Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semana 08-Regresion No Lineal
Semana 08-Regresion No Lineal
REGRESIÓN NO LINEAL
¡La universidad para todos!
ORIENTACIONES
CONTENIDOS TEMÁTICOS
Diagrama de dispersión
Regresión no lineal:
potencial, exponencial
parabólica
4
¡La universidad para todos!
Regresión No lineal
• La regresión lineal no siempre da buenos resultados,
porque a veces la relación entre Y y X no es lineal
sino que exhibe algún grado de curvatura. La
estimación directa de los parámetros de funciones
no-lineales es un proceso bastante complicado. No
obstante, a veces se pueden aplicar las técnicas de
regresión lineal por medio de transformaciones de las
variables originales.
6
¡La universidad para todos!
Diagrama de dispersión:
relación positiva
Relación entre las
semanas de gestación al
momento del parto y el
peso de recién nacidos
de madres hipertensas 1
¿Cómo será la ecuación
de regresión?
1-Costa de Robert Sara et all. “Antihypertensive Treatment in Pregnancy” The 4 th International Heart Health
Conference . Osaka Japón Mayo 2001.
¡La universidad para todos!
Regresión No lineal
¡La universidad para todos!
Regresión No lineal
Datos
X Y
1 25
2 28
3 24
4 29
5 54
6 75
7 81
8 152
9 321
10 842
11 1025
12 2013
¡La universidad para todos!
Regresión No lineal
Un modelo de regresión NO LINEAL se puede definir
como un ajuste a cualquier modelo diferente del
modelo de una LÍNEA RECTA.
Los modelos más comunes son:
• Modelos Potenciales Y AX B Y 12,25 X 1, 23
• Modelos Exponenciales Y AB X Y 2,45(e X )
• Modelos Logarítmicos
Y A BLn( X ) Y 0,15 2Ln( X )
• Modelos Polinomiales
Y A BX CX 2 Y 0,5 2 X 0,12 X 2
¡La universidad para todos!
Regresión POTENCIAL
Si la nube de puntos de los datos se aproxima a una
función potencial se puede recurrir a la siguiente
relación:
Y AX
B
Regresión POTENCIAL
Y AX B
Regresión POTENCIAL
Ejemplo:
A partir de las siguientes observaciones para 5 años de las
variables X e Y, ajústese el modelo de regresión de Y en función
de X más idóneo.
Año X Y
2011 1 1,25
2012 2 5
2013 3 11,25
2014 4 20
2015 5 30,5
Donde,
Y: producción nacional de un subsector industrial, en millones de
toneladas.
X: tiempo 14
¡La universidad para todos!
Regresión POTENCIAL
Ejemplo: Ajuste de datos mediante curva potencial.
15
¡La universidad para todos!
Regresión POTENCIAL
SUV 1/5 UV - U V 2,6856 - 0,9575 2,1332
b 2 1,9902
SU 1/5 U U
2 2
1,2397 0,9575 2
ECM3
e 2
0,0397
N
Nótese que al haber transformado la variable dependiente ya no se minimiza
e 2
sino (lnY - lnY * ) 2
, de ahí que16 e 0 .
¡La universidad para todos!
Regresión POTENCIAL
Ejemplo: Ajuste de datos mediante curva potencial, usando Excel.
X Y
1 25
2 28
3 24
4 29
5 54
6 75
7 81
8 152
9 321
10 842
11 1025
17
12 2013
¡La universidad para todos!
Regresión EXPONENCIAL
Otro tipo de función que tiene aplicación en el análisis
de regresión, es la función exponencial, que esta dada
por la expresión:
Y A( B ); B 0, B 1
X
Regresión EXPONENCIAL
X
Y AB
Y Log Y A Log A B Log B
Regresión EXPONENCIAL
Ejemplo:
A partir de las siguientes observaciones para 5 años de las
variables X e Y, ajústese el modelo de regresión de Y en función
de X más idóneo.
Año X Y
2011 1 1,25
2012 2 5
2013 3 11,25
2014 4 20
2015 5 30,5
Donde,
Y: producción nacional de un subsector industrial, en millones de
toneladas.
X: tiempo 20
¡La universidad para todos!
Regresión EXPONENCIAL
En primer lugar linealizamos: lnY* = lna + X lnb V* = A + B
X
X Y V=lnY X2 XV Y* e=Y-Y* e2
1 1,25 0,2231 1 0,2231 1,7794 -0,529 0,2798
2 5 1,6094 4 3,2188 3,86 1,138 1,2950
3 11,25 2,4203 9 7,2609 8,37 2,88 8,2944
4 20 2,9957 16 11,983 18,18 1,82 3,3124
5 30,5 3,4177 25 17,088 39,45 -8,95 80,102
15 68 10,666 55 39,774 71,64 -3,641 95,803
1/5 3 13,6 2,1332 11 7,9548 14,328 -0,728 19,16
21
¡La universidad para todos!
Regresión EXPONENCIAL
S XV 1/5 XV - X V 7,9548 - 2,1332 3
B 0,7776
S 2X 1/5 X 2 X 2 11 3 2
22
¡La universidad para todos!
Regresión EXPONENCIAL
Ejemplo: Ajuste de datos mediante curva exponencial usando
Excel.
X Y
1 25
2 28
3 24
4 29
5 54
6 75
7 81
8 152
9 321
10 842
11 1025
12 2013
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Si la serie tiene una curva parabólica cuyo
comportamiento se describe matemáticamente
por una ecuación de segundo grado (parábola).
La regresión se expresa así:
Y A BX CX
* 2
Donde:
Y = Estimación de la variable dependiente
A, B, C = constantes numéricas
X = Variable independiente
¡La universidad para todos!
Regresión Parabólica o
cuadrática
El problema consiste en determinar A, B y C. Seguiremos para
ello, un razonamiento similar al que hicimos en el caso del
modelo de regresión lineal simple, utilizando el procedimiento
de ajuste de los mínimos cuadrados, es decir, haciendo que la
suma de los cuadrados de las desviaciones con respecto a la
curva de regresión sea mínima:
D yi y
n
* 2
i
1
D yi y y
n n
2 2
*
i i
A BX i CX i
2
i 1 i 1
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Para encontrar los valores de A, B y C que hacen mínima la
expresión anterior, deberemos igualar las derivadas parciales de
D con respecto a dichos parámetros a cero y resolver el sistema
resultante.
Y nA B X C X 2
2 3
XY A X B X C X
X Y A X B X C X
2 2 3 4
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Pero cuando se recurre a la codificación de la variable
independiente, el cálculo también se efectúa con las
siguientes formulas de mínimos cuadrados:
A
Y
Y X 4
X 2
X 2
n X 4 X 2 X 2
B
XY
X 2
n X Y Y X
2 2
C
X X X
4 2 2
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Ejemplo:
A partir de las siguientes observaciones para 5 años de las
variables X e Y, ajústese el modelo de regresión de Y en función
de X más idóneo.
Año X Y
2011 1 1,25
2012 2 5
2013 3 11,25
2014 4 20
2015 5 30,5
Donde,
Y: producción nacional de un subsector industrial, en millones de
toneladas.
X: tiempo
28
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Ejemplo:
Ajuste de una función parabólica: Y* = a+bX+cX²
X Y X2 X3 X4 XY X2Y Y* e=Y-Y* e2
1 1,25 1 1 1 1,25 1,25 1,18 0,07 0,0049
2 5 4 8 16 10 20 5,11 -0,11 0,0121
3 11,25 9 27 81 33,75 101,5 11,32 -0,07 0,0049
4 20 16 64 256 80 320 19,81 0,19 0,0361
5 30,5 25 125 625 152,5 762,5 30,58 -0,08 0,0064
15 68 55 225 979 277,5 1205 68 0 0,0644
1/5 3 13,6 11 55,5 13,6 0 0,0128
29
¡La universidad para todos!
Regresión Parabólica o
cuadrática
5a + 15b + 55c = 68
15a + 55b +225c = 277,5
55a + 255b+979c = 1205
Resolviendo este sistema de ecuaciones se
obtiene:
a = - 0,47; b = 0,51; c = 1,14
Y* = - 0,47 + 0,51X + 1,14 X²
30
¡La universidad para todos!
Regresión Parabólica o
cuadrática
Coeficiente de
determinación:
2 2
S S
R
2
1Y*
2
e
2
S Y
S Y
Regresión Parabólica o
cuadrática
En nuestro ejemplo, Coeficiente de determinación:
2 2
S S
R
2
1
Y*
2
e
2
35
SY
S Y
30
y = 1.1429x2 + 0.4929x - 0.45
25 R² = 0.9999
20
15
10
N
e 2 5
S ECM 2 0,01288
0
2 i 1
1 2 3 4 5
e
N
32
¡La universidad para todos!
Regresión Parabólica o
cuadrática
X
0
Y
1200
X = número de hijos de las familias.
1 1500 Y= gasto mensual
1 1800
2 1000
1 1300
1 1900
3 1300
3 1200
1 1600
3 1400
1 1700
4 2500
2 1100
2 1400
1 1800
4 2000
3 1500
1 1000
1 1300
0 1600
1 1800
2 1200
1 1700 Observe que el modelo no es adecuado para los
1
2
1500
1100
datos. R²=0,2966 es muy bajo.
¡La universidad para todos!
¡Gracias!