UNIVERSIDAD NACIONAL DE CAJAMARCA

ESCUELA POS GRADO

SEMINARIO DE TESIS II

ESTADISTICA PARA LA INVESTIGACION

REGRESIÓN Y CORRELACIÓN NO LINEAL

 REGRESION Y
CORRELACION NO LINEAL
1. REGRESIÓN Y CORRELACIÓN NO LINEAL SIMPLE
1.1 REGRESION NO LINEAL
 Existen situaciones en que dos variables no están relacionadas
linealmente.
 El diagrama de dispersión puede ayudar a evidenciar una relación entre
las variables que no sigue a una tendencia recta; así en el siguiente
diagrama de dispersión:
1.2 AJUSTE DE LOS DATOS EN UNA ECUACIÓN NO LINEAL
1.2.1 LINEALIZACIÓN
 Consiste en aplicar una transformación a la variable x, a la variable y o a
ambas, que permitan convertir una función no lineal en lineal.
1.2.2 ESTIMACIÓN ALGEBRAICA MEDIANTE EL MÉTODO DE MÍNIMOS
CUADRADOS
 Se toman derivadas parciales respecto a cada parámetro incógnita: b0, b1,
b2, …, bn y se igualan a cero, formando un sistema de ecuaciones:
1.3 MODELOS DE REGRESIONES NO LINEALES
1.3.1 REGRESIÓN LOGARÍTMICA:

Es una alternativa cuando el

modelo lineal no logra un
coeficiente de determinación
apropiado.
1.3.1 REGRESIÓN LOGARÍTMICA:
 Obtención de los parámetros “a” y “b”

 Obtención del coeficiente de correlación

1.3.2 REGRESIÓN EXPONENCIAL:
 Será aquella en la que la función de ajuste será una función exponencial del
tipo:

 Linealización del Modelo Exponencial

1.3.2 REGRESIÓN EXPONENCIAL:
 Linealización del modelo  Con lo que si llamamos:
Exponencial: Se puede
transformar en un modelo
lineal, aplicando logaritmos en
cada miembro de la ecuación.
 La ecuación queda como una
ecuación lineal:
1.3.2 REGRESIÓN EXPONENCIAL:
 Obtención de los parámetros “a” y “β”

 Teniendo como coeficiente de determinación:

1.3.3 REGRESION POTENCIAL:
 Será aquella en la que la función de ajuste sea una función potencial del tipo:

 Linealización del modelo Exponencial

1.3.3 REGRESION POTENCIAL:
 Linealización del modelo
Potencial: Se puede  Con lo que si llamamos:
transformar en un modelo
lineal, aplicando logaritmos en
cada miembro de la ecuación:

 La ecuación queda como una

ecuación lineal:
1.3.3 REGRESION POTENCIAL:
 Obtención de los parámetros “a’” y “β”

 Teniendo como coeficiente de correlación potencial:

Ejemplo:
comparemos dos fenómenos meteorológicos en este caso tiempo y
temperatura.
Ejemplo:
cálculo estadístico del tiempo y la temperatura, de una regresión logarítmica.
Ejemplo:
Aplicando los mínimos cuadrados se obtiene la siguiente formula y mediante el
cálculo estadístico del cuadro mostrado se obtiene:
 Coeficiente de Correlación  La gráfica de la ecuación de
Logarítmica es: regresión logarítmica es:
2. CORRELACIÓN NO LINEAL SIMPLE
 El grado de ajuste de las curvas no lineales calculadas mediante los
métodos anteriores, es abordado mediante el análisis de correlación.
 El coeficiente de determinación R2 es el indicador más útil en estos casos.
 En forma general (para modelos lineales y no lineales) R2 se define como:
GRACIAS