Universidad Autónoma de Baja California Sur

Departamento de Ing. En Pesquerías

Ing. En Fuentes De Energías Renovables

Regresión y
correlación no lineal
Alumno:
Xochilt Sinahi Tarango Espinoza

Profesor:
M.C. Silvia Mendoza Salgado

Viernes 01 de Mayo de 2020

La Paz BCS
6to Sem - B
Modelos no lineales
La teoría estadística dedicada a los modelos
lineales en los parámetros es muy amplia, sin
embargo, hay fenómenos observables que no
pueden ser explicados por modelos lineales, por
ejemplo, el desarrollo de una teoría en la
química o la física, en tales situaciones un 2
modelo no lineal en los parámetros se puede
ajustar mejor.
Hoy en día es más viable, gracias al progresivo
avance de la tecnología, la aplicación de
modelos no lineales en fenómenos donde el
conjunto de parámetros no puede expresarse
en forma lineal.
Rivas, G., López, L. A., & Velasco, A. (n.d.). REGRESIÓN NO LINEAL Estadístico, Universidad Nacional
de Colombia. 89–102. http://www.bdigital.unal.edu.co/15397/1/10003-18133-1-PB.pdf
 Este
“
Regresión
logarítmica:
modelo de regresión es una
alternativa cuando el modelo lineal no
logra un coeficiente de determinación
apropiado, o cuando el fenómeno en
estudio tiene un comportamiento que
puede considerarse logarítmico. La forma
más simple de tratar de establecer la
tendencia es a través de un diagrama de
dispersión o nube de puntos, tal como la
siguiente: Ecuación de
regresión
Y = A + B In(x)
Reyes, L. (2011). Análisis de Regresión
logarítmica. Recuperado el 24 de abril
de 2020, de Universidad de San Carlos,
Facultad de Ingeniería.
http://reyesestadistica.blogspot.com/201
1/07/analisis-de-regresion-logaritmica.ht
ml 3
 “
Regresión
exponencial:
Este modelo de regresión estadístico es
utilizado para simular relaciones
existentes entre dos o mas variables por
lo tanto se puede emplear para escribir
un modelo que permita predecir el
comportamiento de una variable.
Una regresión exponencial es el proceso
de encontrar la ecuación de la función
exponencial que se ajuste mejor a un
conjunto de datos. Ecuación de
regresión
Y = A + e^Bx

Pinzón, C., & Torres, L. (2015).

REGRESIÓN LINEAL, EXPONENCIAL
Y LOGARITMICA. Recuperado el 25 de
abril de 2020, de UNISANGIL.
https://prezi.com/fvachbwr4jnn/regresio
n-lineal-exponencial-y/ 4
 Regresión
“
potencial:
A esta función se le conoce como curva
geométrica, en donde los datos
observados por una variable que se
quiera proyectar, se puede graficar una
nube de puntos y observar la distribución
de los mismos, así como apreciar si los
puntos se aproximan a alguna función, se
puede recurrir a la siguiente relación:

Ecuación de
regresión
Y = A + B^x

Cervantes, P. (2015). Practica regresión

potencial. Recuperado el 24 de abril de
2020, de Scribd.
https://es.scribd.com/document/264728
952/Practica-Regresion-Potencial 5
 El modelo
“
Regresión
cuadrática:
de regresión cuadrática es una
alternativa cuando el modelo lineal no
logra un coeficiente de determinación
apropiado, o cuando el fenómeno en
estudio tiene un comportamiento que
puede considerarse como parabólico. La
forma más simple de tratar de establecer
la tendencia es a través de un diagrama
de dispersión o nube de puntos, tal como
la siguiente:
Ecuación de
regresión
Y = A + Bx + Cx^2
Reyes, L. (2011). Análisis de
Regresión Cuadrática. Recuperado el
24 de abril de 2020, de Universidad de
San Carlos, Facultad de Ingeniería.
http://reyesestadistica.blogspot.com/20
11/07/analisis-de-regresion-cuadratica.
html 6
Ejemplo 1. Modelo logarítmico
Se realizó un estudio comparativo de la intensidad de
luz (en luxes (Y)) a diferentes horas del día, se
procedió a evaluar diferentes niveles de potencia (en
watts (x)).
En base a los datos plasmados en la tabla
X Y
resuelva lo siguiente:
50 30
a) Construya el diagrama de dispersión
250 40 del modelo de regresión logarítmica. 7

500 45 b) Efectué el modelo de regresión

1000 50 logarítmica.
1500 55 c) Calcule la intensidad de luz en luxes
cuando se obtenga una potencia de
3500 Watts.
d) Encuentre el coeficiente de
correlación.
a) Diagrama de
dispersión
Relación entre la intensidad de luz y la potencia a diferentes
horas del día
60

50 f(x) = 7.14 ln(x) + 1.36

R² = 0.99
Intensidad (Luxes)

40

30
8
20

10

0
0 200 400 600 800 1000 1200 1400 1600
Potencia (Watts)

El diagrama de dispersión muestra una tendencia logarítmica,

pues aunque hay incrementos de potencia, la intensidad no
aumenta excesivamente.
En la parte superior derecha se muestra la ecuación que describe
el comportamiento de los datos (y) y el coeficiente de correlación
(R²). (Estos se van a calcular de manera manual y comparar).
b) Modelo de regresión logarítmico.
i. Tabla de datos

x y ln (x) (ln x)^2 y ln x yi * ymed (yi*ymed)^2 (y-a-b ln x) (y-a-b ln x)^2

50 30 3.91202301
15.303924 117.36069 -14 196 0.71783028 0.51528032

250 40 5.52146092
30.4865307 220.858437 -4 16 -0.77093817 0.59434566 9

500 45 6.2146081
38.6213538 279.657364 1 1 -0.71888142 0.5167905

1000 50 6.90775528
47.717083 345.387764 6 36 -0.66682467 0.44465515
1500 55 7.31322039
53.4831924 402.227121 11 121 1.43881407 2.07018592

suma 3300 220 29.8690677 185.612084 1365.49138 0 370 8.7196E-08 4.14125754

5.97381353
media 44 8 st sr
ii. Estimadores del
modelo Para encontrar la varianza de z es
Partiendo de la ecuación de necesario sustituir en la siguiente
regresión logarítmica, haremos la formula:
linealización con un cambio de
variable, tal como se muestra
enseguida:

En cuanto a la covarianza de yz se
deben realizar los siguientes 1
Para la recta de regresión de Y cálculos: 0
sobre z, tenemos que:

NOTA: los valores mostrados fueron calculados previamente en

Después de haber calculado la varianza de z y la covarianza de yz, se
puede sustituir en la ecuación de regresión de y sobre z previamente
dada:

1
1

Así, finalmente se obtiene la ecuación del modelo logarítmico que

describe el comportamiento de la relación entre la intensidad y la
potencia a diferentes horas del día.
c) Calcule la intensidad de luz en luxes
cuando se obtenga una potencia de 3500
Watts.
Para la predicción o estimación de datos a través de la ecuación de
regresión, solo se debe sustituir el valor de x donde se indique y
realizar las operaciones correspondientes.

Y = 7.13 ln (x) + 1.35

Y = 7.13 ln (3500) + 1.35
Y = 58.25 + 1.35
1
2
Y = 59.60 luxes
Para este caso en particular, se tendrán 59.6 luxes cuando se
obtenga una potencia de 3500 watts.
d) Coeficiente de correlación.
Para encontrar el coeficiente de En cuanto al valor de st, se debe
correlación logarítmica es necesario realizar la suma de cuadrados
conocer la formula: totales como se muestra a
continuación:

Después de calcular los valores de 1

sr y st, se deben sustituir en la 3
ecuación de correlación logarítmica:
Para conocer el valor de sr se
necesita sustituir en la formula de la
suma de cuadrados de residuos.

NOTA: Los valores de st y sr fueron calculados previamente

Conclusión
▹ Si bien, hemos aprendido a lo largo del curso que
los modelos de regresión ya sea lineales o no, nos
ayudan a representar el comportamiento de datos
obtenidos a través de situaciones o fenómenos que
se quieran estudiar, sin embargo, estos también nos
permiten predecir o estimar dichas situaciones o
fenómenos, mientras que el coeficiente de 1
4
correlación va ligado a dichos modelos de regresión,
puesto que nos indica que tan confiable es nuestro
modelo para los datos evaluados.
▹ En el caso particular del ejemplo 1, fue posible
encontrar la ecuación de regresión y el coeficiente
de correlación que coincidiese con la ya dada en la
herramienta de Excel de manera analítica,
utilizando conocimiento previamente adquirido.
 Bibliografía
Rivas, G., López, L. A., & Velasco, A. (n.d.). REGRESIÓN NO
LINEAL Estadístico, Universidad Nacional de Colombia. 89–
102.
http://www.bdigital.unal.edu.co/15397/1/10003-18133-1-PB.
pdf
Reyes, L. (2011). Análisis de Regresión logarítmica.
Recuperado el 24 de abril de 2020, de Universidad de San
Carlos, Facultad de Ingeniería.
http://reyesestadistica.blogspot.com/2011/07/analisis-de-reg
resion-logaritmica.html
Pinzón, C., & Torres, L. (2015). REGRESIÓN LINEAL,
EXPONENCIAL Y LOGARITMICA. Recuperado el 25 de abril de
2020, de UNISANGIL.
https://prezi.com/fvachbwr4jnn/regresion-lineal-exponencial-
y/
Cervantes, P. (2015). Practica regresión potencial.
Recuperado el 24 de abril de 2020, de Scribd.
https://es.scribd.com/document/264728952/Practica-Regresi
on-Potencial
Reyes, L. (2011). Análisis de Regresión Cuadrática.
Recuperado el 24 de abril de 2020, de Universidad de San
Carlos, Facultad de Ingeniería.
http://reyesestadistica.blogspot.com/2011/07/analisis-de-reg
resion-cuadratica.html
Ejercicio de Estadística: Regresión no lineal. Recuperado el
29 de abril de 2020, Universidad de San Pablo.
http://aprendeconalf.es/estadistica/ejercicios/regresion-no-li