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