Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión Lineal - Modelos No Lineales
Regresión Lineal - Modelos No Lineales
LINEAL
5.3 DEPENDENCIAS NO LINEALES
Gráfica 1. Relación lineal positiva fuerte. Gráfica 2. Relación lineal negativa fuerte.
RELACIONES LINEALES Y NO LINEALES
• No siempre es conveniente
ajustar una línea recta a un
diagrama de dispersión. En
algunos casos el diagrama perfila
una línea curva.
¿QUÉ ES LA REGRESIÓN NO LINEAL?
• Es la generación de una ecuación
para describir la relación no
lineal entre una variable de
respuesta continua y una o más
variables predictoras,
pronosticando nuevas
observaciones.
T IPOS DE REGRESIÓN NO LINEAL
REGLAS PARA IDENT IFICAR UN BUEN
MODELO MATEMÁT ICO
1. Busque un patrón en la gráfica. Elabore una grafica, comparela con
las que se muestran aqui e identifique el modelo mas parecido.
3. Piense. Use el sentido comun. No utilice un modelo que conduzca a valores predichos que no son
realistas. Emplee el modelo para calcular valores futuros, valores pasados y valores de datos faltantes, y
después determine si los resultados son realistas y tienen sentido. No se aleje demasiado del alcance
de los datos muestrales disponibles.
VEAMOS EL SIGUIENTE EJEMPLO:
Década (x) Concentración
A continuación se listan las cantidades CO2 [ppm] (y)
medias de concentraciones de dióxido de
1880 292
carbono (partes por millón) en nuestra
atmósfera para cada década, comenzando 1890 294
en la década de 1880. Encuentre el mejor 1900 297
modelo y luego pronostique el valor para la
1910 300
concentración de CO2 para la década de
2090 a 2099. Comente el resultado. 1920 304
1930 307
1940 309
1950 314
1960 320
1970 331
1980 345
1990 360
2000 377
PASO 1: Al parecer existe correlación entre las variables analizadas, que a medida que los años transcurrieron se fue
incrementando el desarrollo industrial (creación de industrias) lo que condujo a tener mayor cantidad de industrias que
generan CO2 como producto de combustión.
310
290
270
1860 1880 1900 1920 1940 1960 1980 2000 2020
PASO 3: Análisis de los modelos NO LINEAL
Dependencia Modelo Matemático Valor del coeficiente de Interpretación del coeficiente de
No Lineal determinación determinación
Lineal 𝑦 = −921,52 + 0,6396𝑥 0,8699*100=86,99% Se explica el comportamiento de las variables en un
86,99%
Logarítmico 𝑦 = −9041,7 + 1236,5 𝑙𝑛𝑥 0,8644*100=86,44% Se explica el comportamiento de las variables en un
86,44%
Potencial 𝑦 = 1𝑥10−10 𝑥 3,7882 0,8845*100=88,45% Se explica el comportamiento de las variables en un
88,45%
Cuadrático 𝑦 = 0,007𝑥 2 − 26,532𝑥 + 25425 0,9846*100=98,46% Se explica el comportamiento de las variables en un
(polinómico) 98,46%
Exponencial 𝑦 = 7,1194 𝑒 0,002𝑥 0,8897*100=88,97% Se explica el comportamiento de las variables en un
88,97%
Concentración CO2 [ppm] (y) Concentración CO2 [ppm] (y)
390 390
y = 0,6396x - 921,52
370 R² = 0,8699 Lineal 370 y = 1236,5ln(x) - 9041,7
R² = 0,8644
350 350
330 330
310 310
Logarítmico
290 290
270 270
1860 1880 1900 1920 1940 1960 1980 2000 2020 1860 1880 1900 1920 1940 1960 1980 2000 2020
Concentración CO2 [ppm] (y)
Concentración CO2 [ppm] (y)
390
390
y = 1E-10x3,7882
370 y = 0,007x2 - 26,532x + 25425
R² = 0,8845 370
R² = 0,9846
350
350
330
330
310
310
290
290
270
1860 1880 1900 1920 1940 1960 1980 2000 2020 270
1860 1880 1900 1920 1940 1960 1980 2000 2020
POTENCIAL
CUADRÁTICO (polinómico)
Concentración CO2 [ppm] (y)
390
370 y = 7,1194e0,002x
R² = 0,8897
350
330
310
290
EXPONENCIAL
270
1860 1880 1900 1920 1940 1960 1980 2000 2020
Dependencia Modelo Matemático Valor del coeficiente de Interpretación del coeficiente de
No Lineal determinación determinación
Lineal 𝑦 = −921,52 + 0,6396𝑥 0,8699*100=86,99% Se explica el comportamiento de las variables en un
86,99%
Logarítmico 𝑦 = −9041,7 + 1236,5 𝑙𝑛𝑥 0,8644*100=86,44% Se explica el comportamiento de las variables en un
86,44%
Potencial 𝑦 = 1𝑥10−10 𝑥 3,7882 0,8845*100=88,45% Se explica el comportamiento de las variables en un
88,45%
Cuadrático 𝑦 = 0,007𝑥 2 − 26,532𝑥 + 25425 0,9846*100=98,46% Se explica el comportamiento de las variables en un
(polinómico) 98,46%
Exponencial 𝑦 = 7,1194 𝑒 0,002𝑥 0,8897*100=88,97% Se explica el comportamiento de las variables en un
88,97%
El mejor modelo matemático que se ajusta a las variables analizadas es el modelo cuadrático, porque explica el
comportamiento de las variables en un 98,46%
PASO 4: Escribimos el modelo matemático 𝑦 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝐶𝑂2
luego pronostique el valor para la concentración de CO2 para la década de 2090 a 2099. Comente el resultado.