REGRESIÓN

LINEAL
5.3 DEPENDENCIAS NO LINEALES

5.3.1 MODELO LOGARÍTMICO

5.3.2 MODELO POTENCIAL

5.3.3 MODELO CUADRÁTICO

5.3.4 MODELO EXPONENCIAL

LINEALIZACIÓN DE LOS MODELOS NO
LINEALES
MODELO EXPONENCIAL
𝑦 = 𝑎𝑏 𝑥
log 𝑦 = log 𝑎 + 𝑥 𝑙𝑜𝑔 𝑏

𝑦 = 𝑎 + 𝑏𝑥
LINEALIZACIÓN DE LOS MODELOS NO
LINEALES
MODELO LOGARITMICO
𝑦 = 𝑎 + 𝑏 𝑙𝑛𝑥

𝑦= 𝑎 + 𝑏𝑥
LINEALIZACIÓN DE LOS MODELOS NO
LINEALES
MODELO POTENCIAL
𝑦 = 𝑎𝑥 𝑏
log 𝑦 = log 𝑎 + 𝑏 log 𝑥

𝑦 = 𝑎 + 𝑏𝑥
MODELO CUADRÁT ICO
𝑛 = 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠

𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 𝑚 = 𝑔𝑟𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜

𝑐 ∗ 𝑛 + 𝑏 ෍ 𝑥 + 𝑎 ෍ 𝑥2 = ෍ 𝑦

𝑐 ෍ 𝑥 + 𝑏 ෍ 𝑥 2 + 𝑎 ෍ 𝑥 3 = ෍ 𝑥𝑦

𝑐 ෍ 𝑥2 + 𝑏 ෍ 𝑥3 + 𝑎 ෍ 𝑥4 = ෍ 𝑥2𝑦
VEAMOS EL SIGUIENTE EJEMPLO:
A partir de los datos que se muestra a continuación, realice el ajuste para obtener un modelo
cuadrático
2
X Y 𝑦 = 𝑎𝑥 + 𝑏𝑥 + 𝑐
0 2,1
1 7,7 𝑐 ∗ 𝑛 + 𝑏 ෍ 𝑥 + 𝑎 ෍ 𝑥2 = ෍ 𝑦
2 13,6
3 27,2 𝑐 ෍ 𝑥 + 𝑏 ෍ 𝑥 2 + 𝑎 ෍ 𝑥 3 = ෍ 𝑥𝑦
4 40,9
5 61,1
𝑐 ෍ 𝑥2 + 𝑏 ෍ 𝑥3 + 𝑎 ෍ 𝑥4 = ෍ 𝑥2𝑦
n X Y 𝑥2 𝑥3 𝑥4 𝑥∗𝑦 𝑥2 ∗ 𝑦

10 2,1 0 0 0 0 0
21 7,7 1 1 1 7,7 7,7
32 13,6 4 8 16 27,2 54,4
43 27,2 9 27 81 81,6 244,8
54 40,9 16 64 256 163,6 654,4
65 61,1 25 125 625 305,5 1527,5

Sumatoria 15 152,6 55 225 979 585,6 2488,8

𝑐 ∗ 6 + 𝑏 ∗ 15 + 𝑎 ∗ 55 = 152,6 6𝑐 + 15𝑏 + 55𝑎 = 152,6

𝑐 ∗ 15 + 𝑏 ∗ 55 + 𝑎 ∗ 225 = 585,6 15𝑐 + 55𝑏 + 225𝑎 = 585,6

𝑐 ∗ 55 + 𝑏 ∗ 225 + 𝑎 ∗ 979 = 2488,8 55𝑐 + 225𝑏 + 979𝑎 = 2488,8
Trabajamos con la ecuación 1 y 2, eliminamos la variable c Trabajamos con la ecuación 1 y 3, eliminamos la variable c

6𝑐 + 15𝑏 + 55𝑎 = 152,6 *(-15) 6𝑐 + 15𝑏 + 55𝑎 = 152,6 ∗ (−55)

15𝑐 + 55𝑏 + 225𝑎 = 585,6 *(6)
55𝑐 + 225𝑏 + 979𝑎 = 2488,8 ∗ (6)

−90𝑐 − 225𝑏 − 825𝑎 = −2289 −330𝑐 − 825𝑏 − 3025𝑎 = −8393

90𝑐 + 330𝑏 + 1350𝑎 = 3513,6 330𝑐 + 1350𝑏 + 5874𝑎 = 14932,8
105𝑏 + 525𝑎 = 1224,6 525𝑏 + 2849𝑎 = 6539,8
1224,6 − 525𝑎 1224,6 − 525𝑎
𝑏= 525 + 2849𝑎 = 6539,8
105 105

1224,6 − 525(1,86) 525

𝑏= ∗ (1224,6 − 525𝑎) + 2849𝑎 = 6539,8
105 105

𝑏 = 2,36 6123 − 2625𝑎 + 2849𝑎 = 6539,8

−2625𝑎 + 2849𝑎 = 6539,8 − 6123
6𝑐 + 15𝑏 + 55𝑎 = 152,6
224𝑎 = 416,8
6𝑐 + 15(2,36) + 55(1,86) = 152,6
416,8
𝑐 = 2,48 𝑎= = 1,86
224
 𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
𝑦 = 1,86𝑥 2 + 2,36𝑥 + 2,48

2
𝑦 − 𝑦ത 𝑦 − 𝑐 − 𝑏𝑥 − 𝑎 ∗ 𝑥 2 2
𝑆𝑡 − 𝑆𝑟 2513,3934 − 3,7468
544,2889 0,1444 𝑅2 = = = 0,9985
𝑆𝑡 2513,3934
314,3529 1
139,9489 1,0816 El 99,85% de los datos analizados bajo el modelo
3,1329 0,81 cuadrático se explican con la ecuación encontrada
239,3209 0,6084
1272,3489 0,1024
2513,3934 3,7468

𝑆𝑡 𝑆𝑟
ACTIVIDADES EN CLASE

“LA SUERTE PARA

TRIUNFAR EN LA
VIDA SE LLAMA
CREER EN TI”
1.- Se hizo un estudio para determinar la energía de activación E de una reacción química. La constante de
velocidad k se determinó en función a la temperatura T y se obtuvieron los siguientes datos:

Temperatura [K],T k [ 𝟏
]
𝒔𝒆𝒈𝒖𝒏𝒅𝒐𝒔 (𝒔)
599 0,00054
629 0,0025
647 0,0052
666 0,014
683 0,025
700 0,064
1
• (5 puntos) Ajuste los datos a la forma lineal: log 𝑘 = 𝑎 − 1000𝑏 ∗
𝑇
• (10 puntos) Encuentre el valor del coeficiente de correlación lineal e interprete, use el método del valor
crítico
• (15 puntos) Halle la ecuación de regresión lineal
• (10 puntos) Halle el coeficiente de determinación e interprete
• (10 puntos) Calcule la energía de activación E, con la siguiente relación 𝐸 = −𝑏 ∗ 2,303𝑅 ∗ 1000
 k [s^-1]
0,07

0,06 El gráfico de dispersión de puntos nos muestra

0,05
que la relación entre la temperatura y la velocidad
0,04
de reacción no sigue un patrón lineal.
0,03

0,02

0,01

0
580 600 620 640 660 680 700 720
-0,01

-0,02
• (5 puntos) Ajuste los datos a la forma lineal:

Temperatura [K], k [s^-1] (y)

1 T (x)
log 𝑘 = 𝑎 − 1000𝑏 ∗ 599 0,00054
𝑇
629 0,0025
647 0,0052
𝑦ො = 𝑏𝑜 + 𝑏1 𝑥 666 0,014
683 0,025
700 0,064

1/T(x) Log k (y) Log k (y)

0
0,00167 -3,268 0,0014
-0,5
0,00145 0,0015 0,00155 0,0016 0,00165 0,0017

0,00156 -2,602 -1 La relación entre

-1,5 log k y 1/T, es
0,00155 -2,284 lineal
-2

0,00150 -1,854 -2,5

0,00146 -1,602 -3

-3,5
0,00143 -1,194 -4
• (10 puntos) Encuentre el valor del coeficiente de correlación lineal e interprete, use el método del valor crítico

Sin
1/T(x) Log k (y) Correlación
Correlación
x*y x^2 y^2
0,0017 -3,268 -0,00545756 2,79E-06 10,679824
0,0016 -2,602 -0,00405912 2,43E-06 6,770404
0 1
0,0016 -2,284 -0,0035402 2,40E-06 5,216656
𝑟𝑐𝑟𝑖𝑡𝑖𝑐𝑜 = 0,811
0,0015 -1,854 -0,002781 2,25E-06 3,437316
0,0015 -1,602 -0,00233892 2,13E-06 2,566404 𝑛=6
0,0014 -1,194 -0,00170742 2,04E-06 1,425636 𝑛. 𝑐. = 95% = 0,95
0,00917 -12,804 -0,01988422 1,41E-05 30,09624 𝛼 = 1 − 0,95 = 0,05

𝑛 ∗ (σ 𝑥 ∗ 𝑦) − (σ 𝑥) ∗ (σ 𝑦) Con un nivel de confianza del 95%, podemos

𝑟= indicar que existe correlación entre las
2
𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥) ∗ 𝑛 ∗ (σ 𝑦 2 ) − (σ 𝑦)
2 variables analizadas porque:
𝑟 > 𝑟𝑐𝑟𝑖𝑡𝑖𝑐𝑜
𝑟 = 0,998
• (15 puntos) Halle la ecuación de regresión lineal

(σ 𝑦) ∗ (σ 𝑥 2 ) − (σ 𝑥) ∗ (σ 𝑥 ∗ 𝑦) 𝑛 ∗ (σ 𝑥 ∗ 𝑦) − (σ 𝑥) ∗ (σ 𝑦)
𝑏𝑜 = 2
𝑏1 = 2
𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥) 𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥)

𝑦ො = 1,578 𝑥10−6 − 8456,29𝑥

1
log 𝑘 = 𝑎 − 1000𝑏 ∗
𝑇

• (10 puntos) Halle el coeficiente de determinación e interprete

𝑅2 = 0,996 El modelo matemático explica el

𝑅2 = 𝑟2
𝑅 2 = 0,996 ∗ 100% = 99,6% comportamiento de variables en un 99,6%, lo
𝑅2 = 0,9982 que significa que el modelo es bueno
• (10 puntos) Calcule la energía de activación E, con la siguiente relación 𝐸 = −𝑏 ∗ 2,303𝑅 ∗ 1000
Use R=1,987 cal/mol*K

𝐸 = −𝑏 ∗ 2,303𝑅 ∗ 1000 𝑐𝑎𝑙

𝐸 = −8,456 ∗ 2,303 ∗ 1,987 ∗ 1000
𝑚𝑜𝑙 𝐾
−8456,29 = −1000 ∗ 𝑏
𝑐𝑎𝑙
𝑏 = 8,456 𝐸 = −38696,5
𝑚𝑜𝑙 𝐾