Villa de lvarez, Col. Miercoles 24 de septiembre de 2014
Contenido
Introduccin:...................................................................................................................... 3 Regresiones No Lineales .................................................................................................. 3 Funciones De Regresin No Lineales ............................................................................. 3 Tipos De Regresiones No Lineales: ................................................................................. 4 1. Regresin Cuadrtica ............................................................................................. 4 2. Regresin Potencial ................................................................................................. 5 3. Regresin Exponencial ............................................................................................ 5 4. Regresin Logartmica ............................................................................................ 6 Compararamos Las Regresiones Aplicadas ............................................................. 7 Conclusiones ..................................................................................................................... 7 Referencias Bibliogrficas ............................................................................................... 8
INTRODUCCN
Un modelo se puede definir como una ecuacin o conjunto de ecuaciones que describen el comportamiento de algn sistema, por ejemplo, el trabajo de un reactor qumico o el crecimiento de un animztl. La teora estadstica dedicada a los modelos lineales en los parmetros es muy amplia, debido en gran parte a sus mltiples aplicaciones y a la fcil interpretacin de los resultados obtenidos de este tipo de anlisis.
Sin embargo, hay fenmenos observables que no pueden ser explicados por modelos lineales, por ejemplo, el desarrollo de una teora en la qumica o la fsica, en tales situaciones un modelo no lineal en los parmetros se puede ajustar mejor.
Hoy en da es ms viable, gracias al progresivo avance de los computadores, la aplicacin de modelos no lineales en fenmenos donde el conjunto de parmetros no puede expresarse en forma lineal.
REGRESIONES NO LINEALES
Si bien la regresin lineal es un muy buen ajuste para el problema propuesto, aplicaremos otros tipos de regresiones a fin de poder comparar. Funciones de Regresin No Lineales
Todo anteriormente ha sido lineal en las Xs La aproximacin de que la funcin de regresin es lineal puede ser satisfactoria para algunas variables pero no para otras. El esquema de regresin mltiple se puede extender para tener en cuenta funciones de regresin que no son lineales en una o ms de una X.
Si una relacin entre Y y X es no lineal:
El efecto sobre Y de un cambio en X depende del valor de X es decir, el efecto marginal de X no es constante Una regresin lineal est mal especificada la forma funcional no es la correcta El estimador del efecto en Y de X es sesgado no necesita an ser correcto en media. La solucin a este problema es estimar una funcin de regresin que no sea lineal en X.
Tipos de regresiones no lineales:
1. Regresin Cuadrtica
2. Regresin Potencial
3. Regresin Exponencial
4. Regresin Logartmica
Compararamos las regresiones aplicadas
Tipo de regresin Coeficiente de determinacin Lineal 0,955 Cuadrtica 0,971 Potencial 0,941 Exponencial 0,978 Logartmica 0,955 Tabla De Comparacin entre las regresiones
Es posible observar(Tabla 4) que las regresiones son muy buenas, ya que en todos los casos R 2 > 0,90.
El mejor ajuste es a travs de una funcin exponencial (R 2 = 0,978) , seguido por la regresin
cuadrtica ( R 2 = 0,971) , si bien se puede observar que los dos valores anteriores estn muy cerca uno del otro.
CONCLUSIONES
La aplicacin de distintas regresiones sobre un mismo problema nos permite realizar comparaciones, sin limitarse solamente al caso lineal.
La facilidad de que nos brindan las nuevas tecnologas permite en poco tiempo efectuar comparaciones que nos permitan la correcta eleccin de un modelo adecuado, que describa los datos en problemas de ingeniera, as como nos proporciona elementos de juicio suficientes para la toma de decisiones en condiciones de incertidumbre.
REFERENCIAS BIBLIOGRFICAS
Velasco Sotomayor,G. ; Wisniewski, P.(2002) Probabilidad y Estadstica para Ingeniera y Ciencias. Editorial Thomson. Mendenhall,W. ; Wackerly,D.; Sheaffer, R.(2004) Estadstica Matemtica con Aplicaciones. Grupo Editorial Iberoamrica.Garca, R. (2004). Inferencia estadstica y diseo de experimentos. Buenos Aires: Eudeba. Montgomery,D. ; Peck,E. y Vinning, G. (2002). Introduccin al Anlisis de Regresin Lineal. Editorial C.E.C.S.A.