TEMAS A DESARROLLAR

REGRESIN NO LINEAL
REGRESIN EXPONENCIAL
REGRESIN POTENCIA

LOGROS DEL TEMA

Al finalizar la sesin

El estudiante ser capaz de:

Identificar, mediante un Diagrama de Dispersin, la posible
relacin no lineal entre dos variables cuantitativas.
Estimar los modelos no lineales: Exponencial y Potencia.
Validar el mejor modelo de regresin no lineal y realizar
predicciones.

MOTIVACIN
La Densidad es uno de los principales parmetros para medir la
calidad de los materiales (de los espumados: Latex, Viscoelastico,
espumas HR y convencionales) y esto es principalmente porque lo
que significa la densidad: cantidad de materia por metro cubico (se
mide en: kg/m3)
Y
porque
es
tan
importante la densidad para
la
calidad?
pues
muy
sencillo, a mas densidad
mayor
durabilidad al
haber mas materia y
menos aire.
Y esto no solo es evidente
sino que se puede medir, y
eso es lo que se ha hecho
llegando a los resultados
que se muestran:

MOTIVACIN

En la produccin de herramientas, el
mtodo para deformar acero a
temperatura normal mantiene una
relacin inversa con la dureza del
mismo ya que, a medida que la
deformacin crece, se ve afectada la
dureza del acero. Para investigar esta
relacin se ha tomado la siguiente
muestra:

Deformacin (mm)

11

13

20

26

28

33

35

Dureza (kg/mm2)

78

67

65

53

41

40

37

34

32

cmo determinar
si la relacin entre
estas variables es
lineal o no?

El grfico de dispersin muestra la relacin entre

Dureza y Deformacin
esta relacin es lineal?

INTRODUCCIN
La regresin lineal simple, supone que la relacin
entre la variables X e Y es lineal.
Cuando la relacin entre variables (x, y) no es lineal:
El coeficiente de determinacin es bajo.
La prueba de validacin del modelo resulta no
significativa.
Si la relacin no es lineal, Cmo relacionamos las
variables X e Y?
Usando ecuaciones que permitan modelar relaciones
no lineales.

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 de mayor uso tenemos:

Regresin exponencial
Regresin potencia

y 0e

y 0 x

1 x

Funcin exponencial

y 0 e 1 x

Funcin potencia
y

y 0 x
0

MODELOS DE REGRESIN NO LINEAL

Para poder utilizar las ecuaciones de regresin lineal
estudiadas en el captulo anterior debemos transformar los
datos linealizando la relacin entre las variables.
Las transformaciones que pueden mejorar el ajuste y la
capacidad de prediccin del modelo son muy numerosas.
Antes de presentar las transformaciones debemos recordar
las siguientes propiedades de logaritmos:
Ln (A.B) = Ln (A) + Ln (B)
Ln (eK) = K
Las transformaciones que usaremos en el curso son:

Estimacin de los coeficientes de regresin:

Modelo Exponencial:

y 0 e 1 x

Modelo linealizado:
Forma de Regresin lineal simple:

Ln y Ln 0 1x

y * * 1x

Regresin lineal: (Ln Y vs X)

Modelo Potencia:

y 0 X 1

Modelo linealizado:
Forma de Regresin lineal simple:

Ln y Ln 0 1Ln x

y*

* 1 X *

Regresin lineal: (Ln Y vs Ln X)

Mejor modelo
Cul es el modelo no lineal ms adecuado para explicar la
variable dependiente en funcin de la variable independiente?
En nuestro ejemplo, Cul es el modelo no lineal ms
adecuado para explicar la dureza en funcin de la
deformacin?
Deformacin (mm)

11

13

20

26

28

33

35

Dureza (kg/mm2)

78

67

65

53

41

40

37

34

32

Para determinar el mejor modelo correremos las

regresiones de (Ln Y vs. X) y (Ln Y vs Ln X)

Regresin Exponencial: Ln(Y) vs. X

Estimacin de los coeficientes de regresin: modelo

exponencial
Anlisis de regresin: Ln(y) vs. X
La ecuacin de regresin es
Ln(y) = 4.45 - 0.0293 X
Predictor
Constante
X

Coef
4.44709
-0.029349

S = 0.0806217

SE Coef
0.05930
0.002628

R-cuad. = 94.7%

T
75.00
-11.17

P
0.000
0.000

R-cuad.(ajustado) = 93.9%

Anlisis de varianza
Fuente
Regresin
Error residual
Total

GL
1
7
8

SC
0.81047
0.04550
0.85597

CM
0.81047
0.00650

F
124.69

Ecuacin linealizada:
Ecuacin estimada:

= 85,3790

P
0.000

Regresin Potencia: Ln(Y) vs. Ln(X)

Estimacin de los coeficientes de regresin: modelo potencia

Anlisis de regresin: Ln(y) vs. Ln(x)
La ecuacin de regresin es
Ln(y) = 5.32 - 0.515 Ln(x)
Predictor
Constante
Ln(x)

Coef
5.31976
-0.51452

S = 0.0501080

SE Coef
0.08178
0.02816

R-cuad. = 97.9%

T
65.05
-18.27

P
0.000
0.000

R-cuad.(ajustado) = 97.7%

Anlisis de varianza
Fuente
Regresin
Error residual
Total

GL
1
7
8

SC
0.83840
0.01758
0.85597

CM
0.83840
0.00251

F
333.91

Ecuacin linealizada:
Ecuacin estimada:

= 204,3430

P
0.000

Eleccin del modelo ms adecuado

Modelo

R2

Exponencial

94.7 %

Potencia

97.9 %

El 97.9% de la variabilidad total de la dureza del acero, es

explicada por el modelo de regresin exponencial?

Validacin del Modelo

Valor-p = 0.000 <

Modelo elegido:

=204,3430

Pronostico:
Habiendo elegido el modelo que present mayor R2 y luego
de haberlo validado, pronosticaremos la dureza del acero
cuando la deformacin reportada es de 40mm.
Modelo elegido:

=204,3430

Si X = 40, reemplazamos este valor en la ecuacin, tenemos:

=204,3430
La dureza estimada ser 30.5702 Kg/mm2

Ejercicio:
Se ha registrado las lecturas de un experimento donde X es el volumen
(variable independiente) y Y es la presin de una masa dada de
gas (variable resultante). Los datos obtenidos luego de realizar el
experimento se muestran en la siguiente tabla:
X: Volmen
Y: Presin
a) Determine la ecuacin de regresin Potencia que permita pronosticar
la presin en funcin del volumen
b) Estimar la presin de la masa de gas cuyo volumen es 9 unidades.

Clculos previos:

Modelo estimado:
Estimacin:

ln X

ln Y

ln X ln Y

(ln X)2

0
0.6931
1.0986
1.3863
1.6094
1.7918
1.9459

1.9459
3.4012
4.4998
5.1358
5.6699
6.1092
6.4770

0
2.3575
4.9435
7.1197
9.1253
10.9463
12.6036

0
0.4805
1.2069
1.9218
2.5903
3.2104
3.7866

8.5252

33.2388

47.0960

13.1965

= 6.5881

= 1153.6894

Ejercicio:

Pg. 132

Se desea analizar la pureza del oxgeno producido en un proceso de destilacin

qumica, en base al porcentaje de hidrocarburos que estn presentes en el
condensador principal de la unidad de destilacin. Se tom una muestra aleatoria
de diez observaciones para ambas variables, cuyos resultados se procesaron en
Minitab, obteniendo las siguientes salidas:

continuacin

Pg. 134

a. Determine el modelo de regresin ms adecuado (entre el

lineal, exponencial y potencia).
Modelo

R2

Prioridad

b. Usando el modelo el modelo obtenido en el tem anterior,

estime la pureza del oxgeno producido, cuando el porcentaje
de hidrocarburos presentes en el condensador principal de la
unidad de destilacin es de 1,36%.