Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
normales que
generan
la
Y= F (X,0)+E
basado en datos multidimensionales x,y, donde f es alguna funcin no lineal respecto a
algunos parmetros desconocidos . Como mnimo, se pretende obtener los valores de
los parmetros asociados con la mejor curva de ajuste (habitualmente, con el mtodo de
los mnimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser
necesario utilizar conceptos de inferencia estadstica tales como intervalos de confianza
para los parmetros as como pruebas de bondad de ajuste.
El objetivo de la regresin no lineal se puede clarificar al considerar el caso de
la regresin polinomial, la cual es mejor no tratar como un caso de regresin no lineal.
Cuando la funcin ftoma la forma:
F(X) = AX2 + BX + C
la funcin f es no lineal en funcin de x pero lineal en funcin de los parmetros
desconocidos a, b, yc. Este es el sentido del trmino "lineal" en el contexto de la regresin
estadstica. Los procedimientos computacionales para la regresin polinomial son
procedimientos de regresin lineal (mltiple), en este caso con dos variables
predictoras x y x2. Sin embargo, en ocasiones se sugiere que la regresin no lineal es
necesaria para ajustar polinomios. Las consecuencias practicas de esta mala
interpretacin conducen a que un procedimiento de optimizacin no lineal sea usado
cuando en realidad hay una solucin disponible en trminos de regresin lineal. Paquetes
(software) estadsticos consideran, por lo general, ms alternativas de regresin lineal que
de regresin no lineal en sus procedimientos.
DEFINICIN DE CORRELACIN LINEAL
En ocasiones nos puede interesar estudiar si existe o no algn tipo de relacin
entre dos variables aleatorias.
Por ejemplo, podemos preguntarnos si hay alguna relacin entre las notas de la
asignatura Estadstica I y las de Matemticas I. Una primera aproximacin al problema
consistira en dibujar en el plano R2 un punto por cada alumno: la primera coordenada de
cada punto sera su nota en estadstica, mientras que la segunda sera su nota en
matemticas. As, obtendramos una nube de puntos la cual podra indicarnos visualmente
la existencia o no de algn tipo de relacin (lineal, parablica, exponencial, etc.) entre
ambas notas.
Otro ejemplo, consistira en analizar la facturacin de una empresa en un periodo
de tiempo dado y de cmo influyen los gastos de promocin y publicidad en dicha
facturacin. Si consideramos un periodo de tiempo de 10 aos, una posible
representacin sera situar un punto por cada ao de forma que la primera coordenada de
cada punto sera la cantidad en euros invertidos en publicidad, mientras que la segunda
sera la cantidad en euros obtenidos de su facturacin. De esta manera, obtendramos
una nube de puntos que nos indicara el tipo de relacin existente entre ambas variables.
En particular, nos interesa cuantificar la intensidad de la relacin lineal entre dos variables.
El parmetro que nos da tal cuantificacin es el coeficiente de correlacin lineal de
Pearson r, cuyo valor oscila entre 1 y +1 :