UNIVERSIDAD MILITAR NUEVA GRANADA

TAREA REGRESION POR MINIMOS CUADRADOS E INVESTIGACION SOBRE TIPOS DE REGRESIONES

EDWIN ALBERTO SUTA (1802470).

MARZO 2016

UNIVERSIDAD MILITAR NUEVA GRANADA

BOGOTA D.C.
METODOS MATEMATICOS

2016-1
 UNIVERSIDAD MILITAR NUEVA GRANADA

Ejercicio 1:

Hallar el a y b de la siguiente funcin no lineal.

= ( )

ln() = ln() + ln( )

Para que se pueda hacer la regresin de forma lineal funcin entonces, debe de quedar de la
forma:

= 0 + 1 +
Por los tanto:

= ln()

0 = ln() Por consiguiente = 0

1 =
= ln( )
Para encontrar las soluciones se emplea este sistema de ecuaciones lineales

0 + 1 =

0 + 1 2 =

La tabla de mnimos cuadrados:

2
3,83 30 3,40119738 1,3428648 11,5681436 4,56734825
4,17 35,5 3,5695327 1,42791604 12,7415637 5,09699298
4,97 50,5 3,92197334 1,60341984 15,3818749 6,28856986
6,06 75 4,31748811 1,8017098 18,6407036 7,77886065
6,71 92 4,52178858 1,90359895 20,4465719 8,60767199
7,17 105 4,65396035 1,96990565 21,6593469 9,16786281
7,51 115 4,74493213 2,01623547 22,5143809 9,56690044
7,98 130 4,86753445 2,07693841 23,6928916 10,1095693
8,67 153 5,03043792 2,15986879 25,3053057 10,8650859
9,39 180 5,19295685 2,23964529 26,9668009 11,6303814
9,89 199,5 5,29581424 2,29152415 28,0456484 12,1354862
 UNIVERSIDAD MILITAR NUEVA GRANADA

Tomando 4 cifras significativas es los resultados son de :

= 11

= 49,5176

= 20,8336

2 = 226,9632

= 98,8147

110 + 49,51761 = 20,8336

49,51760 + 226,96321 = 95,8147
0 = 0,359
1 = 0,5

=0,5 y = 0,359 = 0,6983

Entonces con la soluciones en la ecuacin potencial dada es:

ln() = ln(0,6983) + 0,5 ln( )

= 0,6983 ( )0,5
Los valores de e son la diferencia entre el valor real y el valor aproximado:

= 0 + 1

V 0,6983 ( )0,5
3,83 30 3,82474662 0,00137164
4,17 35,5 4,16060243 0,00225361
4,97 50,5 4,96235387 0,00153846
6,06 75 6,04745539 0,00207007
6,71 92 6,69785831 0,00180949
7,17 105 7,15544572 0,00202989
7,51 115 7,48843324 0,00287174
7,98 130 7,96184499 0,00227506
8,67 153 8,63749398 0,00374925
9,39 180 9,36867761 0,00227075
9,89 199,5 9,86310126 0,00271979
 UNIVERSIDAD MILITAR NUEVA GRANADA

PARTE 2:

Que tipos de regresiones hay; A que expresiones se le aplica regresin lineal.

TIPOS DE REGRESIONES:

Si las dos variables X e Y se relacionan segn un modelo de lnea recta, se habla de regresin lineal
simple:

= +
Cuando las variables X e Y se relacionan segn una lnea curva, se habla de regresin no lineal o
curvilnea. Aqu se puede distinguir entre regresin:

1) Parablica

2) Exponencial

3) Potencial

PARABOLA DE REGRESIN:

La expresin general de un polinomio de segundo grado es, la parbola es una funcin de segundo
grado la que se ajusta lo suficiente a la situacin real.

= + + 2
Donde a, b y c son los parmetros. Se debe determinar dichos parmetros para una distribucin
dada. El procedimiento es que se hace es similar al que se hace en el caso del modelo lineal simple,
utilizando el procedimiento de ajuste de los mnimos cuadrados, haciendo la suma de los cuadrados
de las desviaciones con respecto a la curva de regresin mnima:

= ( )2
=1

Donde son los valores de las variables dependiente, son los valores estimados segn el
modelo, por lo tanto D se escribe de la forma:

2
= ( )2 = ( 2 )
=1 =1

Para encontrar los valores de a , b y c que hacen mnima la expresin anterior, se igualarn las
derivadas parciales de D con respecto a dichos parmetros a cero y se resolver el sistema
resultante. Las ecuaciones que forman dicho sistema se conocen, igual que en el caso de la regresin
lineal simple, como ecuaciones normales de Gauss.
 UNIVERSIDAD MILITAR NUEVA GRANADA

REGRESION HIPERBLICA:

Cuando la dependencia entre las variables X y Y es de forma hiperblica, interesa ajustar a la nube
de puntos una funcin del tipo:

=+

La funcin a minimizar ser:

Donde:

Para minimizar la expresin, se calculan las derivadas parciales respecto a los parmetros a y b,
igualando a cero:

En consecuencia, las ecuaciones normales sern:

 UNIVERSIDAD MILITAR NUEVA GRANADA

REGRESION PARA UNA FUNCION EXPONENCIAL, POTENCIAL Y LOGARTMICA.

Ajustar un modelo potencial de la forma = y de la forma exponencial = se reduce

de forma lineal, al tomar logaritmos.

MODELO POTENCIAL:

Si en la expresin de la funcin potencial se toman logaritmos, se obtiene:

= log +
Que es la ecuacin de una recta = + , donde ahora = log . El problema se reduce a
transformar Y en log Y y X en log X y ajustar una recta a los valores transformados. El parmetro b
del modelo potencial coincide con el coeficiente de regresin de la recta ajustada a los datos
transformados y A se obtiene mediante antilog (a ).

MODELO EXPONENCIAL:

En determinados experimentos, en su mayora biolgicos, la dependencia entre las variables X e Y

es de forma exponencial, en cuyo caso interesa ajustar a la nube de puntos una funcin del tipo:

= exp( + )
Mediante una transformacin lineal, tomando logaritmos neperianos, se convierte el problema en
una cuestin de regresin lineal. Es decir, tomando logaritmos neperianos:
 UNIVERSIDAD MILITAR NUEVA GRANADA

ln = +
Y llamando = ln se tiene = + (regresin lineal).

Para simplificar, descartando multiplicidades y suponiendo que cada par se repite una sola vez, las
ecuaciones normales sern:

Calculando los parmetros a y b se tiene la ecuacin de la funcin exponencial = exp( + ).

MODELO LOGARITMICO
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:

La funcin que define el modelo es la siguiente:

=
En la cual:
Yi : Variable dependiente, isima observacin
A y B: Parmetros de la ecuacin, que generalmente son desconocido.
E: Error asociado al modelo
Xi :Valor de la -esima observacin de la variable independiente
 UNIVERSIDAD MILITAR NUEVA GRANADA

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

la ecuacin se transforma aplicando logaritmos de ambos lados, con lo cual se convierte a una
forma lineal:

ln( ) = ln() + ln( )

Tabla de datos:
Para el ajuste de un conjunto de datos al modelo geomtrico de regresin, se construye la
siguiente tabla de datos:

los estimadores para el ajuste del modelo se calculan de la siguiente manera

Ser necesario utilizar antilogaritmos para obtener el valor final de a.

 UNIVERSIDAD MILITAR NUEVA GRANADA

REFERENCIAS:

1. Anlisis de Regresin Logartmica, Escrito por Ing. Agr. Luis Manfredo Reyes Chvez , 11
de julio de 2011, UNIVERSIDAD DE SAN CARLOS,FACULTAD DE
INGENIERIA,DEPARTAMENTO DE ESTADISTICA,
http://reyesestadistica.blogspot.com.co/2011/07/analisis-de-regresion-logaritmica.html,
Fecha de consulta : 14/03/2016.

2.Regresin no lineall, Pubicado por SEQC La Sociedad Espaola de Bioqumica Clnica y

Patologa Molecular, www.seqc.es/dl.asp?175.145.205.255.15.30... , Fecha de consulta :
14/03/2016.