09/05/2011 08b

Hipérbola rectangular invertida

Esta función se describe por la ecuación 8.17:

y toma las formas que se muestran en la figura 8.15 (Landsberg, 1977).

Al linealizar la ecuacion 8.17 para calcular sus parametros se puede expresar de la siguiente
manera:

Funciones con más de una variable independiente

Los principios de linealización mencionados recientemente son también aplicables a funciones

de más variables independientes (xl,x2, x3,..., xn) por lo que será adecuado analizar su
transformación en este acápite. La regresión lineal múltiple con dos variables, y = b0 + b1x1 +
b2x2 se verá más adelante. Con el fin de ilustrar este aspecto considérese la función:

tomando logaritmos se tiene:

y designando las nuevas variables por:

se tiene la ecuación lineal en dos variables independientes:

mazinger.sisib.uchile.cl/…/08b.html 1/7
09/05/2011 08b

Nótese que, si bien la relación completa no es posible graficarla en dos ejes, al considerar x2
constante puede graficarse x1 contra y en papel semilogarÃ​t mico, dando como resultado una
recta. Lo mismo es válido para x2 contra X, supuesto x1 constante.

Regresión polinómica

Una aplicación importante de este principio de reparametrización, lo constituye la

transformación de la regresión polinómica en la variable. Recuérdese que un polinomio en una
variable independiente significa una curva de grado dos (parábola), tres, cuatro, etc. como se
ilustra en la Figura 8.16 y en las ecuaciones 8.21, 8.22 y 8.23.

En general se tendra que:

para un polinomio de grado p.

Designando por x1 a la variable x, por x2 al cuadrado de la variable, por x3 al cubo de ella, por x4 a
la potencia cuarta, etc.se tendrá:

con lo que se habrá transformado el polinomio de grado p en una función lineal de p variables
independientes:

mazinger.sisib.uchile.cl/…/08b.html 2/7
09/05/2011 08b

quedando en condiciones de aplicarle la regresión lineal múltiple.

Nótese finalmente que la sencillez de la reparametrización no ha cambiado los parámetros bi y

por tanto ellos se tendrán directamente sin transformación posterior.

Curva de producción de leche (curva de wood)

Un modelo ampliamente usado en producción animal lo constituye la curva de producción de

leche (Wood, 1967).

La ecuación de esta curva es:

donde y es la producción de leche promedio en una unidad de tiempo y t el tiempo expresado

normalmente en dÃ​as o semanas. La Figura 8.17 muestra la forma de esta relación.

La forma de la curva muestra un incremento muy fuerte de la producción de leche después del
parto, para llegar a un máximo pocas semanas después de ese evento. Luego sigue una
declinación gradual hasta que la producción es tan baja que es necesario decidir secar el animal.
Esto ocurre aproximadamente a los 10 meses de lactancia.

Los parámetros del modelo a, b y c, tienen una interpretación fÃ​s ica muy interesante: la
constante a es un factor de escala asociado con el rendimiento diario promedio al comienzo de la
lactancia, ya que en ese punto y = a. Entonces para lactancias que parten del mismo nivel, el
rendimiento total es una función de c-(b+1) , el cual es una medida de la "persistencia" o de la
extensión con que se mantiene el valor máximo.

Las constantes de este modelo pueden determinarse con bastante facilidad usando la
linealización ya explicada. Tomando logaritmo de la ecuación 8.25 se tiene:

mazinger.sisib.uchile.cl/…/08b.html 3/7
09/05/2011 08b
lo que constituye un modelo lineal con la correspondencia:

Se ilustrará el ajuste de esta curva con información tomada del trabajo de Muñoz et al (1985),
en el cual se consideraron las producciones medias mensuales de vacas lactantes cada 30 dÃ​as,
valores que se presentan en el Cuadro 8.3.

CUADRO 8.3 Producciones promedios mensuales de vacas en lactancia normal. Fuente: Muñoz
et al (1985)

La curva resultante que se ilustra en la Figura 8.18, fue:

con un coeficiente de determinación de 0.89.

Regresión lineal múltiple

La extensión inmediata de la regresión lineal simple ya vista, lo constituye la regresión lineal

múltiple que ajusta los datos experimentales a un hiperplano de variables independientes.
mazinger.sisib.uchile.cl/…/08b.html 4/7
09/05/2011 08ba un hiperplano de variables independientes.
múltiple que ajusta los datos experimentales
Matemáticamente la ecuación tendrá entonces la forma:

No se verá aquÃ​ el método general de estimación de los coeficientes b0, b1,...bp, ya que ella
presupone conocimientos de algebra lineal. En cambio se analizará, con cierto detalle, el caso de
un polinomio de segundo grado, ya que esta curva por su forma y por su sencillez se emplea
abundantemente al modelar sistemas biólogicos.

Considerando la función de dos variables

la aplicación del principio de mÃ​nimos cuadrados conduce al siguiente conjunto de ecuaciones

lineales en b0, b1yb2.

Este sistema puede resolverse por eliminación, en forma algebraica o aplicando la forma matricial.

Si se hace la analogÃ​a con una parábola y = b0 + b1x + b2x2 se debe sustituir x1 por x y x2 por
x2, de modo que el sistema se transforma en:

Un ejemplo interesante de ajuste de datos experimentales a una parábola la proporciona Silva

(1980) al relacionar la disponibilidad de fitomasa aérea fotosintetizante (CMF), con su tasa de
crecimiento (FCMF) en Otoño, según se muestra en los puntos de la Figura 8.19. Los valores
medidos se presentan en el Cuadro 8.4.

FIGURA 8.19 Función que relaciona la disponibilidad de fitomasa aérea fotos¡ ntetizante (CMF)
con su su tasa de crecimiento (FCMF) en Otoño.

mazinger.sisib.uchile.cl/…/08b.html 5/7
09/05/2011 08b
CUADRO 8.4 Valores observados en la relación de fitomasa fotosintetizante con su tasa de
crecimiento.

Aplicando estos valores al sistema de ecuaciones ya presentado se tiene:

resolviendo el sistema resulta:

de manera que la relación es:

Obsérvese que aunque el ajuste de los datos es muy bueno (r = 0.99) el modelo elegido no es
del todo apropiado, ya que la curva deberÃ​a pasar por el origen y en este caso para CMF = 0.0
proporciona un valor de FCMF igual a 8.348. Esto significa una seria sobrestimación para valores
bajos de CMF.

Para solucionar este problema puede plantearse otro modelo, también de tipo parabólico pero
que pase por el origen, es decir:

En este caso, el sistema de ecuaciones normales es:

es decir:

mazinger.sisib.uchile.cl/…/08b.html 6/7
09/05/2011 08b

lo que da:

Esta segunda función, graficada en la Figura 8.19 con lÃ​nea contÃ​nua, es el mejor modelo para la
información disponible, aún cuando el coeficiente de correlación que se obtiene es ligeramente
menor.

El método expuesto es tedioso de realizar a mano, ya que la resolución del sistema de

ecuaciones es largo. Es útil indicar en este punto la existencia de programas muy eficientes,
tales como SPSS, SAS o MINITAB que permiten efectuar los ajustes con un mÃ​nimo de esfuerzo

<< volver | continuar >>

mazinger.sisib.uchile.cl/…/08b.html 7/7