UNIVERSIDAD NACIONAL AGRARIA LA

MOLINA

FACULTAD DE ECONOMA Y PLANIFICACIN

DEPARTAMENTO ACADMICO DE GESTIN EMPRESARIAL

FORMULACIN Y EVALUACIN
DE PROYECTOS DE INVERSIN

Unidad
5:
Tcnicas
de
proyeccin en estudios de
mercado: Regresin no lineal.
Por: Ampelio Ferrando Perea

MODELOS DE REGRESIN NO LI
Cmo ajustar modelos de regresin lineal
cuando la funcin no es lineal?
La regresin lineal no siempre da buenos
resultados, porque a veces la relacin entre
Y y X no es lineal sino que exhibe algn
grado de curvatura.
La estimacin directa de los parmetros de
funciones

no-lineales

es

un

proceso

complicado. No obstante, a veces se pueden

aplicar las tcnicas de regresin lineal por

REGRESIN NO
LINEAL

Recordemos

REGRESIN
PARABLICA
que
la ecuacin de mejor ajuste

corresponde

aquella que presenta los Coeficientes de determinacin y

Correlacin mas prximo a la unidad, bajo este criterio, se dan
casos donde la serie de Informacin obtenida no se puede
explicar por ninguno de las medidas de Regresin vistas hasta
el momento; ante esta situacin y
asumiendo que la serie tiene una curva parablica cuyo
comportamiento

se

describe

matemticamente

ecuacin de segundo grado ( parbola ).

La regresin se expresa as:

Y = a + bx + cx2

Donde:
Y = Estimacin de la variable dependiente
A,B,C = constantes numricas

por

una

REGRESIN
PARABLICA

REGRESIN
PARABLICA

Los valores "A", "B" y "C" se encuentran

resolviendo un sistema de tres ecuaciones
con tres incgnitas.

y = Na + b x + c x
2

xy = a x + b x 2 + c
x3

REGRESIN
PARABLICA
Las ecuaciones
normales se reducen cuando
se utiliza como origen el trmino medio
de los valores de x, ya que: x y x3 se
anulan quedando:

y = Na + c x
xy = b x

x y = a x + c x
2

METODO ABREVIADO DEL TRMINO

MEDIO DE LOS VALORES DE X
Consiste en abreviar el clculo de los parmetros, cuando
se toma cmo origen el trmino medio de los valores
cronolgicos.
De esta forma se eliminan los trminos de ellas ecuaciones
normales que contienen sumas de las potencias impares de
X.

Esto es debido a que la primera propiedad de la media

aritmtica dice:

La suma de las desviaciones de los

valores de la serie con respecto a su media es igual

acero

Con nmero impar de trminos : se toma el valor

central de la serie cronolgica como cero.

REGRESION PARABLICA
PRODUCCIN ANUAL DE ALCACHOFA
en toneladas
Ao
X
Y
XY x 2 x2y x 4
y

2003

-3

234

-702

2106

81

54756

2004

-2

171

-342

684

16

29241

2005

-1

147

-147

147

21609

2006

124

15376

2007

140

140

140

19600

2008

144

288

576

16

20736

2009

206

618

1854

81

42436

1166

-145

28

5507

196

20375
4

REGRESION
Para el calculo PARABLICA
de los coeficiente a, b y c
reemplazamos los datos en las ecuaciones
normales:
(1)
1166 = 7a + 28c
(2)
(3)

-145 = 28b
5507 = 28a + 196c

De (2) se obtiene que:

28b = -145
Luego: b= -145/28
b= -5.179

REGRESION
PARABLICA
Luego de (1) y (3) se obtiene que:
(1)
(3)

1166 = 7a + 28c
5507 = 28a + 196c

(4)
-4664 = -28a -112c
4)
(5)
5507 = 28a + 196c
_____________________
843 = 84c
Luego: c = 843/84
c= 10.0357

(-4)

(-

REGRESION
PARABLICA
Luego reemplazando los valores de c

en

(1) se tiene:

(1)1166 = 7a + 28(10.0357)
Luego:
1166 = 7a + 280.9966
a =
1166 - 280.9966/ 7
885.0004/7
Entonces:
a= 126.428

REGRESION
PARABLICA
Por consiguiente la Ecuacin parablica
resultante es:

Valores de los coeficientes:

a= 126.428
b= -5.179
c= 10.0357

Y = 126.428 - 5.179x +
10.0357x2

COEFICIENTE DE
DETERMINACIN
PARABLICA
r2 = ( x y - x y/n)+ c ( x
x 2 y/n)
y 2 - ( y) 2 /n

COEFICIENTE DE
CORRELACIN
PARABLICA
r=

r2

y-

r2

COEFICIENTE DE
DETERMINACIN
PARABLICA
-5.179( -145
-0*1166/7)+ 10.0357 (5507 28 *1166/7)=

203754 - 1359556/7
r2 =

9211.0501

= 0.966358

9531.7114286

COEFICIENTE DE CORRELACIN
PARABLICA

r=

r2

r=

r= 0.98

0.966358

REGRESIN PARABLICA
Y = 126.428 - 5.179x +
10.0357x2
(2010) Y = 126.428 - 5.179(4)x +
10.0357(4)2
(2010) Y = 266.28 toneladas
(2011) Y = 126.428 - 5.179(5)x +
10.0357(5)2
(2011) Y = 351.43 toneladas
(2012) Y = 126.428 - 5.179(6)x +
10.0357(6)2
(2012) Y = 456.64 toneladas

REGRESIN
POTENCIAL

Teniendo los datos Histricos observados

sobre la Demanda, Oferta o la variable
que se quiera Proyectar, podemos graficar
la

nube

de

puntos

poder

apreciar

la

distribucin de los mismos y poder apreciar si

los puntos se aproximan a alguna funcin, en el
caso de la funcin exponencial se puede
recurrir a la siguiente relacin:

18

REGRESIN POTENCIAL

19

REGRESIN
POTENCIAL
La
ecuacin
potencial
puede
resolverse a travs de las siguientes
ecuaciones normales:

20

REGRESIN
POTENCIAL
Una vez realizada la sustitucin, los
resultados se escriben en la forma:

Y = ax

21

REGRESIN POTENCIAL
Ao

Y:

Consumo de
fideos en miles de
TM

2001

12

2002

14

2003

16

2004

15

2005

18

2006

17

2007

19

2008

21

2009

20

2010

10

21

55

173

22

TABLA DE DATOS/REGRESIN
POTENCIAL
Ao

Log
X

Log Y

XlogY

LogX*
LogY

(LogX)2

(LogY)
2

200
1

12

0.00

1.08

1.08

0.00

0.00

1.17

200
2

14

0.30

1.15

2.30

0.35

0.09

1.32

200
3

16

0.48

1.20

3.60

0.58

0.23

1.44

200
4

15

0.60

1.18

4.72

0.71

0.36

1.39

200
5

18

0.70

1.26

6.30

0.88

0.49

1.59

200
6

17

0.78

1.23

7.38

0.96

0.61

1.51

200
7

19

0.85

1.28

8.96

1.09

0.72

1.64

200
8

21

0.90

1.32

10.56

1.19

0.81

1.74

200
9

20

0.95

1.30

11.70

1.24

0.90

1.69
23

ECUACIONES NORMALES
log y= n loga + blogx
logx*log y= loga*
logx+ b(logx)
REEMPLAZANDO:
12.32= 10loga + 6.56b
8.32= 6.56loga + 5.21b

24

CLCULO DE LOS
DETERMINANTES
10
6.56
= 10x5.21 6.56x6.56
=52.1 43.03=

9.07

6.56
5.21
log a 12.32
6.56
= 64.19 54.58= 9.61
8.32
b 10
83.20 80.82 =

= 12.32x5.21 8.32x6.56

5.21
12.32

= 10x8.32 6.56x12.32 =

2.38

6.56

8.32

25

CLCULO DE LOS VALORES

DE a y b
b=

2.38 = 0.26
9.07

Log a=
log a = 9.61 = 1.059537
de 1.0595537 = 11.47
9.07
CLCULO DEL
ANTILOGARIT
MO

a = antilog

Log
N

luego:

ECUACIN:
11.47 x 0.26

y=
26

CLCULO DEL
COEFICIENTE DE
DETERMINACIN r 2

FMULA
DEL
COEFICIENTE
DETERMINACIN r2

DE

____
r 2 = blogx * logy + loga * log y
n(log y) 2
_______

(log
y) 2 -n(log
y) 2= 2.16 + 13.06 15.18 =
r 2 = 0.26 *8.32 + (1.06*
12.32)
15.18
0.04 = 0.80
15.23 - 15.18
0.05
0.05

INTERPRETACIN DEL
COEFICIENTE DE DETERMINACIN
r2
Significa que el 80% de la
variacin de Y se explica por la

27

CLCULO DEL
COEFICIENTE DE
CORRELACIN r

FMULA
DEL
CORRELACIN r

r =
r2

COEFICIENTE

DE

r =
r =
INTERPRETACIN DEL
0.80
0.89

COEFICIENTE DE CORRELACIN

= 0.89

Significa que existe una alta

correlacin entre las variables X
yY
28

REGRESIN POTENCIAL
Potenciac
in

ECUACIN:
0.26
x N

Exponen
te

(2011) Y = 11.47
(11)0.26
(2011) Y = 21.40 TM
(2012) Y = 11.47
(12)0.26
(2012) Y = 21.89 TM
(2013) Y = 11.47
(13)0.26
(2013) Y = 22.35 TM
(2014) Y = 11.47
0.26

y= 11.47
=

MODELO DE REGRESIN EXPONENCIAL

Una funcin no-lineal que tiene muchas
aplicaciones es la funcin exponencial:

Y= abx
Si aplicamos logaritmos, esta funcin tambin puede
ser expresada con la frmulas:

logY = nloga +
logbX
X logY = loga X+
Este modelo es interesante, porque el exponente x en
logbX
una
funcin exponencial mide la elasticidad de Y
respecto de X.
30

REGRESIN
EXPONENCIAL
La
funcin
exponencial
tiene
aplicacin en el anlisis de Regresin,
cuya ecuacin se representa por la
expresin:

Y = ABX
31

REGRESIN
EXPONENCIAL

REGRESIN
EXPONENCIAL

La ecuacin exponencial (logartmica)

puede resolverse a travs de ecuaciones
normales:

33

REGRESIN
EXPONENCIAL
Ao

Y:

2004

32

2005

24

2006

38

2007

54

2008

42

2009

66

2010

84

28

340

Exportacin de nctar
de maracuy congelado
en miles de litros

34

TABLA DE DATOS/REGRESIN
EXPONENCIAL
Ao

Log Y

X2

X* LogY

(LogY)2

200 1
4

32

1.51

1.51

2.28

200 2
5

24

1.38

2.76

1.90

200 3
6

38

1.58

4.74

2.50

200 4
7

54

1.73

16

6.92

2.99

200 5
8

42

1.62

25

8.10

2.62

200 6
9

66

1.82

36

10.92

3.31

35

ECUACIONES NORMALES
logY = nloga +
logbX
X logY = loga X+
REEMPLAZANDO:
logbX
11.56= 7loga +
28logb
48.39= 28loga +
140logb

36

CLCULO DE LOS
DETERMINANTES
7
28
= 7x140 28x28 = 980
784=

196

28
log a 11.56
1,618.40 1,354.92=

140
28

263.48

48.39
log b 7
338.73 323.68 =
28

= 11.56x140 48.39x28 =

140
11.56

= 7x 48.39 28x11.56 =

15.05
48.39

37

CLCULO DE LOS VALORES

DE a y b
Log a=
log a = 263.48 = 1.344286
antilog de 1.344286 = 22.09
196

a=

Log b=
log b = 15.05 = 0.0767857
antilog de 0.0767857 = 1.19
196
CLCULO DEL
ANTILOGARIT
MO

b=

Log
N

luego:

ECUACIN:
22.09*1.19

y=
x

38

CLCULO DEL
COEFICIENTE DE
2
DETERMINACIN r

FMULA
DEL
COEFICIENTE
DETERMINACIN r2

DE

____
r 2 = logb*XlogY + loga * log y
n(log y) 2
_______

2
2
2
(log y)
-n(log
r 2 = 0.077*48.39 + (1.344*
11.56)
y)
7(1.65)
= 3.73 + 15.54
19.06 = 0.21 = 0.91
19.29 - 19.06
0.23
0.23

INTERPRETACIN DEL
COEFICIENTE DE DETERMINACIN
r2
Significa que el 91% de la
variacin de Y se explica por la

39

CLCULO DEL
COEFICIENTE DE
CORRELACIN r

FMULA
DEL
CORRELACIN r

r =
r2

COEFICIENTE

DE

r =
r =
INTERPRETACIN DEL
0.91
0.95

COEFICIENTE DE CORRELACIN

= 0.95

Significa que existe una alta

correlacin entre las variables X
yY
40

REGRESIN EXPONENCIAL
Potenciac
in

ECUACIN: y=
22.09*1.19 x
Exponen
N
=
te

(2011)
Y
=
22.09*1.198
(2011) Y = 88.83 TM
(2012)
Y
=
22.09*1.199
(2012) Y = 105.71 TM
(2013)
Y
=
22.09*1.1910
(2013) Y = 125.80 TM
(2014)
Y
=
11

46