Universidad Nacional José Faustino Sánchez Carrión FACULTAD DE CIENCIAS

Escuela Académico Profesional de Matemática Aplicada

MONOGRAFIA

Regresión No Lineal en el Crecimiento de
Presentado por:

Levy César Samamé Mendoza
Bachiller en Matemática Aplicada

Huacho - Perú 2012
Bach. Levy César Samamé Mendoza Página 1

REGRESION NO LINEAL EN CRECIMIENTO DE AVES

RESUMEN
El análisis de regresión no lineal en el crecimiento de aves, es una monografía que presenta y describe los diferentes modelos de regresión de funciones no lineales, enfatizando en los métodos de solución, específicamente funciones potenciales y exponenciales, como gompertz, logística entre otros, cuyas graficas se asemejan al comportamiento del crecimiento de animales, especialmente el de aves. Se determina la importancia de las funciones no lineales en la determinación de comportamientos y carateristicas biológicas de cierta especie.

Bach. Levy César Samamé Mendoza Página 2

INDICE

Introducción
I. Conceptos teóricos de regresión no lineal

I.1. Introducción I.2. Descripción de una ecuación de regresión I.3. Representatividad de la curva de regresión. I.3.1. Poder explicativo del modelo I.3.2. Poder explicativo frente a poder predictivo I.3.3. Causalidad I.3.4. Extrapolación I.4. Regresión no lineal e inferencia I.5. Linealización
I.6.

Métodos de ajuste en una regresión no lineal I.6.1. Mínimos cuadrados ordinarios y ponderados I.6.2. Estimación de los parámetros con el método monte carlo I.6.3. Algoritmo de gauss–newton

I.7. Tipos de regresión no lineal I.7.1. Parábola de regresión
I.7.2. Regresión hiperbólica

I.7.3. Modelo potencial I.7.4. Modelo exponencial I.7.5. Modelo logarítmico
Bach. Levy César Samamé Mendoza Página 3

I.7.6. Modelo polinomial II. Aplicación de la regresión no lineal en la curva de crecimiento de aves II.1. Modelos matemáticos no lineales utilizadas para estudiar el crecimiento animal: II.2. Investigaciones que hacen uso de los modelos matemáticos Conclusiones Bibliografía

Bach. Levy César Samamé Mendoza Página 4

Se incluyen conceptos teóricos de regresión y tipos de regresión no lineal. en otros casos se recurre a software estadísticos que determinan el tipo de función que representa a los datos en evaluación. muchas veces desarrolladas mediante el concepto de linealización. específicamente en el tema de regresión no lineal. sin Bach. donde se hace uso de la regresión no lineal como herramienta de análisis. utilizadas como herramienta de análisis en múltiples investigaciones. áreas que aparentemente no están relacionadas con los conceptos matemáticos. situado en el área de estadística. en el cual se aplican logaritmos para reducir la expresión a funciones lineales. condiciones y supuestos para cada método. la zootecnia entre otros.INTRODUCCION Este trabajo tiene por objetivo presentar en forma descriptiva y conocer la aplicabilidad de un modelo matemático. específicamente en aves. El objetivo para presentar esta monografía es visualizar en la misma. Levy César Samamé Mendoza Página 5 . que permita estimar valores entre variables correlacionadas. la amplia gama de modelos matemáticos (funciones no lineales). a la vez se presentan investigaciones realizadas en el ámbito de biología. realizadas en el ámbito de la biología. mediante funciones no lineales.

El autor Bach. a la vez se observa que se relaciona el peso corporal de las aves con la base genética de las mismas. Levy César Samamé Mendoza Página 6 .embargo hacen uso de estos modelos para determinar los requerimientos específicos por cada etapa en función al desarrollo fisiológico del animal.

Bach. Levy César Samamé Mendoza Página 7 .

consideradas sobre la misma población objeto de estudio (por Bach.Regresión No Lineal en el Crecimiento de Aves 8 REGRESION NO LINEAL EN EL CRECIMIENTO DE AVES I. La utilizan los biólogos. y suena como "ir hacia atrás". Levy César Samamé Mendoza Página 8 . aparece una perceptible "regresión" hacia la estatura media de la población. Pero ocurría un hecho curioso: cuando el padre es muy alto o muy bajo. que si los padres son altos. SIR FRANCIS GALTON*. Observó. "volver al pasado". los psicólogos. por cierto... se desea conocer algo acerca de la relación o dependencia entre dos características cuantitativas. y realmente este es verdadero significado del vocablo. los hijos generalmente también lo son. Fue un biólogo y estadístico inglés. Empleó este concepto para indicar la relación que existía entre la estatura de los niños de una muestra y la estatura de su padre. En muchas ocasiones. quien introdujo en 1889 el término regresión en Estadística. Hoy día. de modo que sus hijos retroceden hacia la media de la que sus padres. y si los padres son bajos los hijos son también de menor estatura. están muy alejados. o más de una.1. los médicos. CONCEPTOS TEORICOS DE REGRESION NO LINEAL I. el término no se utiliza en ese sentido. INTRODUCCION Regresión es una palabra un tanto rara.

• Si puede predecirse la variable que es considerada como dependiente a partir de los valores de la otra. que es considerada independiente. por el contrario.…. es necesario conocer el "grado de relación". Para representar los valores. en el caso de que tengamos únicamente dosvariables: • Si ambas variables están realmente relacionadas entre sí o si. Bach.2. de modo que para cada individuo se tenga un par de valores(xi.n). siendo Y la variable dependiente. Para analizar si dos variables aleatorias están relacionadaso no (de ahora en adelante se denominarán X e Y . pueden considerarse independientes. así como el "tipo" de relación entre ambas. se presentan en los ejes cartesianos. consiste en tomar una muestra aleatoria.yi)(1. Sobre cada individuo de la muestra seanalizan las dos características en estudio. y si es así. con qué precisión. Levy César Samamé Mendoza Página 9 . se pretende saber por ejemplo. dando lugar a un diagrama dedispersión o nube de puntos. y por consiguiente. • Si existe dependencia.Regresión No Lineal en el Crecimiento de Aves 9 ejemplo la talla y el peso). Así. y X la variable independiente o regresora). Hay muchos casos en los que ya de antemano se "sospecha" que puede existir algún tipo de relación.

yi). decoordenadas(xi. debidopor ejemplo. y cuyos efectos sean diferentes a los de X .Regresión No Lineal en el Crecimiento de Aves 10 cada individuo vendrá representado por un punto en el gráfico. indicándonos de manera visual la primera idea de cuál es el comportamiento y la relación de los datos: • Evaluar si existe dependencia funcional o dependencia estocástica. no existe una dependencia funcional perfecta. es decir. errores aleatorios o de medida. los puntos del diagrama de dispersióncorrespondiente aparecen sobre la función Y= f(X) . Levy César Samamé Mendoza Página 10 . donde es un error (o residual). En el primercaso la relación es perfecta: Y= f(X). sino otra dependencia orelación menos rigurosa o dependencia estocástica Entonces. por ejemplo la relación lineal perfecta entre las variables: • Muchas veces. o simplemente a que se ha especificando mal el Bach. la relación entre X e Y . se escribiría. de de la forma Y=a+bX+e . a no incluir variables en el modelo que sean importantes a la hora de explicar el comportamiento de Y .

Levy César Samamé Mendoza Página 11 . tiene como fin dar respuesta a las preguntas: ○ ¿Existe dependencia estocástica entre las variables?.Regresión No Lineal en el Crecimiento de Aves 11 modelo (por ejemplo. en lugar de ser una recta. (b) Análisis de correlación. ○ ¿Cuál es el grado de dicha dependencia? En el análisis de regresión las cuestiones son: Bach. sea unaparábola). • En la dependencia estocástica. se distinguen dos tipos de técnicas: (a) Análisis de regresión. En el primer caso: El análisis de correlación.

○ ¿Pueden estimarse los valores de Y a partir de los de X?y ○ ¿Con qué precisión?. • En general. la variable X se conoce como variable independiente.1. se denominará ecuación de regresión a la ecuación que describe la relación entre lasdos variables.Regresión No Lineal en el Crecimiento de Aves 12 ○ ¿Cuál es el tipo de dependencia entre las dos variables?. independientes del investigador. llamada línea de regresión que se ajusta más o menos claramente a la nube de puntos. Por lo tanto. DESCRIPCIÓN DE UNA ECUACIÓN DE REGRESIÓN Bach. se hacen necesarios métodos estadísticos objetivos. Levy César Samamé Mendoza Página 12 . Evidentemente puede ser arbitrario el determinar la existencia de regresión así como el tipo de la misma. I. yaque depende del autor o del estado de ánimo de la persona en un momento determinado. • Se dice que existe regresión de los valores de una variable con respecto a los de otra. y la Y como variable dependiente. cuando hay alguna línea. Si existe regresión. para determinar la existencia o no de relación y el tipo de la misma.

X2. etc. se habla de regresión múltiple.Regresión No Lineal en el Crecimiento de Aves 13 Si las dos variables X e Y se relacionan según un modelo de línea recta. se habla de regresión lineal simple: Y=a+bX Cuando las variables X e Y se relacionan según una línea curva. exponencial.Xn). se habla de regresión no lineal o curvilínea. Aquí se puede distinguir entre regresión parabólica. predictoras o independientes. y una sola variable dependiente Y . Las variables Xise denominan.…. regresoras. Levy César Samamé Mendoza Página 13 . Bach. potencial. Cuando hay más de una variable independiente(X1.

es decir. Por tanto. Es decir.una medida de dispersión. o lo que es lomismo. la bondad de ajuste será baja. Si tiene carácter de línea media (de promedio. se debe evaluar esas distancias verticales a la curva. Si la dispersión es grande. de lo buena que es lacurva. en definitiva). es decir.1.2. Poder explicativo del modelo La curva de regresión. REPRESENTATIVIDAD REGRESIÓN. por tanto.Regresión No Lineal en el Crecimiento de Aves 14 I. Se necesita. que tenga en cuenta la dispersión de cada observación con respecto a la curva. se llamará varianza residual a la expresión: Bach. tiene carácter de línea media que trata de resumir o sintetizar la informaciónsuministrada por los datos. la curva será un buen representante de la nube de puntos. DE LA CURVA DE I.Una forma de medir dicha bondad de ajuste es precisamente evaluando la suma de los cuadrados de los errores. ya que el haber obtenido la mejor de todas no da garantías de que sea buena. Levy César Samamé Mendoza Página 14 . lo alejado que se encuentra cada punto de la curva. los errores o residuales. deberá ir acompañada siempre de una medida que exprese su representatividad.2.Si las dispersiones son pequeñas. la bondad de ajuste del modelo será alta. es decir.

es decir. Levy César Samamé Mendoza Página 15 .Regresión No Lineal en el Crecimiento de Aves 15 Se2=i=1n(yi-yi*)2n Si la varianza residual es grande. el modelo será malo. Por tanto. Expresado en tantos por 1. la varianza de la variable dependiente. La cota máxima de la varianza residual es la varianza que se trata de explicar mediante el modelo de regresión. será: R2=1-Se2SY2 Como puede observarse. y multiplicando por 100. a partir de la expresión anterior:: 0<R2<1. es decir. sin más que hacer relativa la varianza residual respecto de su máximo valor. Por tanto: Bach. la curva no explicará el comportamiento general de la nube. se obtiene el porcentaje de variación no explicado por el modelo: % devariacionsinexplicar=Se2SY2100. En el que es fácil obtener una medida R2o coeficiente de determinación que indique el porcentaje de variación controlada o explicada mediante el modelo.

ya que el que la mayoría de los puntos se encuentren cercanos a la recta de regresión. Cuanto más cercano a 0 esté dicho valor. de diagramas de dispersión. que justamente para aquel rango de valores en el que el investigador está interesado. no implica que todos lo estén. se alejen de la recta. puede no ser bueno para predecir. Cuanto más se acerque dicho valor a la unidad.Regresión No Lineal en el Crecimiento de Aves 16 ○ Si R2=1 no hay residuos: habrá una dependencia funcional. menor poder explicativo. y por tanto. PODER EXPLICATIVO FRENTE A PODER PREDICTIVO Un modelo de regresión con un alto porcentaje de variaciones explicado. ○ Si R2=0 entonces X no explica en absoluto ninguna de las variaciones de la variable Y. el valor predictivo puede alejarse mucho de la realidad. en los que Bach. y puede ocurrir.1. Levy César Samamé Mendoza Página 16 . de modo que o bien el modelo es inadecuado.1. es decir. mayor poder explicativo tendrá el modelo de regresión. La única forma de poder evaluar el poder predictivo del modelo es tras la observación y el análisis de los gráficos de residuales. o bien las variables son independientes. I.

I. que un modelo con un alto poder explicativo. o Y * . Eso no significa Bach. de que un modelo sea capaz de explicar de manera adecuada las variaciones de la variable dependiente en función de la independiente. no implica que la primera sea causa de la segunda. CAUSALIDAD Es muy importante resaltar el hecho. y en el eje de abscisas se colocan o bien X .1. si se realiza un estudio en el que se analiza el número de canas ( X) y la presión arterial (Y ) podría encontrarse una relación lineal casi perfecta.2. Levy César Samamé Mendoza Página 17 . Es un error muy común confundir causalidad con casualidad. El hecho de que las variables estén relacionadas no implica que una sea causa de la otra. y se encuentran todos los puntos no demasiado alejados del 0 (aunque depende de la escala de medida). Sólo si la banda de residuales es homogénea. Y . ya que puede ocurrir el hecho de que se esté dando una variación concomitante.Regresión No Lineal en el Crecimiento de Aves 17 en el eje de ordenadas se colocan los residuales. también es bueno para predecir. por el simple hecho de que las dos son causa de una tercera. Por ejemplo. diremos.

I. la causante. Con el fin de determinar si el modelo es adecuado.θ+ε basado en datos multidimensionales x . y .Regresión No Lineal en el Crecimiento de Aves 18 que el tener canas aumente la presión arterial. Levy César Samamé Mendoza Página 18 . ya que más allá de ese rango se desconoce qué puede estar ocurriendo. con el método de los mínimos cuadrados). Como mínimo. I. se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente.3. de que se tengan más canas y una tendencia a tener más alta la presión arterial. EXTRAPOLACIÓN Es importante resaltar el hecho de que al hacer predicciones.lo que verdaderamente está ocurriendo es que es la edad.1.2. no deben extrapolarse los resultados más allá del rango de la variable X utilizado para ajustar el modelo. donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ . puede ser necesario utilizar conceptos de Bach. REGRESIÓN NO LINEAL E INFERENCIA La regresión no lineal es un problema de inferencia para un modelo tipo: y=fx.

y c. Bach. Los procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal (múltiple). Las consecuencias prácticas de esta mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en realidad hay una solución disponible en términos de regresión lineal. Cuando la función f toma la forma: f(x) = ax2 + bx + c la función f es no lineal en función de x pero lineal en función de los parámetros desconocidos a. Este es el sentido del término "lineal" en el contexto de la regresión estadística. más alternativas de regresión lineal que de regresión no lineal en sus procedimientos. Paquetes (software) estadísticos consideran. en este caso con dos variables predictoras x y x2 .Regresión No Lineal en el Crecimiento de Aves 19 inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste. la cual es mejor no tratar como un caso de regresión no lineal. Sin embargo. en ocasiones se sugiere que la regresión no lineal es necesaria para ajustar polinomios. b. por lo general. Levy César Samamé Mendoza Página 19 . El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión.

Por ejemplo. la Bach. se obtiene: ln(y)=ln(a)+bx • lo cual sugiere una estimación de los parámetros desconocidos a través de un modelo de regresión lineal de ln ( y) con respecto a x .Regresión No Lineal en el Crecimiento de Aves 20 Ejemplo de regresión no lineal.3. LINEALIZACIÓN Algunos problemas de regresión no lineal pueden linealizarse mediante una transformación en la formulación del modelo. Levy César Samamé Mendoza Página 20 . De todas formas. I. un cálculo que no requiere procedimientos de optimización iterativa. considérese el problema de regresión no lineal (ignorando el término de error): y=aexp⁡(bx) Aplicando logaritmos a ambos lados de la ecuación.

1. Hay que distinguir entre la "linealización" usada en los párrafos anteriores y la "linealización local" que se adopta para algoritmos clásicos como el de Gauss-Newton.Regresión No Lineal en el Crecimiento de Aves 21 linealización debe usarse con cuidado ya que la influencia de los datos en el modelo cambia. en aquellos casos donde se tienen diferentes varianzas de error para diferentes errores. Esta es la aproximación por el método de mínimos cuadrados (MMC). cosa que puede ser un inconvenientes. METODOS DE AJUSTE EN UNA REGRESION NO LINEAL I. Sin embargo. es necesario minimizar la suma de los residuales al cuadrado ponderados ponderados). MÍNIMOS CUADRADOS ORDINARIOS Y PONDERADOS Se considera la mejor curva de ajuste aquella que minimiza la suma de las desviaciones (residuales) al cuadrado (SRC).1. así como la estructura del error del modelo y la interpretación e inferencia de los resultados.1. (SRCP) (método de mínimos cuadrados Bach. Levy César Samamé Mendoza Página 21 . I.

Así que las ponderaciones son recalculadas para cada iteración en un algoritmo de mínimos cuadrados ponderados iterativo. una nueva curva es ajustada y las estimaciones de los parámetros registradas. Estimación de los parámetros con el método Monte Carlo Si el error de cada observación es conocido. En general. Las observaciones son entonces Bach. en contraste con la regresión lineal. I. no hay una expresión de forma cerrada para los parámetros de mejor ajuste. En la práctica se suponen algunos valores iniciales los cuales junto con el algoritmo de optimización conducen a encontrar el máximo global. podría haber varios máximos locales de la función a ser optimizada. Levy César Samamé Mendoza Página 22 . Cada observación es aleatorizada de acuerdo a su media y su desviación estándar.2. Con el nuevo conjunto de datos.Regresión No Lineal en el Crecimiento de Aves 22 En la práctica. Otra vez.1. entonces la precisión y confiabilidad de los parámetros puede ser estimada mediante simulación Monte Carlo. la varianza puede depender del valor promedio ajustado. Métodos numéricos de optimización son aplicados con el fin de determinar los parámetros de mejor ajuste. como sucede en el caso de la regresión lineal.

el algoritmo de Gauss–Newton se utiliza para resolver problemas no lineales de mínimos cuadrados. Levy César Samamé Mendoza Página 23 .….1. Esto significa que debemos proporcionar una estimación inicial del parámetro vector que denominaremos p0.pm. ○ El algoritmo El algoritmo de Gauss-Newton es un procedimiento iterativo.p2.f2. se desea minimizar la suma: Sp=i=1n(fi(p))2 Donde p se refiere al vector p1. Algoritmo de Gauss–Newton En matemáticas.3. ○ El problema: Dadas m funciones f1. se generan varios conjuntos de parámetros y pueden ser calculadas la media y desviación típica. I.pmcon m≥n. ….…. Al final.p2.Regresión No Lineal en el Crecimiento de Aves 23 aleatorizadas y nuevos valores de los parámetros son obtenidos. Bach. Es una modificación debida a CF Gauss del método de optimización de Newton que no usa segundas derivadas.fmde n parámetrosp1.

nunca se computa explícitamente.. en la práctica... se utiliza donde el número αk es de algún modo óptimo. pero desde luego. esa relación no es lineal. Bach. en lugar de ellos se utiliza y se computa la actualización de δk resolviendo el sistema lineal una buena implementación del algoritmo de GaussNewton utiliza también un algoritmo de búsqueda lineal: en lugar de la fórmula anterior para pk+1. I.1.Regresión No Lineal en el Crecimiento de Aves 24 Estimaciones posteriores pk para el vector parámetro son producidas por la relación recurrente: Donde f=(f1.. fm) yJf(p) denota el Jacobianode f en p (nótese que no es necesario que Jf sea cuadrada). Levy César Samamé Mendoza Página 24 . TIPOS DE REGRESIÓN NO LINEAL Se observa una clara relación entre las dos variables. La matriz inversa.

la exponencial y la potencial. debemos buscar la función que ha de describir la dependencia entre las dos variables: la función parabólica. b y c son los parámetros. la logarítmica. haciendo que la suma de los cuadrados de las desviaciones con respecto a la curva de regresión sea mínima: Bach. Levy César Samamé Mendoza Página 25 .Regresión No Lineal en el Crecimiento de Aves 25 Por tanto. El problema consiste. en determinar dichos parámetros para una distribución dada. un razonamiento similar al que hicimos en el caso del modelo de regresión lineal simple. utilizando el procedimiento de ajuste de los mínimos cuadrados.1.1. es una función de segundo grado la que se ajusta lo suficiente a la situación real dada. es decir. por tanto. PARÁBOLA DE REGRESIÓN En muchos casos. La expresión general de un polinomio de 2º grado es: Y=a+bX-cX2 donde a. I. Seguiremos para ello.

Levy César Samamé Mendoza Página 26 . Las ecuaciones que forman dicho sistema se conocen como ecuaciones normales de Gauss (igual que en el caso de la regresión lineal simple).2.1. e los valores estimados según el modelo. por tanto. deberemos igualar las derivadas parciales de D con respecto a dichos parámetros a cero y resolver el sistema resultante. b y c que hacen mínima la expresión anterior. interesa ajustar a la nube de puntos una función del tipo: y=a+bx La función a minimizar será: Bach. podemos escribir D de la forma: D=i=1n(yi-yi*)2=i=1n(yi-a-bxi-cxi2)2 Para encontrar los valores de a. i=1nyi=na+bi=1nxi+ci=1nxi2 i=1nxiyi=ai=1nxi+bi=1nxi2+ci=1nxi3 i=1nxi2yi=ai=1nxi2+bi=1nxi3+ci=1nxi4 I. yi son los valores observados de la variable dependiente. siguiendo la notación habitual.Regresión No Lineal en el Crecimiento de Aves 26 D=i=1n(yi-yi*)2 donde. REGRESIÓN HIPERBÓLICA Cuando la dependencia entre las variables X e Y es de forma hiperbólica.

Si en la expresión de la función potencial se toman logaritmos. M=i. se calculan las derivadas parciales respecto a los parámetros a y b . se obtiene: Log Y= log A+ b log X Bach.3. Levy César Samamé Mendoza Página 27 . Es decir.1.j=1nyjxi I.igualando a cero: ∂M∂a=2i.Regresión No Lineal en el Crecimiento de Aves 27 M=i.j=1na+bxi-yj=0i.j=1ndi.j=1na+bxi-yj=0∂M∂b=2i.j=1n(y-yj)2 Donde yi=a+bxi Por tanto.j2=i.j=1n(a+bxi-yj)2 Para minimizar la expresión. MODELO POTENCIAL El problema de ajustar un modelo potencial. de la forma Y=AXby uno exponencial Y=ABx se reduce al de la función lineal.j=1na+bxi-yj1xi=0 En consecuencia las ecuaciones normales serán: i.j=1na+bxi-yj1xi=0⟺ aN+bi=1n1xi=i=1nyjai=1n1xi+bi=1n1xi2=i. con solo tomar logaritmos.

Regresión No Lineal en el Crecimiento de Aves 28 Que es la ecuación de una recta Y=a +b X. Bach. El problema se reduce a transformar Y en logY y X en log X y ajustar una recta a los valores transformados. Levy César Samamé Mendoza Página 28 . El parámetro b del modelo potencial coincide con el coeficiente de regresión de la recta ajustada a los datos transformados y A se obtiene mediante anti log(a). donde ahora a= logA.

4. MODELO EXPONENCIAL En determinados experimentos. tomando logaritmos neperianos. se convierte el problema en una cuestión de regresión lineal. tomando logaritmos neperianos: lny=a+bx Y Bach.1. Es decir.Regresión No Lineal en el Crecimiento de Aves 29 I. en su mayoría biológicos. Levy César Samamé Mendoza Página 29 . en cuyo caso interesa ajustar a la nube de puntos una función del tipo: y=ea+bx Mediante una transformación lineal. la dependencia entre las variables X e Y es deforma exponencial.

0986 x2 1 x Iny 1. descartando multiplicidades y suponiendo que cada par se repite una sola vez.Regresión No Lineal en el Crecimiento de Aves 30 Llamando: Y=lny Se tiene: Y=a+bx (Regresión lineal).2069 Bach. las ecuaciones normales serán: aN+bi=1nxi=i=1nlnyiai=1nxi+bi=1nxi2=i=nxilnyi Calculando los parámetros a y b se tiene la ecuación de la función exponencial: y=ea+bx Ejemplo x 1 y 3 In y 1.0986 In y2 1. Levy César Samamé Mendoza Página 30 . Para simplificar.

46288=1. está referida a log X y a Y .5901 3.98=2.1. pero en lugar de estar referida a las variables originales X e Y .5 2 3 3.25 4 9 13.7865 3.5 Σ 36 1.44 2.4974 2.25 Σ 67.9547 7.5 Σ 20.3862 4.84272 a=eb=e0.9459 1.Regresión No Lineal en el Crecimiento de Aves 31 1.1 5 7 6.5.6455 Numero de datos=n=8 x promedio=x=1ni=1nai=20.6094 1.43285(20.831597 e0.7614 1.7836 8.6125(20.4684 2.5056 Σ 17.7614-1.9)=0.6125=0.632.9)67.2 1.9 3. Bach.69 16 20.4231 Σ 32.2327 5.2160472.8718 Σ 11.216047=2.216047x I.43285-0.6094 0.7 4 4. MODELO LOGARÍTMICO La curva logarítmica Y=a+blogX es también una recta.4328 Usando la forma lineal de la Regresión Exponencial: b=xy-yxx2-xx=32.2237 1.6931 1.8597 La ecuación final que modela el sistema es y=2.216047 a=y-bx=1.5901 0. Levy César Samamé Mendoza Página 31 .4628 1.9906 2.4141 1.63 1.6125 y promedio=lny=1ni=1nai=11.4 5 2 4.4109 1.4803 1.

62 a=xy- yxx2-xx=34.776 Σ 34.2069 1.1 5 7 6.8222(6.090513 lnx+2.7798- 0.9215 2.7034 9.8222=2.7 4 4.090513 b=y-bx =4.3862 1.3862 4.Regresión No Lineal en el Crecimiento de Aves 32 Ejemplo x 1 1.81 25 49 42.6198 2.5040 Σ 6.027 1.7798 ln x * y 0 0.5(6.4 5 2 4.5779 ln x2 0 0.5042 6.5581-4.7116 1. Levy César Samamé Mendoza Página 32 .0332 0.6931 1.5-2.0905130.0986 1.1823 0.5779)7.2620 Σ 7.5 Σ 20.4803 1.2 1.5581 y2 9 11.56 25 4 16.9 y 3 3.5415 9.5 2 3 3.1643 0.78117 Bach.5779)=2.5 Σ 36 ln x 0 0.78117 La ecuacion final que modela el sistema es y=2.25 Σ 182.3083 1.4054 0.

25 Σ x2y 3 4.44 2.5 4 12.0736 5.5 Σ y 3 3.5 Σ xy 3 4.1.9 36 106.25 Σ x2 1 1.25 Σ 67.5 28 29.6.81 25 49 42.0625 16 81 187.375 8 27 50.6147 y2 9 11.0625 Σ Usando una Matriz para calcular valores de los coeficientes Bach.4 5 2 4.69 16 20.9 68.08 7.728 3.3 18.2 1. MODELO POLINOMIAL Algunas veces cuando la relación entre las variables dependientes e independientes es no lineal.25 8 36.Regresión No Lineal en el Crecimiento de Aves 33 I.125 Σ x4 1 2.653 64 91.881 958. Levy César Samamé Mendoza Página 33 .62 376.896 11.1 5 7 6. Las regresiones polinomiales se pueden ajustar la variable independiente con varios términos y=a+bx+cx2←Segundo Grado y=a0+a1x+a2x2+…anxn←Ecuacion general para cualquier Grado Gradoy=a+bx+cx2+dx3←Tercer Ejemplo: x 1 1.121 246.5 2 3 3.63 182.56 25 4 16.45 112 131. es útil incluir términos polinomiales para ayudar a explicar la variación de nuestra variable dependiente.625 Σ x3 1 1.7 4 4.63 20.4161 256 410.25 4 9 13.

52415 x+0.57543-1. Levy César Samamé Mendoza Página 34 . b=-1.52415. a=4.1.Regresión No Lineal en el Crecimiento de Aves 34 = Usando el método de Eliminación de Gauss . APLICACIÓN DE LA REGRESION NO LINEAL EN LA CURVA DE CRECIMIENTO DE AVES II. están los Bach.57543 La ecuación final que modela el sistema es y=4.Jordan c=0.46209x2 II. Modelos Matemáticos No Lineales utilizadas para estudiar el crecimiento animal: Entre los modelos más usados en la determinación de ciertas características biológicas de las aves u otro animal.46209.

Levy César Samamé Mendoza Página 35 . 1838).Regresión No Lineal en el Crecimiento de Aves 35 modelos exponenciales y potenciales. Bach. “e” es la base de los logaritmos naturales. por las características del comportamiento de dichas funciones no lineales. b es un parámetro de ajuste del modelo y c la tasa de maduración y t es la edad en días. MODELO DE GOMPERTZ. entre las cuales tenemos: 1. MODELO LOGISTICO: Función no lineal utilizado para describir el crecimiento (Verhulst. en los cuales el punto de inflexión es cercano al 50% del peso adulto. P∞ es el peso adulto. Este modelo puede ser usado para crecimientos de tipo sigmoideo. una de sus formas de expresión se describe como: Pt=P∞(1+b*e-c*t ) Donde Ptes el peso a una determinada edad. 2.

c Bach. Fundamentados en las premisas propuestas por Bertalanffy (1957) en relación a que el crecimiento corresponde a una diferencia entre la tasa de anabolismo y la tasa de catabolismo se han postulado funciones para describir el crecimiento de diferentes magnitudes. e es la base de los logaritmos naturales. P∞ es el peso adulto (peso asintótico). MODELO DE BERTALANFFY. e es la base de los logaritmos naturales. L∞ es la longitud asintótica.Regresión No Lineal en el Crecimiento de Aves 36 Esta ecuación fue propuesta por Winsor (1932) fundamentado en el modelo propuesto por Benjamín Gompertz en 1925 para describir la mortalidad en humanos y es de la forma: Pt=P∞*(e-e⁡(b-c*t)) Donde Ptes el peso en la edad t. 3. Levy César Samamé Mendoza Página 36 . en este contexto para describir el crecimiento en términos de longitud ha sido propuesta y ampliamente usada la ecuación: Lt=L∞(1-e-c(t-t0)) Donde Lt es la longitud total del pez en el tiempo t. by cson parámetros de ajuste del modelo y se relacionan con la fuerza ascendente y descendente respectivamente que ajustan la forma de la curva sigmoidea.

(1999). Dicha ecuación se describe como: Pt=P∞(1+eb(-c*t) )(1d) En la cual Pt es el peso en el tiempo t. MODELO DE RICHARDS. Una ecuación más generalizada. desarrollada para el crecimiento en plantas pero con frecuente utilización en animales es descrita por Richards en 1959 y se caracteriza por su flexibilidad para adaptarse a la forma de la curva. MODELO DE JANOSCHECK. La ecuación de este es: Pt=P∞-(P∞-P0)*⁡e(b-c*tP)) Bach. e es la base de los logaritmos naturales b. P∞ es el peso asintótico. 4. 5. c y d son parámetros que ajustan la curva. Otro modelo que ofrece gran flexibilidad para adaptarse a la forma de la curva de crecimiento es el propuesto por el alemán Janoscheck en 1957 citado por Salomón et al. Levy César Samamé Mendoza Página 37 .Regresión No Lineal en el Crecimiento de Aves 37 es la tasa de maduración o coeficiente de crecimiento y t0 es la hipotética (negativa) edad en la cual la longitud es cero.

Levy César Samamé Mendoza Página 38 . (2000) fundamentados en la cinética enzimática documentada por Michaelis y Menten.Regresión No Lineal en el Crecimiento de Aves 38 Donde Pt corresponde el peso corporal en el tiempo t. López et al. proponen la siguiente ecuación en un esfuerzo por obtener una ecuación más generalizada para el análisis del crecimiento de los animales. P∞al peso corporal asintótico. k la edad a la cual se logra la mitad del máximo crecimiento y c un parámetro de ajuste del modelo que determina la forma de curva así: cuando c≤1 la curva describe una hipérbola y no tiene un punto de inflexión. P0 al peso cuando t=0. MODELO MICHAELIS-MENTEN. P∞al peso asintótico.1. P0 al peso corporal cuando t=0. I. cuando c > 1 la curva toma una forma sigmoidea. Pt=(P0kc+P∞tc)(kc+tc) En esta Ptcorresponde el peso corporal en el tiempo t. 6. INVESTIGACIONES QUE HACEN USO DE LOS MODELOS MATEMÁTICOS Bach. c y p son parámetros de ajuste del modelo y exp es la base de los logaritmos naturales.

CE. El ajuste no lineal de los datos longitudinales peso corporal-edad cronológica registrados a intervalos semanales entre el crecimiento y las 50 semanas de edad con el modelo sigmoideo de Gompertz permitió caracterizar el patrón de crecimiento de las hembras de cada estirpe en términos de dos parámetros con significado biológico que definen la forma de la curva de modificación del Dónde: W (t) = peso corporal (g) en el tiempo t Bach. Virginia FainBinda (Instituto Nacional de Tecnología Agropecuaria EEA Pergamino). Universidad Nacional de Rosario). Zulma. DE y ES) de reproductoras destinadas a la producción de pollos camperos. E. En el Análisis dinámico del peso corporal de cinco estirpes maternas de reproductoras destinadas a la producción de pollos camperos. BM Romera.Regresión No Lineal en el Crecimiento de Aves 39 A continuación presentamos las diferentes investigaciones en las cuales han hecho uso de la regresión no lineal para determinar el crecimiento de aves: 1. Argentina. AM Dottavio. Levy César Samamé Mendoza Página 39 . Canet. En ésta investigación se evaluó el crecimiento de cinco estirpes maternas (A. Ricardo José Di Masso (Cátedra de Genética. Facultad de Ciencias Veterinarias.

A.87 3. P. P=Ganancia de peso (g/d).394 P0. en su Investigación denominada: Efecto De Dietas Bajas En Proteína Y Niveles De Lisina Sobre Bach. La cual genera el siguiente modelo matemático EMi=0. Toledo.69 P. P= Peso de la gallina (kg). en PROGRAMAS DE ALIMENTACIÓN EN AVICULTURA:PONEDORAS COMERCIALES.65 ∆P+2. de la Estación Experimental. Levy César Samamé Mendoza Página 40 . que ajusta para aquellos casos en que t es distinto de cero k = tasa de maduración (velocidad de aproximación al valor A) t = tiempo en semanas 2. Casarrubios del Monte.Hu+62. Flores. P=Peso de la gallina (g). En esta investigación se relaciona la cantidad de alimento EM (metionina) con el peso de la gallina y la producción de huevos: EMi=Ingestión de EM (kcal/d) metionina.Hu=Producción de huevos (g/d). Sergio Clemente Hernández. sin significado biológico.75+4.Regresión No Lineal en el Crecimiento de Aves 40 A = peso corporal asintótico (peso promedio cuando t tiende a infinito) b = parámetro de posición.

Wt=W0eLK(1-e(-Kt)) 4. está relacionando la dieta con el crecimiento y desarrollo de la pechuga. L Hauschild. contribuyendo así a adecuar las recomendaciones nutricionales para las diferentes fases del crecimiento de las aves de postura. Brasil. J Anchieta de Araujo. Bach.el modelo de predicción propuesto fue capaz de expresar los requerimientos de lisina digestible de acuerdo con el desarrollo fisiológico del animal. Cleber Franklin Santos de Oliveira. la cual aproxima mediante la ecuación de Gompertz. K=Tasa exponencial de decadencia de L. Levy César Samamé Mendoza Página 41 . N Kazue Sakomura. L= Tasa inicial de crecimiento. FCAV/UNESP. en el cual.Regresión No Lineal en el Crecimiento de Aves 41 El Desarrollo Dinámico Del Músculo De Pechuga En Pollos De Engorda. Modelo de predicción de los requerimientos de lisina digestible para aves de postura. W0=Peso (g) inicial o peso (g) a la eclosión. donde: Donde: Wt=Representa el peso (g) al tiempo t. Melina Aparecida Bonato. E Pereira da Silva. en su investigación:. Función de Gompertz.

Regresión No Lineal en el Crecimiento de Aves 42 En donde: Lis= Requerimiento de lisina digestible en mg/ave/día.DPBc/0.73.559 Kg). en donde u=PBt/PBm. DPBP=Depósito de proteína en las plumas (g/día).01. Levy César Samamé Mendoza Página 42 .DPBP/0.u+0. DPBc= Depósito de proteína en el cuerpo sin plumas (g/día). PP=Peso de la proteína de las plumas (g).PP.80)+(18. PBm= Peso de la proteína corporal a la madurez (0. u=Grado de madurez de la proteína corporal.PBm0.2. Obteniéndose: Lis=151.80) ] Bach.18+ [(75.

Levy César Samamé Mendoza Página 43 . ajustan a los datos. se determinan mediante software estadístico. Bach. Bertalanffy y otros. • En opinión de los especialistas. • Las funciones no lineales. y a la vez sus parámetros representan características biológicas especificas de la especie. • Las funciones no lineales en aplicaciones específicas.Regresión No Lineal en el Crecimiento de Aves 43 CONCLUSIONES • El diagrama de dispersión determinará la forma específica de la curva que se ajustará a los datos. es necesario conocer las características y restricciones de las mismas para su aplicación. se linealiza para proceder con el método de regresión lineal. las funciones logísticas y sus variantes (Gompertz. pero sin embargo.

htm Bach. 2004. LEVIN Richards. MARTINEZ CALVO. 2002. 2000. David. Alberto. Alianza Editorial S. Regresión y Diseño de Experimentos. Estadística para Administración y Economía. CANET. Pearson Educación. FAIN. Madrid. Levy César Samamé Mendoza Página 44 . Sulma.A. Daniel. Séptima Edición. Una prospectiva Instrumental. Una EstadísticaBiométrica.A. María.com/MAavicultura/genetica/articulos/analisis-dinamico-peso-corporal-t3473/103p0. Análisis dinámico del peso corporal de cinco estirpes maternas de reproductoras destinadas a la producción de pollos camperos.Regresión No Lineal en el Crecimiento de Aves 44 BIBLIOGRAFÍA PEREZ DE VARGAS LUQUE. RUBIN.engormix. España. México. PEÑA SANCHEZ DE RIVERA. Disponible en http://www. Virginia. Editorial Síntesis S.

Sign up to vote on this title
UsefulNot useful