LINEALIZACIÓN de relaciones no lineales.

Regresión POLINOMIAL.

Ajuste de Curvas - MSA-FRVM

La regresión lineal ofrece una poderosa técnica para ajustar una mejor línea a los datos.
No obstante, siempre el primer paso en cualquier análisis a partir de un conjunto de datos empíricos,
deberá ser graficar e inspeccionar estos los datos en forma visual, y analizar la relación entre las
variables dependiente e independiente.

Observamos, en figura que la muestra presenta un comportamiento

claramente no lineal:

Cuando los datos presentan comportamientos no lineales

podemos recurrir a técnicas como Regresión Polinomial,
y en otros, se pueden utilizar transformaciones para expresar
los datos en una forma que sea compatible con la regresión lineal.
 Ecuación exponencial Ecuación de Ecuación de razón de
potencias crecimiento
➢Esta técnicas de linealización,
son una alternativa simple y
consiste en usar
manipulaciones matemáticas y
transformar las ecuaciones a la
forma lineal. A continuación, se
utiliza la regresión lineal para
ajustar las ecuaciones a los
datos.

Estos modelos, en sus estados

transformados, se ajustan
usando regresión lineal para
evaluar los coeficientes
constantes. Luego se pueden
transformar a sus estados
originales y usarse para
propósitos predictivos.
➢ Otra alternativa es ajustar polinomios a los datos utilizando Regresión Polinomial.
El procedimiento de mínimos cuadrados se puede extender fácilmente y ajustar polinomios de 𝑚 − é𝑠𝑖𝑚𝑜 grado:

𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑚 𝑥 𝑚

Siguiendo el procedimiento desarrollado en Regresión Lineal, con el criterio de minimizar la suma de los
cuadrados de los residuos, se pueden hallar las ecuaciones para el cálculo de los coeficientes y el coeficiente de
correlación (𝑟 𝑦 𝑟 2 ).

Este material sólo tiene un enfoque simple y el uso práctico

de ecuaciones para ajustar datos, por lo tanto, realizaremos
Directamente los ajustes utilizando las herramientas
disponibles en Excel. En la imagen se ha realizado una
regresión polinomial, con un polinomio de 2° grado.
 ➢ Ejemplos de Aplicación utilizando Excel
1) Linealización. Ajustar los datos de la tabla usando una transformación logarítmica y ajuste por regresión.
Datos:
X Y
1 0,50 Graficamos los datos observando un comportamiento
2 1,70 claramente no lineal.
3 3,40
4 5,70
5 8,40

Obtenemos la gráfica log-log. La regresión lineal de los datos

transformados logarítmicamente genera la ecuación lineal de
ajuste y el 𝑟 2 , en Excel: 𝑦 = 1,75𝑥 − 0,30.
Ordenada al origen: −0,30, entonces 10−0,30 = 0,5

La ecuación de potencias para el conjunto de datos 𝑦 = 0,5 𝑥1,75

 ➢ Ejemplos de Aplicación utilizando Excel
2) Regresión Polinomial
Datos:
X Y
0 2,1
1 7,7
2 13,6
3 27,2
4 40,9
5 61,1

A partir del conjunto de datos, utilizamos Excel para

graficar y con ajuste polinomial de grado 2 obtenemos
la ecuación y el coeficiente de correlación que se
muestra en la imagen:
𝑦 = 1,86 𝑥 2 + 2,36 𝑥 + 2,48
 ➢ Ejercitación propuesta.
1) Utilice la regresión con mínimos cuadrados, para ajustar una línea recta a los datos:

X 1 3 5 7 10 12 13 16 18 20
Y 3 2 6 5 8 7 10 9 12 10

2) a) Emplee regresión lineal para ajustar el conjunto de datos, hallar la ecuación de regresión y el coeficiente de
determinación.
b) Usando ahora regresión polinomial ajustar una parábola a l conjunto de los datos.
c)Compare los resultados hallados en ambas regresiones

X 0 2 4 5 8 12 16 20 24 28 30 34
Y 10 12 18 22 20 30 26 30 26 28 22 20
3) Ajuste un modelo exponencial a los datos de la tabla. Realizar la transformación gráfica semilogarítmico y hallar la
ecuación de regresión lineal.
X 0,05 0,4 0,8 1,2 1,6 2,0 2,4
Y 550 750 1000 1400 2000 2700 3750
Bibliografía:
➢ Métodos Numéricos Para Ingenieros - S. CHAPRA- R. CANALE. Ed. Mc. GRAW HILL – 5ta Edición.
Gracias por su Atención - MSA-FRVM