Regresión no lineal

El análisis de la regresión lineal se

utiliza para predecir el valor de una
variable según el valor de otra. La
variable que desea predecir se
denomina variable dependiente. La
variable que está utilizando para
predecir el valor de la otra variable se
denomina variable independiente.

Esta forma de análisis estima los

coeficientes de la ecuación lineal,
involucrando una o a más variables
independientes que mejor predicen el
valor de la variable dependiente. La
regresión lineal se ajusta a una línea
recta o a una superficie que minimiza
las discrepancias entre los valores de
salida previstos y reales. Hay
calculadoras de regresión lineal simple
que utilizan el método de “mínimos
cuadrados” para determinar la línea que mejor se ajusta para un conjunto de datos pareados.
A continuación, se calcula el valor de X (variable dependiente) con respecto a Y (variable
independiente).

Hay ocasiones en las que la relación que puede darse entre variables independientes y la
variable dependiente no tenga un desarrollo lineal, sino que tengan, por ejemplo, un
crecimiento exponencial. En esos casos, el modelo de regresión no lineal entra en juego y
permite que obtengamos una aproximación de los valores de la variable dependiente en un
entorno no lineal. Tengamos presente que el proceso de una regresión no lineal es más
complejo, ya que puede no coincidir el número de parámetros con el de las variables
independientes.

3 Fórmulas de regresión no lineales

En muchos casos es posible modificar un modelo no lineal para convertirlo en un modelo
lineal. Por ejemplo, aplicando logaritmos a su fórmula inicial.

Regresión exponencial
y = a(bx)

Esta fórmula puede transformarse en una lineal mediante el uso de logaritmos. Quedando
de la siguiente manera la fórmula.

log y = log(a.bx) = log a + x log b

Regresión potencial
y = a(xb)
Si volvemos a aplicar logaritmos, transformamos en un modelo lineal la fórmula inicial.

log y = log a + b log x

Regresión parabólica
y* = a0+a1x+a2 x2

Para resolver esta ecuación es necesario buscar los valores a0, a1, a2 que minimicen la
fórmula:
ψ(a0,a1,a2)=Σ(Yi- (a0+a1x+a2 x2))2
El siguiente paso para realizar es igualar las derivadas parciales a cero, para así
obtener ecuaciones lineales que puedan ser resueltas.
El resultado final será:

Σyi =N a0 + a1 Σxi + a2Σxi2

Σyixi = a0 Σxi + a1Σxi2 + a2Σ xi3

Σyixi2 = a0 Σ xi2 + a1Σ xi3 + a2Σ xi4