRAPOLACIÓN
  • I.2.REGRESIÓN NO LINEAL E INFERENCIA
  • I.3.LINEALIZACIÓN
  • I.1.METODOS DE AJUSTE EN UNA REGRESION NO
  • LINEAL
  • I.1.1.MÍNIMOS CUADRADOS ORDINARIOS Y
  • PONDERADOS
  • I.1.2.Estimación de los parámetros con el método
  • Monte Carlo
  • I.1.3.Algoritmo de Gauss–Newton
  • I.1.TIPOS DE REGRESIÓN NO LINEAL
  • I.1.1.PARÁBOLA DE REGRESIÓN
  • I.1.2.REGRESIÓN HIPERBÓLICA
  • I.1.3.MODELO POTENCIAL
  • I.1.4.MODELO EXPONENCIAL
  • I.1.6.MODELO POLINOMIAL
  • II.APLICACIÓN DE LA REGRESION NO LINEAL EN LA
  • CURVA DE CRECIMIENTO DE AVES
  • II.1.Modelos Matemáticos No Lineales utilizadas para
  • estudiar el crecimiento animal:
  • 1.MODELO LOGISTICO:
  • 2.MODELO DE GOMPERTZ
  • 3.MODELO DE BERTALANFFY
  • 4.MODELO DE RICHARDS
  • 5.MODELO DE JANOSCHECK
  • 6.MODELO MICHAELIS-MENTEN
  • I.1.INVESTIGACIONES QUE HACEN USO DE LOS
  • MODELOS MATEMÁTICOS
  • CONCLUSIONES
  • BIBLIOGRAFÍA

Universidad Nacional José Faustino Sánchez Carrión FACULTAD DE CIENCIAS

Escuela Académico Profesional de Matemática Aplicada

MONOGRAFIA

Regresión No Lineal en el Crecimiento de
Presentado por:

Levy César Samamé Mendoza
Bachiller en Matemática Aplicada

Huacho - Perú 2012
Bach. Levy César Samamé Mendoza Página 1

REGRESION NO LINEAL EN CRECIMIENTO DE AVES

RESUMEN
El análisis de regresión no lineal en el crecimiento de aves, es una monografía que presenta y describe los diferentes modelos de regresión de funciones no lineales, enfatizando en los métodos de solución, específicamente funciones potenciales y exponenciales, como gompertz, logística entre otros, cuyas graficas se asemejan al comportamiento del crecimiento de animales, especialmente el de aves. Se determina la importancia de las funciones no lineales en la determinación de comportamientos y carateristicas biológicas de cierta especie.

Bach. Levy César Samamé Mendoza Página 2

INDICE

Introducción
I. Conceptos teóricos de regresión no lineal

I.1. Introducción I.2. Descripción de una ecuación de regresión I.3. Representatividad de la curva de regresión. I.3.1. Poder explicativo del modelo I.3.2. Poder explicativo frente a poder predictivo I.3.3. Causalidad I.3.4. Extrapolación I.4. Regresión no lineal e inferencia I.5. Linealización
I.6.

Métodos de ajuste en una regresión no lineal I.6.1. Mínimos cuadrados ordinarios y ponderados I.6.2. Estimación de los parámetros con el método monte carlo I.6.3. Algoritmo de gauss–newton

I.7. Tipos de regresión no lineal I.7.1. Parábola de regresión
I.7.2. Regresión hiperbólica

I.7.3. Modelo potencial I.7.4. Modelo exponencial I.7.5. Modelo logarítmico
Bach. Levy César Samamé Mendoza Página 3

I.7.6. Modelo polinomial II. Aplicación de la regresión no lineal en la curva de crecimiento de aves II.1. Modelos matemáticos no lineales utilizadas para estudiar el crecimiento animal: II.2. Investigaciones que hacen uso de los modelos matemáticos Conclusiones Bibliografía

Bach. Levy César Samamé Mendoza Página 4

específicamente en aves. en otros casos se recurre a software estadísticos que determinan el tipo de función que representa a los datos en evaluación. áreas que aparentemente no están relacionadas con los conceptos matemáticos. a la vez se presentan investigaciones realizadas en el ámbito de biología. situado en el área de estadística. utilizadas como herramienta de análisis en múltiples investigaciones. mediante funciones no lineales. muchas veces desarrolladas mediante el concepto de linealización. sin Bach. la zootecnia entre otros. que permita estimar valores entre variables correlacionadas. El objetivo para presentar esta monografía es visualizar en la misma. realizadas en el ámbito de la biología. la amplia gama de modelos matemáticos (funciones no lineales). donde se hace uso de la regresión no lineal como herramienta de análisis. en el cual se aplican logaritmos para reducir la expresión a funciones lineales. condiciones y supuestos para cada método. Levy César Samamé Mendoza Página 5 .INTRODUCCION Este trabajo tiene por objetivo presentar en forma descriptiva y conocer la aplicabilidad de un modelo matemático. específicamente en el tema de regresión no lineal. Se incluyen conceptos teóricos de regresión y tipos de regresión no lineal.

El autor Bach. Levy César Samamé Mendoza Página 6 .embargo hacen uso de estos modelos para determinar los requerimientos específicos por cada etapa en función al desarrollo fisiológico del animal. a la vez se observa que se relaciona el peso corporal de las aves con la base genética de las mismas.

Bach. Levy César Samamé Mendoza Página 7 .

se desea conocer algo acerca de la relación o dependencia entre dos características cuantitativas. CONCEPTOS TEORICOS DE REGRESION NO LINEAL I. En muchas ocasiones. por cierto. INTRODUCCION Regresión es una palabra un tanto rara. consideradas sobre la misma población objeto de estudio (por Bach. y suena como "ir hacia atrás".Regresión No Lineal en el Crecimiento de Aves 8 REGRESION NO LINEAL EN EL CRECIMIENTO DE AVES I. que si los padres son altos.1. Empleó este concepto para indicar la relación que existía entre la estatura de los niños de una muestra y la estatura de su padre. el término no se utiliza en ese sentido. Fue un biólogo y estadístico inglés. SIR FRANCIS GALTON*. La utilizan los biólogos. de modo que sus hijos retroceden hacia la media de la que sus padres. los médicos. quien introdujo en 1889 el término regresión en Estadística. Pero ocurría un hecho curioso: cuando el padre es muy alto o muy bajo. aparece una perceptible "regresión" hacia la estatura media de la población. y realmente este es verdadero significado del vocablo. o más de una. y si los padres son bajos los hijos son también de menor estatura. "volver al pasado". los hijos generalmente también lo son.. Observó. Levy César Samamé Mendoza Página 8 . están muy alejados.. Hoy día. los psicólogos.

Hay muchos casos en los que ya de antemano se "sospecha" que puede existir algún tipo de relación. y X la variable independiente o regresora). dando lugar a un diagrama dedispersión o nube de puntos.2. siendo Y la variable dependiente.…. • Si existe dependencia. • Si puede predecirse la variable que es considerada como dependiente a partir de los valores de la otra. Sobre cada individuo de la muestra seanalizan las dos características en estudio.n). Para representar los valores. con qué precisión. y por consiguiente. es necesario conocer el "grado de relación". se pretende saber por ejemplo. Así. Para analizar si dos variables aleatorias están relacionadaso no (de ahora en adelante se denominarán X e Y . de modo que para cada individuo se tenga un par de valores(xi. Bach.yi)(1. consiste en tomar una muestra aleatoria. en el caso de que tengamos únicamente dosvariables: • Si ambas variables están realmente relacionadas entre sí o si. y si es así.Regresión No Lineal en el Crecimiento de Aves 9 ejemplo la talla y el peso). por el contrario. así como el "tipo" de relación entre ambas. que es considerada independiente. pueden considerarse independientes. se presentan en los ejes cartesianos. Levy César Samamé Mendoza Página 9 .

yi). o simplemente a que se ha especificando mal el Bach. debidopor ejemplo. En el primercaso la relación es perfecta: Y= f(X). la relación entre X e Y . a no incluir variables en el modelo que sean importantes a la hora de explicar el comportamiento de Y . indicándonos de manera visual la primera idea de cuál es el comportamiento y la relación de los datos: • Evaluar si existe dependencia funcional o dependencia estocástica. sino otra dependencia orelación menos rigurosa o dependencia estocástica Entonces. no existe una dependencia funcional perfecta. decoordenadas(xi. es decir. Levy César Samamé Mendoza Página 10 . y cuyos efectos sean diferentes a los de X .Regresión No Lineal en el Crecimiento de Aves 10 cada individuo vendrá representado por un punto en el gráfico. de de la forma Y=a+bX+e . los puntos del diagrama de dispersióncorrespondiente aparecen sobre la función Y= f(X) . errores aleatorios o de medida. se escribiría. donde es un error (o residual). por ejemplo la relación lineal perfecta entre las variables: • Muchas veces.

(b) Análisis de correlación. ○ ¿Cuál es el grado de dicha dependencia? En el análisis de regresión las cuestiones son: Bach. en lugar de ser una recta.Regresión No Lineal en el Crecimiento de Aves 11 modelo (por ejemplo. sea unaparábola). tiene como fin dar respuesta a las preguntas: ○ ¿Existe dependencia estocástica entre las variables?. • En la dependencia estocástica. se distinguen dos tipos de técnicas: (a) Análisis de regresión. En el primer caso: El análisis de correlación. Levy César Samamé Mendoza Página 11 .

Levy César Samamé Mendoza Página 12 . • En general. llamada línea de regresión que se ajusta más o menos claramente a la nube de puntos. se denominará ecuación de regresión a la ecuación que describe la relación entre lasdos variables. ○ ¿Pueden estimarse los valores de Y a partir de los de X?y ○ ¿Con qué precisión?.1. I. la variable X se conoce como variable independiente. • Se dice que existe regresión de los valores de una variable con respecto a los de otra. Evidentemente puede ser arbitrario el determinar la existencia de regresión así como el tipo de la misma. cuando hay alguna línea. y la Y como variable dependiente. se hacen necesarios métodos estadísticos objetivos.Regresión No Lineal en el Crecimiento de Aves 12 ○ ¿Cuál es el tipo de dependencia entre las dos variables?. independientes del investigador. Por lo tanto. Si existe regresión. para determinar la existencia o no de relación y el tipo de la misma. yaque depende del autor o del estado de ánimo de la persona en un momento determinado. DESCRIPCIÓN DE UNA ECUACIÓN DE REGRESIÓN Bach.

….Regresión No Lineal en el Crecimiento de Aves 13 Si las dos variables X e Y se relacionan según un modelo de línea recta. potencial. Levy César Samamé Mendoza Página 13 . predictoras o independientes. regresoras. se habla de regresión no lineal o curvilínea. se habla de regresión múltiple.Xn). etc.X2. Cuando hay más de una variable independiente(X1. Bach. se habla de regresión lineal simple: Y=a+bX Cuando las variables X e Y se relacionan según una línea curva. y una sola variable dependiente Y . exponencial. Aquí se puede distinguir entre regresión parabólica. Las variables Xise denominan.

de lo buena que es lacurva. Si tiene carácter de línea media (de promedio. que tenga en cuenta la dispersión de cada observación con respecto a la curva. los errores o residuales. Si la dispersión es grande. REPRESENTATIVIDAD REGRESIÓN.1.2. o lo que es lomismo. por tanto. Poder explicativo del modelo La curva de regresión. Es decir. deberá ir acompañada siempre de una medida que exprese su representatividad. Se necesita. lo alejado que se encuentra cada punto de la curva. la bondad de ajuste será baja. se debe evaluar esas distancias verticales a la curva. Levy César Samamé Mendoza Página 14 .es decir.Si las dispersiones son pequeñas.una medida de dispersión.2. ya que el haber obtenido la mejor de todas no da garantías de que sea buena. la bondad de ajuste del modelo será alta. es decir.Regresión No Lineal en el Crecimiento de Aves 14 I. Por tanto. DE LA CURVA DE I. tiene carácter de línea media que trata de resumir o sintetizar la informaciónsuministrada por los datos. la curva será un buen representante de la nube de puntos.Una forma de medir dicha bondad de ajuste es precisamente evaluando la suma de los cuadrados de los errores. se llamará varianza residual a la expresión: Bach. es decir. en definitiva).

a partir de la expresión anterior:: 0<R2<1. Levy César Samamé Mendoza Página 15 . la curva no explicará el comportamiento general de la nube. Expresado en tantos por 1. la varianza de la variable dependiente. Por tanto. es decir. Por tanto: Bach. En el que es fácil obtener una medida R2o coeficiente de determinación que indique el porcentaje de variación controlada o explicada mediante el modelo. será: R2=1-Se2SY2 Como puede observarse. se obtiene el porcentaje de variación no explicado por el modelo: % devariacionsinexplicar=Se2SY2100.Regresión No Lineal en el Crecimiento de Aves 15 Se2=i=1n(yi-yi*)2n Si la varianza residual es grande. el modelo será malo. es decir. y multiplicando por 100. La cota máxima de la varianza residual es la varianza que se trata de explicar mediante el modelo de regresión. sin más que hacer relativa la varianza residual respecto de su máximo valor.

La única forma de poder evaluar el poder predictivo del modelo es tras la observación y el análisis de los gráficos de residuales.Regresión No Lineal en el Crecimiento de Aves 16 ○ Si R2=1 no hay residuos: habrá una dependencia funcional. I. de diagramas de dispersión. puede no ser bueno para predecir.1. de modo que o bien el modelo es inadecuado. en los que Bach. y puede ocurrir. ○ Si R2=0 entonces X no explica en absoluto ninguna de las variaciones de la variable Y. Levy César Samamé Mendoza Página 16 . no implica que todos lo estén. y por tanto. es decir. Cuanto más se acerque dicho valor a la unidad.ya que el que la mayoría de los puntos se encuentren cercanos a la recta de regresión.1. que justamente para aquel rango de valores en el que el investigador está interesado. menor poder explicativo. el valor predictivo puede alejarse mucho de la realidad. PODER EXPLICATIVO FRENTE A PODER PREDICTIVO Un modelo de regresión con un alto porcentaje de variaciones explicado. o bien las variables son independientes. Cuanto más cercano a 0 esté dicho valor. mayor poder explicativo tendrá el modelo de regresión. se alejen de la recta.

si se realiza un estudio en el que se analiza el número de canas ( X) y la presión arterial (Y ) podría encontrarse una relación lineal casi perfecta. de que un modelo sea capaz de explicar de manera adecuada las variaciones de la variable dependiente en función de la independiente. Eso no significa Bach. Por ejemplo. Levy César Samamé Mendoza Página 17 . diremos. que un modelo con un alto poder explicativo. también es bueno para predecir. y en el eje de abscisas se colocan o bien X . ya que puede ocurrir el hecho de que se esté dando una variación concomitante. por el simple hecho de que las dos son causa de una tercera.1. CAUSALIDAD Es muy importante resaltar el hecho. El hecho de que las variables estén relacionadas no implica que una sea causa de la otra. I. Sólo si la banda de residuales es homogénea. o Y * .2.Regresión No Lineal en el Crecimiento de Aves 17 en el eje de ordenadas se colocan los residuales. Y . y se encuentran todos los puntos no demasiado alejados del 0 (aunque depende de la escala de medida). no implica que la primera sea causa de la segunda. Es un error muy común confundir causalidad con casualidad.

EXTRAPOLACIÓN Es importante resaltar el hecho de que al hacer predicciones. Levy César Samamé Mendoza Página 18 . no deben extrapolarse los resultados más allá del rango de la variable X utilizado para ajustar el modelo. y . REGRESIÓN NO LINEAL E INFERENCIA La regresión no lineal es un problema de inferencia para un modelo tipo: y=fx.Regresión No Lineal en el Crecimiento de Aves 18 que el tener canas aumente la presión arterial. la causante. I.2. con el método de los mínimos cuadrados).1.θ+ε basado en datos multidimensionales x .3. puede ser necesario utilizar conceptos de Bach. Como mínimo. I. Con el fin de determinar si el modelo es adecuado. donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ . ya que más allá de ese rango se desconoce qué puede estar ocurriendo.lo que verdaderamente está ocurriendo es que es la edad. se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente. de que se tengan más canas y una tendencia a tener más alta la presión arterial.

Bach. El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión. b. en este caso con dos variables predictoras x y x2 . Paquetes (software) estadísticos consideran. Sin embargo. Este es el sentido del término "lineal" en el contexto de la regresión estadística. y c. Los procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal (múltiple). en ocasiones se sugiere que la regresión no lineal es necesaria para ajustar polinomios.Regresión No Lineal en el Crecimiento de Aves 19 inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste. más alternativas de regresión lineal que de regresión no lineal en sus procedimientos. Levy César Samamé Mendoza Página 19 . la cual es mejor no tratar como un caso de regresión no lineal. Las consecuencias prácticas de esta mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en realidad hay una solución disponible en términos de regresión lineal. por lo general. Cuando la función f toma la forma: f(x) = ax2 + bx + c la función f es no lineal en función de x pero lineal en función de los parámetros desconocidos a.

la Bach. Levy César Samamé Mendoza Página 20 . LINEALIZACIÓN Algunos problemas de regresión no lineal pueden linealizarse mediante una transformación en la formulación del modelo. I. Por ejemplo. considérese el problema de regresión no lineal (ignorando el término de error): y=aexp⁡(bx) Aplicando logaritmos a ambos lados de la ecuación. un cálculo que no requiere procedimientos de optimización iterativa.3.Regresión No Lineal en el Crecimiento de Aves 20 Ejemplo de regresión no lineal. se obtiene: ln(y)=ln(a)+bx • lo cual sugiere una estimación de los parámetros desconocidos a través de un modelo de regresión lineal de ln ( y) con respecto a x . De todas formas.

es necesario minimizar la suma de los residuales al cuadrado ponderados ponderados). Levy César Samamé Mendoza Página 21 . cosa que puede ser un inconvenientes.1. I. en aquellos casos donde se tienen diferentes varianzas de error para diferentes errores.1.Regresión No Lineal en el Crecimiento de Aves 21 linealización debe usarse con cuidado ya que la influencia de los datos en el modelo cambia. Esta es la aproximación por el método de mínimos cuadrados (MMC). Sin embargo. así como la estructura del error del modelo y la interpretación e inferencia de los resultados. Hay que distinguir entre la "linealización" usada en los párrafos anteriores y la "linealización local" que se adopta para algoritmos clásicos como el de Gauss-Newton.1. MÍNIMOS CUADRADOS ORDINARIOS Y PONDERADOS Se considera la mejor curva de ajuste aquella que minimiza la suma de las desviaciones (residuales) al cuadrado (SRC). (SRCP) (método de mínimos cuadrados Bach. METODOS DE AJUSTE EN UNA REGRESION NO LINEAL I.

En general. la varianza puede depender del valor promedio ajustado. no hay una expresión de forma cerrada para los parámetros de mejor ajuste. Otra vez. Estimación de los parámetros con el método Monte Carlo Si el error de cada observación es conocido. En la práctica se suponen algunos valores iniciales los cuales junto con el algoritmo de optimización conducen a encontrar el máximo global.1. Así que las ponderaciones son recalculadas para cada iteración en un algoritmo de mínimos cuadrados ponderados iterativo. podría haber varios máximos locales de la función a ser optimizada.Regresión No Lineal en el Crecimiento de Aves 22 En la práctica. Cada observación es aleatorizada de acuerdo a su media y su desviación estándar. Métodos numéricos de optimización son aplicados con el fin de determinar los parámetros de mejor ajuste. en contraste con la regresión lineal. entonces la precisión y confiabilidad de los parámetros puede ser estimada mediante simulación Monte Carlo.2. Las observaciones son entonces Bach. Levy César Samamé Mendoza Página 22 . como sucede en el caso de la regresión lineal. una nueva curva es ajustada y las estimaciones de los parámetros registradas. I. Con el nuevo conjunto de datos.

Al final.p2. se generan varios conjuntos de parámetros y pueden ser calculadas la media y desviación típica. Algoritmo de Gauss–Newton En matemáticas.1. I.…. Esto significa que debemos proporcionar una estimación inicial del parámetro vector que denominaremos p0. ….…. se desea minimizar la suma: Sp=i=1n(fi(p))2 Donde p se refiere al vector p1.pm.fmde n parámetrosp1. Bach. el algoritmo de Gauss–Newton se utiliza para resolver problemas no lineales de mínimos cuadrados. ○ El problema: Dadas m funciones f1. Es una modificación debida a CF Gauss del método de optimización de Newton que no usa segundas derivadas.3.Regresión No Lineal en el Crecimiento de Aves 23 aleatorizadas y nuevos valores de los parámetros son obtenidos.pmcon m≥n. ○ El algoritmo El algoritmo de Gauss-Newton es un procedimiento iterativo. Levy César Samamé Mendoza Página 23 .f2.p2.

Regresión No Lineal en el Crecimiento de Aves 24 Estimaciones posteriores pk para el vector parámetro son producidas por la relación recurrente: Donde f=(f1. I. Levy César Samamé Mendoza Página 24 .1. esa relación no es lineal. fm) yJf(p) denota el Jacobianode f en p (nótese que no es necesario que Jf sea cuadrada). La matriz inversa. Bach... pero desde luego. TIPOS DE REGRESIÓN NO LINEAL Se observa una clara relación entre las dos variables.. en lugar de ellos se utiliza y se computa la actualización de δk resolviendo el sistema lineal una buena implementación del algoritmo de GaussNewton utiliza también un algoritmo de búsqueda lineal: en lugar de la fórmula anterior para pk+1.. nunca se computa explícitamente. en la práctica. se utiliza donde el número αk es de algún modo óptimo.

haciendo que la suma de los cuadrados de las desviaciones con respecto a la curva de regresión sea mínima: Bach. debemos buscar la función que ha de describir la dependencia entre las dos variables: la función parabólica. I. El problema consiste.Regresión No Lineal en el Crecimiento de Aves 25 Por tanto. la exponencial y la potencial.1.1. un razonamiento similar al que hicimos en el caso del modelo de regresión lineal simple. por tanto. utilizando el procedimiento de ajuste de los mínimos cuadrados. en determinar dichos parámetros para una distribución dada. es una función de segundo grado la que se ajusta lo suficiente a la situación real dada. La expresión general de un polinomio de 2º grado es: Y=a+bX-cX2 donde a. la logarítmica. Levy César Samamé Mendoza Página 25 . b y c son los parámetros. PARÁBOLA DE REGRESIÓN En muchos casos. es decir. Seguiremos para ello.

1. siguiendo la notación habitual. Levy César Samamé Mendoza Página 26 . e los valores estimados según el modelo. REGRESIÓN HIPERBÓLICA Cuando la dependencia entre las variables X e Y es de forma hiperbólica. podemos escribir D de la forma: D=i=1n(yi-yi*)2=i=1n(yi-a-bxi-cxi2)2 Para encontrar los valores de a.2. deberemos igualar las derivadas parciales de D con respecto a dichos parámetros a cero y resolver el sistema resultante. interesa ajustar a la nube de puntos una función del tipo: y=a+bx La función a minimizar será: Bach. i=1nyi=na+bi=1nxi+ci=1nxi2 i=1nxiyi=ai=1nxi+bi=1nxi2+ci=1nxi3 i=1nxi2yi=ai=1nxi2+bi=1nxi3+ci=1nxi4 I. yi son los valores observados de la variable dependiente. Las ecuaciones que forman dicho sistema se conocen como ecuaciones normales de Gauss (igual que en el caso de la regresión lineal simple). por tanto.Regresión No Lineal en el Crecimiento de Aves 26 D=i=1n(yi-yi*)2 donde. b y c que hacen mínima la expresión anterior.

Si en la expresión de la función potencial se toman logaritmos.j=1nyjxi I.j2=i. se calculan las derivadas parciales respecto a los parámetros a y b .j=1na+bxi-yj1xi=0 En consecuencia las ecuaciones normales serán: i.3.j=1ndi. con solo tomar logaritmos. M=i.j=1na+bxi-yj1xi=0⟺ aN+bi=1n1xi=i=1nyjai=1n1xi+bi=1n1xi2=i. de la forma Y=AXby uno exponencial Y=ABx se reduce al de la función lineal. se obtiene: Log Y= log A+ b log X Bach. Es decir.Regresión No Lineal en el Crecimiento de Aves 27 M=i.1.j=1na+bxi-yj=0i.j=1na+bxi-yj=0∂M∂b=2i.j=1n(a+bxi-yj)2 Para minimizar la expresión. Levy César Samamé Mendoza Página 27 .j=1n(y-yj)2 Donde yi=a+bxi Por tanto.igualando a cero: ∂M∂a=2i. MODELO POTENCIAL El problema de ajustar un modelo potencial.

Regresión No Lineal en el Crecimiento de Aves 28 Que es la ecuación de una recta Y=a +b X. donde ahora a= logA. El problema se reduce a transformar Y en logY y X en log X y ajustar una recta a los valores transformados. Bach. El parámetro b del modelo potencial coincide con el coeficiente de regresión de la recta ajustada a los datos transformados y A se obtiene mediante anti log(a). Levy César Samamé Mendoza Página 28 .

1. en cuyo caso interesa ajustar a la nube de puntos una función del tipo: y=ea+bx Mediante una transformación lineal. en su mayoría biológicos. MODELO EXPONENCIAL En determinados experimentos. se convierte el problema en una cuestión de regresión lineal. tomando logaritmos neperianos.4. la dependencia entre las variables X e Y es deforma exponencial. Es decir.Regresión No Lineal en el Crecimiento de Aves 29 I. tomando logaritmos neperianos: lny=a+bx Y Bach. Levy César Samamé Mendoza Página 29 .

descartando multiplicidades y suponiendo que cada par se repite una sola vez. Para simplificar.Regresión No Lineal en el Crecimiento de Aves 30 Llamando: Y=lny Se tiene: Y=a+bx (Regresión lineal). las ecuaciones normales serán: aN+bi=1nxi=i=1nlnyiai=1nxi+bi=1nxi2=i=nxilnyi Calculando los parámetros a y b se tiene la ecuación de la función exponencial: y=ea+bx Ejemplo x 1 y 3 In y 1. Levy César Samamé Mendoza Página 30 .0986 x2 1 x Iny 1.0986 In y2 1.2069 Bach.

7836 8.84272 a=eb=e0.7614-1.2327 5.46288=1.6125 y promedio=lny=1ni=1nai=11.9547 7.216047 a=y-bx=1. Bach.98=2.4231 Σ 32.2237 1.216047=2. está referida a log X y a Y .7865 3.4328 Usando la forma lineal de la Regresión Exponencial: b=xy-yxx2-xx=32.4 5 2 4.7 4 4.2 1.2160472.6931 1.8718 Σ 11.4684 2.5.25 Σ 67.43285-0.5056 Σ 17.25 4 9 13. pero en lugar de estar referida a las variables originales X e Y .7614 1.44 2.4109 1.3862 4.4141 1.1.5 Σ 36 1.69 16 20.4628 1. Levy César Samamé Mendoza Página 31 .216047x I.9906 2. MODELO LOGARÍTMICO La curva logarítmica Y=a+blogX es también una recta.6094 1.9)67.9459 1.5901 0.6094 0.831597 e0.6125=0.5 2 3 3.6455 Numero de datos=n=8 x promedio=x=1ni=1nai=20.Regresión No Lineal en el Crecimiento de Aves 31 1.8597 La ecuación final que modela el sistema es y=2.63 1.4974 2.4803 1.5 Σ 20.5901 3.43285(20.632.9 3.6125(20.1 5 7 6.9)=0.

0905130.9215 2.5 2 3 3.1 5 7 6.776 Σ 34.1823 0.5(6.3083 1.62 a=xy- yxx2-xx=34.7798 ln x * y 0 0.8222(6.5779 ln x2 0 0.5581-4.7798- 0.2069 1.6931 1.4 5 2 4.3862 4.5779)=2.5042 6.3862 1.5040 Σ 6.5 Σ 36 ln x 0 0.7 4 4.6198 2.5-2.78117 Bach.9 y 3 3.5 Σ 20. Levy César Samamé Mendoza Página 32 .7034 9.5779)7.25 Σ 182.090513 b=y-bx =4.5415 9.1643 0.81 25 49 42.5581 y2 9 11.2620 Σ 7.78117 La ecuacion final que modela el sistema es y=2.0986 1.4054 0.7116 1.0332 0.2 1.56 25 4 16.4803 1.027 1.090513 lnx+2.Regresión No Lineal en el Crecimiento de Aves 32 Ejemplo x 1 1.8222=2.

4161 256 410.5 28 29.6147 y2 9 11.6.881 958.63 20.25 4 9 13.5 Σ xy 3 4.45 112 131.896 11.2 1.5 Σ y 3 3.5 2 3 3.62 376.653 64 91.0736 5.625 Σ x3 1 1.63 182. Levy César Samamé Mendoza Página 33 .121 246.125 Σ x4 1 2.56 25 4 16.81 25 49 42.0625 Σ Usando una Matriz para calcular valores de los coeficientes Bach.728 3.4 5 2 4.3 18.5 4 12.08 7.25 Σ x2y 3 4.69 16 20.25 8 36.Regresión No Lineal en el Crecimiento de Aves 33 I. Las regresiones polinomiales se pueden ajustar la variable independiente con varios términos y=a+bx+cx2←Segundo Grado y=a0+a1x+a2x2+…anxn←Ecuacion general para cualquier Grado Gradoy=a+bx+cx2+dx3←Tercer Ejemplo: x 1 1.7 4 4. es útil incluir términos polinomiales para ayudar a explicar la variación de nuestra variable dependiente.375 8 27 50.0625 16 81 187.1.1 5 7 6. MODELO POLINOMIAL Algunas veces cuando la relación entre las variables dependientes e independientes es no lineal.44 2.9 36 106.25 Σ x2 1 1.9 68.25 Σ 67.

Modelos Matemáticos No Lineales utilizadas para estudiar el crecimiento animal: Entre los modelos más usados en la determinación de ciertas características biológicas de las aves u otro animal.46209x2 II.46209.57543 La ecuación final que modela el sistema es y=4.57543-1. APLICACIÓN DE LA REGRESION NO LINEAL EN LA CURVA DE CRECIMIENTO DE AVES II.Jordan c=0. b=-1. a=4. Levy César Samamé Mendoza Página 34 .52415 x+0.Regresión No Lineal en el Crecimiento de Aves 34 = Usando el método de Eliminación de Gauss . están los Bach.52415.1.

por las características del comportamiento de dichas funciones no lineales. MODELO DE GOMPERTZ. “e” es la base de los logaritmos naturales. en los cuales el punto de inflexión es cercano al 50% del peso adulto. entre las cuales tenemos: 1. Este modelo puede ser usado para crecimientos de tipo sigmoideo. Bach. P∞ es el peso adulto. una de sus formas de expresión se describe como: Pt=P∞(1+b*e-c*t ) Donde Ptes el peso a una determinada edad. Levy César Samamé Mendoza Página 35 . MODELO LOGISTICO: Función no lineal utilizado para describir el crecimiento (Verhulst. b es un parámetro de ajuste del modelo y c la tasa de maduración y t es la edad en días.Regresión No Lineal en el Crecimiento de Aves 35 modelos exponenciales y potenciales. 2. 1838).

Levy César Samamé Mendoza Página 36 . 3. en este contexto para describir el crecimiento en términos de longitud ha sido propuesta y ampliamente usada la ecuación: Lt=L∞(1-e-c(t-t0)) Donde Lt es la longitud total del pez en el tiempo t. MODELO DE BERTALANFFY. P∞ es el peso adulto (peso asintótico). L∞ es la longitud asintótica. e es la base de los logaritmos naturales. e es la base de los logaritmos naturales. by cson parámetros de ajuste del modelo y se relacionan con la fuerza ascendente y descendente respectivamente que ajustan la forma de la curva sigmoidea.Regresión No Lineal en el Crecimiento de Aves 36 Esta ecuación fue propuesta por Winsor (1932) fundamentado en el modelo propuesto por Benjamín Gompertz en 1925 para describir la mortalidad en humanos y es de la forma: Pt=P∞*(e-e⁡(b-c*t)) Donde Ptes el peso en la edad t. Fundamentados en las premisas propuestas por Bertalanffy (1957) en relación a que el crecimiento corresponde a una diferencia entre la tasa de anabolismo y la tasa de catabolismo se han postulado funciones para describir el crecimiento de diferentes magnitudes. c Bach.

MODELO DE JANOSCHECK. desarrollada para el crecimiento en plantas pero con frecuente utilización en animales es descrita por Richards en 1959 y se caracteriza por su flexibilidad para adaptarse a la forma de la curva. Una ecuación más generalizada. MODELO DE RICHARDS. P∞ es el peso asintótico. Dicha ecuación se describe como: Pt=P∞(1+eb(-c*t) )(1d) En la cual Pt es el peso en el tiempo t. (1999). Levy César Samamé Mendoza Página 37 . La ecuación de este es: Pt=P∞-(P∞-P0)*⁡e(b-c*tP)) Bach. Otro modelo que ofrece gran flexibilidad para adaptarse a la forma de la curva de crecimiento es el propuesto por el alemán Janoscheck en 1957 citado por Salomón et al. c y d son parámetros que ajustan la curva. e es la base de los logaritmos naturales b.Regresión No Lineal en el Crecimiento de Aves 37 es la tasa de maduración o coeficiente de crecimiento y t0 es la hipotética (negativa) edad en la cual la longitud es cero. 5. 4.

c y p son parámetros de ajuste del modelo y exp es la base de los logaritmos naturales. k la edad a la cual se logra la mitad del máximo crecimiento y c un parámetro de ajuste del modelo que determina la forma de curva así: cuando c≤1 la curva describe una hipérbola y no tiene un punto de inflexión. P∞al peso corporal asintótico. López et al. MODELO MICHAELIS-MENTEN. Pt=(P0kc+P∞tc)(kc+tc) En esta Ptcorresponde el peso corporal en el tiempo t. P0 al peso cuando t=0. Levy César Samamé Mendoza Página 38 . P∞al peso asintótico. P0 al peso corporal cuando t=0.Regresión No Lineal en el Crecimiento de Aves 38 Donde Pt corresponde el peso corporal en el tiempo t. INVESTIGACIONES QUE HACEN USO DE LOS MODELOS MATEMÁTICOS Bach.1. I. 6. proponen la siguiente ecuación en un esfuerzo por obtener una ecuación más generalizada para el análisis del crecimiento de los animales. cuando c > 1 la curva toma una forma sigmoidea. (2000) fundamentados en la cinética enzimática documentada por Michaelis y Menten.

En el Análisis dinámico del peso corporal de cinco estirpes maternas de reproductoras destinadas a la producción de pollos camperos. AM Dottavio. Argentina. En ésta investigación se evaluó el crecimiento de cinco estirpes maternas (A. CE. Ricardo José Di Masso (Cátedra de Genética. Universidad Nacional de Rosario). BM Romera. E. Canet. Zulma. El ajuste no lineal de los datos longitudinales peso corporal-edad cronológica registrados a intervalos semanales entre el crecimiento y las 50 semanas de edad con el modelo sigmoideo de Gompertz permitió caracterizar el patrón de crecimiento de las hembras de cada estirpe en términos de dos parámetros con significado biológico que definen la forma de la curva de modificación del Dónde: W (t) = peso corporal (g) en el tiempo t Bach. DE y ES) de reproductoras destinadas a la producción de pollos camperos. Facultad de Ciencias Veterinarias. Virginia FainBinda (Instituto Nacional de Tecnología Agropecuaria EEA Pergamino). Levy César Samamé Mendoza Página 39 .Regresión No Lineal en el Crecimiento de Aves 39 A continuación presentamos las diferentes investigaciones en las cuales han hecho uso de la regresión no lineal para determinar el crecimiento de aves: 1.

Hu=Producción de huevos (g/d).69 P. en su Investigación denominada: Efecto De Dietas Bajas En Proteína Y Niveles De Lisina Sobre Bach. Sergio Clemente Hernández. Toledo. P= Peso de la gallina (kg).87 3. Casarrubios del Monte.Hu+62. que ajusta para aquellos casos en que t es distinto de cero k = tasa de maduración (velocidad de aproximación al valor A) t = tiempo en semanas 2. Levy César Samamé Mendoza Página 40 . P. P=Peso de la gallina (g). A. en PROGRAMAS DE ALIMENTACIÓN EN AVICULTURA:PONEDORAS COMERCIALES. sin significado biológico. La cual genera el siguiente modelo matemático EMi=0. Flores.65 ∆P+2. de la Estación Experimental.75+4. En esta investigación se relaciona la cantidad de alimento EM (metionina) con el peso de la gallina y la producción de huevos: EMi=Ingestión de EM (kcal/d) metionina.394 P0. P=Ganancia de peso (g/d).Regresión No Lineal en el Crecimiento de Aves 40 A = peso corporal asintótico (peso promedio cuando t tiende a infinito) b = parámetro de posición.

Levy César Samamé Mendoza Página 41 . J Anchieta de Araujo. K=Tasa exponencial de decadencia de L. Bach. en el cual. L Hauschild. W0=Peso (g) inicial o peso (g) a la eclosión.Regresión No Lineal en el Crecimiento de Aves 41 El Desarrollo Dinámico Del Músculo De Pechuga En Pollos De Engorda. Función de Gompertz. contribuyendo así a adecuar las recomendaciones nutricionales para las diferentes fases del crecimiento de las aves de postura. L= Tasa inicial de crecimiento. N Kazue Sakomura. Melina Aparecida Bonato.el modelo de predicción propuesto fue capaz de expresar los requerimientos de lisina digestible de acuerdo con el desarrollo fisiológico del animal. E Pereira da Silva. FCAV/UNESP. Wt=W0eLK(1-e(-Kt)) 4. Modelo de predicción de los requerimientos de lisina digestible para aves de postura. Brasil. donde: Donde: Wt=Representa el peso (g) al tiempo t. está relacionando la dieta con el crecimiento y desarrollo de la pechuga. la cual aproxima mediante la ecuación de Gompertz. en su investigación:. Cleber Franklin Santos de Oliveira.

PBm= Peso de la proteína corporal a la madurez (0. PP=Peso de la proteína de las plumas (g). en donde u=PBt/PBm. DPBc= Depósito de proteína en el cuerpo sin plumas (g/día). u=Grado de madurez de la proteína corporal. Obteniéndose: Lis=151.73.Regresión No Lineal en el Crecimiento de Aves 42 En donde: Lis= Requerimiento de lisina digestible en mg/ave/día.559 Kg).2.80)+(18.DPBP/0.PP.80) ] Bach.u+0.01.DPBc/0. DPBP=Depósito de proteína en las plumas (g/día).18+ [(75. Levy César Samamé Mendoza Página 42 .PBm0.

• Las funciones no lineales. se linealiza para proceder con el método de regresión lineal. las funciones logísticas y sus variantes (Gompertz. • Las funciones no lineales en aplicaciones específicas. • En opinión de los especialistas. y a la vez sus parámetros representan características biológicas especificas de la especie. pero sin embargo. se determinan mediante software estadístico. es necesario conocer las características y restricciones de las mismas para su aplicación.Regresión No Lineal en el Crecimiento de Aves 43 CONCLUSIONES • El diagrama de dispersión determinará la forma específica de la curva que se ajustará a los datos. Levy César Samamé Mendoza Página 43 . ajustan a los datos. Bertalanffy y otros. Bach.

David. Madrid. Séptima Edición.engormix. México. Sulma. LEVIN Richards. Alberto. Disponible en http://www.Regresión No Lineal en el Crecimiento de Aves 44 BIBLIOGRAFÍA PEREZ DE VARGAS LUQUE.htm Bach. Daniel. Estadística para Administración y Economía. Una prospectiva Instrumental. RUBIN. Una EstadísticaBiométrica. MARTINEZ CALVO. CANET. Editorial Síntesis S. Análisis dinámico del peso corporal de cinco estirpes maternas de reproductoras destinadas a la producción de pollos camperos. 2002. España.A. Alianza Editorial S. 2004. Levy César Samamé Mendoza Página 44 .A. María. PEÑA SANCHEZ DE RIVERA.com/MAavicultura/genetica/articulos/analisis-dinamico-peso-corporal-t3473/103p0. 2000. Regresión y Diseño de Experimentos. Pearson Educación. FAIN. Virginia.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->