Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NO LINEALES
Daniel Vargas Cano - 1759735
Jacobo Hernández Echeverry - 1759585
Jonathan Obando Saa - 1664001
Carlos Andres Jimenez Castrillón - 1759597
Introducción
General:
Dar a conocer al lector un enfoque superficial sobre los temas básicos de
los diferentes modelos de regresión no lineales.
Específicos:
Definir que son los modelos de regresión no lineal, sus características y sus
diferentes tipos.
Desarrollar un ejemplo práctico que dé una idea más detallada de que es
un modelo de regresión no lineal, mediante una aplicación que puede
darse en el ámbito de la probabilidad y estadística.
Justificación
Definición:
Un modelo de regresión no lineal se puede definir como un ajuste a cualquier
modelo diferente al de una línea recta. En estadística, la regresión no lineal es
un problema de inferencia para un modelo tipo:
y = f(x, θ) + ε
Basado en datos multidimensionales x, y donde f es alguna función no lineal
respecto a algunos parámetros desconocidos θ.
Potencial
2000
rápido. y = 6.8117x1.7433
500
R2 = 0.6931
0
0 2 4 6 8 10 12 14
Linealización del modelo potencial
1 ∗ 𝑎 + ( ln(𝑥)) ∗ 𝑏 = 𝑌𝐼
𝑦𝑏 𝑥 = 𝑏2𝑥 𝑎
𝑛 σ 𝑥𝑧 − σ 𝑥 σ 𝑧
𝑎1 = ; 𝑎0 = 𝑧 − 𝑎1 𝑥
𝑛 σ 𝑥 2 − (σ 𝑥)2
Regresión Polinomial
160
140
100
80
60
40
20
0
0 20 40 60 80 100 120 140 160
180
160
140
80
60
40
20
0
0 20 40 60 80 100 120 140 160
Otros modelos
Función logística:
1
𝑝=
1 + 𝑒 −𝑥′𝑏
Crecimiento de Weibull:
𝑑)
𝑎 + 𝑏 − 𝑎 𝑒 (−𝑐𝑥
Fourier:
𝑎 ∗ cos 𝑥 + 𝑑 + 𝑏 ∗ cos 2𝑥 + 𝑑 + 𝑐
Conclusiones
Ejemplo
Las ‘x’ hacen referencia a los años, empezando como primer año desde el
que se va a tomar para realizar las operaciones (2014) hasta el último año con
el que se trabaja (2019), y los F(X) son las poblaciones registradas por el DANE
en cada año.
Referencias