Enzo Aldo Bravo Burgos

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

Modelos de regresin no lineal

Modelo Ecuacin regresin de Transformacin apropiada
b1 x

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)

4,0 5,0 6,5 7,8 8,8 11,5 12,5

24 65 230 540 1312 8550 24550

La relacin entre X e Y es lineal?

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

La variable independiente esVelocidad del vehculo (decenas de Km/Hora)..

Es el modelo exponencial:

y b0e

b1 x

El modelo linealizable: Lny Lnb 0 b1 x

y* b * b1 x

Regresin exponencial Estimacin de los coeficientes de regresin.

Coeficientes Coeficientes Coeficientes no estandarizados B Velocidad del vehculo (decenas de Km/Hora). (Constante) 1,190 ,177 6,715 ,001 ,788 Error tpico ,017 estandarizados Beta ,999 t 45,172 Sig. ,000

La variable dependiente es ln(Intensidad del trfico (vehculos/hora)).

Ecuacin estimada. e1.19 3.287 * 1.19 0.788 x y Siendo : b 0

3.287 e Entonces : y

0.788 x

Regresin exponencial Validar el modelo de regresin

Coeficientes Coeficientes Coeficientes no estandarizados B Velocidad del vehculo (decenas de Km/Hora). (Constante) 1,190 ,177 6,715 ,001 ,788 Error tpico ,017 estandarizados Beta ,999 t 45,172 Sig. ,000

La variable dependiente es ln(Intensidad del trfico (vehculos/hora)).

H 0 : b1 0 H1 : b1 0

tc

b b 1 1 Se S xx

0.788 45.172 0.017

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

Coeficiente de det er min acin : r 2 99.8%

La variable independiente esVelocidad del vehculo (decenas de Km/Hora)..

Estime la intensidad de trnsito promedio cuando la velocidad vehcular es 65.5 Km/hora..

* 1.19 0.788 (6.55 ) 6.3514 y e 6.3514 573 .3 y

3.287 e 0.788( 6.55) 573 .3 y

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

La relacin entre X e Y es lineal?

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

La variable independiente esCantidad de artculos.

Es el modelo cuadrtico:

y b 0 b1 x b 2 x e
2

y : Costo de inventario (en $) x : Cantidad de artculos

Regresin cuadrtica Estimacin de los coeficientes de regresin.

Coeficientes Coeficientes Coeficientes no estandarizados B Cantidad de artculos Cantidad de artculos ** 2 (Constante) 1,482 ,055 119,202 Error tpico 1,100 ,010 24,059 estandarizados Beta ,189 ,812 t 1,347 5,793 4,955 Sig. ,220 ,001 ,002

2 Ecuacin estimada. y 119 .202 1.482 x 0.055 x

Regresin cuadrtica Validar el modelo de regresin

Coeficientes Coeficientes Coeficientes no estandarizados B Cantidad de artculos Cantidad de artculos ** 2 (Constante) 1,482 ,055 119,202 Error tpico 1,100 ,010 24,059 estandarizados Beta ,189 ,812 t 1,347 5,793 4,955 Sig. ,220 ,001 ,002

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 .