Documente Academic
Documente Profesional
Documente Cultură
Introduccin
La regresin lineal simple, supone que la relacin entre la variables X e Y es lineal. Qu sucede si la relacin es no lineal? El coeficiente de determinacin ser bajo. La prueba F resultar no significativa. Las estimaciones sern imprecisas. Cmo relacionamos las variables X e Y? Usando ecuaciones que permitan modelar relaciones no lineales.
Introduccin
Los modelos de regresin no lineal permiten modelar la relacin entre dos variables, cuando estas no se ajustan a una regresin lineal simple. Entre las ecuaciones de regresin no lineales se tiene: Regresin exponencial Regresin cuadrtica(Parabola) Regresin potencial
Introduccin
y b
0
Funcin exponencial
b
1
> 0
b
1
< 0
b
0
x y b
1
> 1
Funcin potencia
0 < b
1
< 1 b
1
< 0
b
0
Exponencial
Potencia
y b0e
y* Ln y
y* Log y x* Log x
2
y b0 x
b1
Cuadrtica
y b 0 b1 x b 2 x
Ejemplo 1. Se realiza un estudio para evaluar la intensidad del trfico (vehculos/hora) y la velocidad del vehculo (decenas de Km/Hora). Se registran los datos de siete vas que salen de la ciudad.
Velocidad del Intensidad vehculo (x) del trfico (y)
Cul es el mejor modelo no lineal para explicar la intensidad del trfico y la velocidad del vehculo?
Resumen del modelo y estimaciones de los parmetros Variable dependiente:Intensidad del trfico (vehculos/hora) Ecuacin R cuadrado Lineal Cuadrtico Potencia Exponencial ,650 ,895 ,978 ,998 Resumen del modelo F 9,301 17,091 225,761 2040,496 gl1 1 2 1 1 gl2 5 4 5 5 Sig. ,028 ,011 ,000 ,000 Estimaciones de los parmetros Constante -13555,416 22003,945 ,005 1,190 b1 2320,123 -7453,851 5,919 ,788 587,033 b2
Es el modelo exponencial:
y b0e
b1 x
y* b * b1 x
3.287 e Entonces : y
0.788 x
H 0 : b1 0 H1 : b1 0
tc
b b 1 1 Se S xx
0.05 p valor sig 0.00 < 0.05. Se rechaza H 0 . Conclusin. Con un nivel de significacin de 0.05, se puede afirmar que el modelo exponencial SI es vlido.
Regresin exponencial
Qu porcentaje de la variabilidad total de la intensidad de trfico es explicada por el modelo de regresin exponencial?.
Resumen del modelo R cuadrado R ,999 R cuadrado ,998 corregida ,997 Error tpico de la estimacin ,136
Ejemplo 2. En un estudio sobre un modelo de inventario, se desea analizar la relacin del costo de inventario (en $) sobre las cantidades de artculos.
Cantidad (x) Costo (y)
95 46 41 38 29 32 25 21 21 16
758,8 323,0 275,3 241,8 219,9 198,5 193,8 189,7 161,9 160,0
Cul es el mejor modelo no lineal para explicar el costo en funcin de las cantidades?
Resumen del modelo y estimaciones de los parmetros Variable dependiente:Costo (en $) Ecuacin R cuadrado Lineal Cuadrtico Potencia Exponencial ,966 ,994 ,915 ,979 Resumen del modelo F 227,171 592,632 86,262 366,100 gl1 1 2 1 1 gl2 8 7 8 8 Sig. ,000 ,000 ,000 ,000 Estimaciones de los parmetros Constante -8,553 119,202 12,019 116,731 b1 7,715 1,482 ,866 ,020 ,055 b2
Es el modelo cuadrtico:
y b 0 b1 x b 2 x e
2
H 0 : b1 0 H1 : b1 0
H0 : b2 0 H1 : b 2 0
0.05 0.05 p valor sig 0.22 > 0.05 p valor sig 0.001 < 0.05 No se rechaza H 0 . Se rechaza H 0 .