Regresin no lineal

Instituto Tecnolgico de Colima

Catedrtica:
Claudia Lissete Castrejn Cerro

Alumnos:
Barajas Reyes Oswaldo
Lozano Torres Aniela



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.