Modelos de regresin lineal y no lineal.

Mtodos
numricos

Autor: David Escorza-Christian Fonseca

2015

- Mtodos numricos

Mtodos numricos

Aplicacin de un problema tcnico en modelos de regresin lineal

y no lineal
I.

INTRODUCCIN

El presente trabajo detalla caractersticas tcnicas del desarrollo y la

presentacin del proyecto de la segunda unidad de la asignatura de Mtodos
numricos que consta de la aplicacin de modelos lineales y no lineales en
problemas de ingeniera, utilizando el software Scilab. Especficamente del
diseo y prueba de un programa en Scilab que determina los coeficientes de
una funcin que describe la descarga de un capacitor en un circuito que abarca
elementos pasivos en serie, una bobina y un capacitor, que en forma prctica y
en funcin del tiempo nos desechan datos para la aplicacin del programa, que
particularmente representan determinados puntos de la grfica y que se
resuelve mediante regresiones lineales o no lineales.
Dependiendo del mtodo que mejor pensemos que se vaya a acoplar a dicha
funcin, estos mtodos especficamente son: regresin lineal por mnimos
cuadrados, regresin polinomial, logartmica y exponencial.
Tambin se describe el error relativo porcentual para el coeficiente de regresin
en el modelo lineal, para la ordenada al origen y para la imagen a travs de la
recta. En el caso de los modelos no lineales se prueba asimismo el error relativo
porcentual a travs de las pruebas especficas.
Es fundamental tambin la correcta eleccin de un modelo adecuado, que
describa los datos en problemas como estos en la ingeniera, proporcionando
elementos de juicio suficientes para la toma de decisiones en condiciones de
incertidumbre.
En el anlisis de regresin2 una de las dos variables, que llamamos X, puede
considerarse como variable ordinaria, es decir se puede medir sin error
apreciable. La otra variable Y, es una variable aleatoria. A X se la llama variable
independiente (algunas veces variable controlada) y nuestro inters es la
dependencia de Y en trminos de X.
Es decir, en este experimento descrito previamente tratamos de manera
simultnea dos variables, una variable ordinaria X y una variable aleatoria Y.
Efectuamos el experimento de tal manera que seleccionamos primero n valores
x1, x2 ,............., xn de X y luego para cada j x obtenemos un valor observado y
j de Y. Entonces, tenemos una muestra de n parejas de valores:

Podemos graficar las n parejas como puntos del plano.

Mtodos numricos

Nuestro objetivo es hallar alguna funcin que describa aproximadamente el

diagrama de puntos anterior, en el rango considerado de la variable X.
A tal efecto en primer lugar elegimos una clase de funciones de donde
seleccionaremos alguna funcin apropiada.
Las clases de funciones ms utilizadas son las siguientes:

Ya elegida la clase de funciones C = { f (x, a) / a A n} nos falta determinar

en la misma alguna que describa los valores dados. Para realizar tal propsito
necesitaremos un criterio propio.
Tenemos que para cada valor de i = 1, 2,, n el error es la diferencia entre
el valor observado y el obtenido a travs de la funcin,}.
El programa consta de datos de entrada simples como el ingreso de los valores
de la variable independiente X que van a ser los tiempos de medicin y tambin
el ingreso de los valores de la variable dependiente Y que van a ser los voltajes
de descarga para cada tiempo de medicin.
Se complementa con un men e impresiones de respuesta amigables al usuario,
como la seleccin del modelo de regresin lineal y no lineal, la grfica de
dispersin, la grfica de la funcin y el respectivo error absoluto para los
coeficientes calculados.

Mtodos numricos

El programa viene acompaado de la calidad de presentacin para entregar los

recursos suficientes al usuario y un entorno agradable que no solo aplique a
personas que estn inmiscuidas en el clculo mediante mtodos numricos, si
no orientado a personas que con solo tener un nivel bsico de resolucin de
ecuaciones puedan comprender de lo que se est calculando y la relacin que
tiene con el nivel tcnico, aplicable a los campos de Ingeniera.
II.

OBJETIVOS

1. OBJETIVO GENERAL
Determinar el valor de los coeficientes de la funcin que ms se acople a la que
describe la descarga del capacitor en el circuito a travs del modelo lineal o no
lineal seleccionado, para la descripcin grfica de la misma a travs de un
entorno visual amigable para el usuario.
2. OBJETIVOS ESPECFICOS
Determinar ciertas tcnicas en el uso de algoritmos de programacin para que
el programa tenga mayor exactitud y precisin.
Disear un sistema global que abarque con todas las caractersticas requeridas
y que a la vez rinda como un prototipo de clculo para cualquier condicin.
Desarrollar experimentos de fcil anlisis en la aplicacin de funciones lineales y
no lineales para mediante la descarga del capacitor en el circuito encontrar los
coeficientes que mejor se acoplen a la funcin que describe el proceso, cuestin
que ya hablando prcticamente nos podra ayudar a representar tambin otros
problemas reales en la vida cotidiana.
Diferenciar los valores calculados por cada mtodo numrico, pudiendo as
determinar la relacin existente en determinado proceso.
III.

MARCO TERICO
SCILAB

Scilab es un software matemtico, con un lenguaje de programacin de alto

nivel, para clculo cientfico, interactivo de libre uso y disponible en mltiples
sistemas operativos (Mac OS X, GNU/Linux, Windows). Desarrollado por INRIA,
Scilab es ahora desarrollado por Scilab Enterprises desde julio 2012.
Scilab fue creado para hacer clculos numricos aunque tambin ofrece la
posibilidad de hacer algunos clculos simblicos como derivadas de funciones
polinomiales y racionales. Posee cientos de funciones matemticas y la
posibilidad de integrar programas en los lenguajes ms usados (Fortran, Java, C
y C++). Scilab fue hecho para ser un sistema abierto donde el usuario pueda
definir nuevos tipos de datos y operaciones entre los mismos.

Mtodos numricos

Scilab viene con numerosas herramientas: grficos 2-D y 3-D, animacin,

lgebra lineal, matrices dispersas, polinomios y funciones racionales,
Simulacin: programas de resolucin de sistemas de ecuaciones diferenciales
(explcitas e implcitas), Xcos: simulador por diagramas en bloque de sistemas
dinmicos hbridos, Control clsico, robusto, optimizacin LMI, Optimizacin
diferenciable y no diferenciable, Tratamiento de seales, Grafos y redes, Scilab
paralelo empleando PVM, Estadsticas, Creacin de GUIs, Interfaz con el clculo
simblico (Maple, MuPAD), Interfaz con
TCL/TK.
Adems se pueden agregar numerosas herramientas o toolboxes hechas por los
usuarios como Grocer una herramienta para Econometra u Open FEM (Una caja
de Herramientas para Elementos Finitos), hecha por INRIA.
En el pasado Scilab poda ser utilizado en el anlisis de sistemas, pero no poda
interactuar con el exterior. Hoy en da se pueden construir interfaces para que
desde Scilab se pueda manejar un dispositivo, se conecte a la red a travs de
Tcp (Protocolo de Control de Transmisin) o Udp (User Datagram Protocol), etc.
Esto brinda la posibilidad de conectar una placa de adquisicin de datos a Scilab
y de esta forma el control de una planta on-line.
MTODOS NUMRICOS
Las soluciones que ofrecen los mtodos numricos son aproximaciones de los
valores reales y, por tanto siempre irn acompaados de cierto grado de error
que ser conveniente determinar.
Los errores asociados con los clculos y medidas se pueden caracterizar
observando su precisin y exactitud.
Precisin se refiere al nmero de cifras significativas que representa una
cantidad
Exactitud se refiere a la aproximacin de un nmero o de una medida al valor
verdadero que se supone representa.
MODELOS DE DISPERSIN LINEAL Y NO LINEAL
Regresin lineal
Regresin lineal es una aproximacin a la relacin lineal entre las variables
utilizando una ecuacin lineal a datos observados de modelado. Es idntico a
todas las formas de anlisis de regresin, se centra en la distribucin de
probabilidad condicional de y dado X, ms que en la distribucin de probabilidad
conjunta de y y X, que es el dominio de anlisis multivariante.
Una lnea de regresin lineal tiene una frmula de Y = A + BX, donde X es la
variable explicativa y la Y es la variable dependiente. La pendiente de la lnea es
B, y a la intercepcin (el valor de Y cuando X = 0)

Mtodos numricos

El anlisis de regresin es una tcnica estadstica para investigar la relacin

funcional entre dos o ms variables, ajustando algn modelo matemtico.
La regresin lineal simple utiliza una sola variable de regresin y el caso ms
sencillo es el modelo de lnea recta. Supngase que se tiene un conjunto de n
pares de observaciones (xi,yi), se busca encontrar una recta que describa de la
mejor manera cada uno de esos pares observados.

Se considera que la variable X es la variable independiente o regresiva y se

mide sin error, mientras que Y es la variable respuesta para cada valor
especfico xi de X; y adems Y es una variable aleatoria con alguna funcin de
densidad para cada nivel de X.

Mtodos numricos

Si la recta de regresin es:

Cada valor yi observado para un xi puede considerarse como el valor esperado

de Y dado xi ms un error:
Modelo lineal simple:

Los i se suponen como errores aleatorios con distribucin normal, media cero y
varianza; 0 y 1 son constantes desconocidas (parmetros del modelo de
regresin).
Mtodo de Mnimos Cuadrados para obtener estimadores de 0 y 1,
Consiste en determinar aquellos estimadores de 0 y 1 que minimizan la
suma de cuadrados de los errores i ; es decir, los estimadores y de 0 y 1
respectivamente deben ser tales que:

sea mnimo.
Del modelo lineal simple:

De donde:

Elevando al cuadrado:

Segn el mtodo de mnimos cuadrados, los estimadores de 0 y 1 debe

satisfacer las ecuaciones:

Mtodos numricos

Al derivar se obtiene un sistema de dos ecuaciones denominadas ecuaciones

normales:

Cuya solucin es:

Regresin polinomial
Consiste en otra alternativa, para ajustar polinomios a los datos. Necesitamos
ajustar a un polinomio de segundo grado cuadrtico:
y a0 a1 x a2 x 2 e

Sr ( yi a0 a1 xi a2 xi ) 2
2

i 1

2 ( yi a0 a1 x1 a2 xi )

La suma de los cuadrados de los residuos es:

Derivamos Sr con respecto a a0:

Luego con respecto a a1:

Mtodos numricos

2 xi ( yi a0 a1 x1 a2 xi )
2

Por ltimo con respecto a a2:

2 xi ( yi a0 a1 xi a2 xi )
2

Igualamos a 0, y reordenamos:
4
2
3
2
2
( xi )a0 ( xi )a1 ( xi )a2 xi yi (n)a0 ( xi )a1 ( xi )a2 yi
( xi )a0 ( xi )a1 ( xi )a2 xi yi
2

Tenemos un sistemas de ecuaciones, con 3 incgnitas (a 0,a1,a2), entonces se

puede extender un polinomio de m-simo grado como sigue:
y a0 a1 x a2 x 2 ......am x m e

Regresin exponencial

10

Mtodos numricos

Una regresin exponencial es el proceso de encontrar la ecuacin de la funcin

exponencial que se ajuste mejor a un conjunto de datos. Como un resultado,
obtenemos una ecuacin de la forma

donde

La potencia predictiva relativa de un modelo exponencial est denotada por R 2.

El valor de R 2 vara entre 0 y 1. Mientras ms cercano el valor est de 1, ms
preciso ser el modelo.
Entonces:
y = a.bx
y tome el logaritmo de ambos lados:
logy=log(Abx)
La regresin exponencial aunque no es lineal es linealizable tomando logaritmos
ya que haciendo el cambio de variable v = log y tendremos que la funcin
anterior nos generara:
v = log y = log( a.bx) = log a + x log b
la solucin de nuestro problema vendra de resolver la regresin lineal
entre v x, y una vez obtenida supuesta sta:
v* = A + B x ; obviamente la solucin final ser:
a = antilog A y b = antilog B.
Para un ejemplo ilustrativo de la forma en la que se ajusta a la funcin:

11

Mtodos numricos

Regresin logartmica
Este modelo de regresin es una alternativa cuando el modelo lineal no logra un
coeficiente de determinacin apropiado, o cuando el fenmeno en estudio tiene
un comportamiento que puede considerarse potencial o logartmico. La forma
ms simple de tratar de establecer la tendencia es a travs de un diagrama de
dispersin o nube de puntos, tal como la siguiente:

Este modelo tambin es conocido como potencial, Cobb-Douglas de primer

grado o exponencial inverso.
La funcin que define el modelo es la siguiente:
Yi=A*XBi* E
En la cual:
Yi :
Variable dependiente, isima observacin
A, B: Parmetros de la ecuacin, que generalmente son desconocidos
E:
Error asociado al modelo
Xi :
Valor de la -esima observacin de la variable independiente.

12

Mtodos numricos

Al sustituir los parmetros por estimadores, el modelo adopta la siguiente

forma:
yi=a*xbi
la ecuacin se transforma aplicando logaritmos de ambos lados, con lo cual se
convierte a una forma lineal:
Ln yi= Ln a +b*Ln xi
Para el ajuste de un conjunto de datos al modelo geomtrico de regresin, se
construye la siguiente tabla de datos:

Debido a las propiedades de los logaritmos, ningn valor de x ni de y puede ser

negativo. En tal caso, lo que se hace es definir un valor de x o de y muy
pequeo (Ej: 0.00000001)
Se puede trabajar con logaritmos naturales o logaritmos base 10.

Ser necesario utilizar antilogaritmos para obtener el valor final de a

13

IV.

Mtodos numricos

PROCEDIMIENTO

MANIPULACIN DEL CIRCUITO Y PARTE DE CLCULO

CDIGO FUENTE
SIMULACIN DEL SOFTWARE
V.
VI.

RESULTADOS ESPERADOS
CONCLUSIONES

El programa generado es bsicamente una herramienta de clculo algortmico para el anlisis

programado que ayuda al clculo de la relacin entre dos variables ajustando una ecuacin lineal a los
datos observados. El usuario tiene la capacidad de ingresar los puntos de datos en el programa y se
realiza un seguimiento de las cantidades induciendo a los clculos necesarios para la regresin
indicada.

14

Mtodos numricos

VII. RECOMENDACIONES
VIII. BIBLIOGRAFA

http://www.dcb.unam.mx/profesores/irene/Notas/Regresion.pdf
http://es.ncalculators.com/statistics/linear-regression-calculadora.htm
http://hotmath.com/hotmath_help/spanish/topics/exponential-regression.html
http://www.uv.es/ceaces/base/regresion/simple.htm
http://www.zweigmedia.com/MundoReal/calctopic1/regression.html
http://reyesestadistica.blogspot.com/2011/07/analisis-de-regresion-logaritmica.html

Contents
Ttulo 1............................................................................................................................. 2
Ttulo 2.......................................................................................................................... 2
Ttulo 3....................................................................................................................... 2

15