Texto Argumentativo - 1

UNIVERSIDAD DE HUÁNUCO
FACULTAD DE CIENCIAS EMPRESARIALES
E.A.P.DE ADMINISTRACIÓN DE EMPRESAS
TITULO DEL INFORME:

“DIFERENCIAS ENTRE REGRESIÓN LINEAL Y NO LINEAL”
AUTOR:
….
DOCENTE:
…….
HUÁNUCO - PERÚ - 2022

I. INTRODUCCION
Supongamos que queremos dirigir una investigación para una organización. Es
necesario conocer la conexión entre el negocio de una organización y sus usos de
promoción. ¿Qué se puede hacer realmente? La investigación de recaída directa nos
permite conocer en qué medida los consumos de promoción dan sentido a la variable de
tratos.
En consecuencia, el último factor será la variable dependiente del modelo, mientras
que el factor informativo o libre publicitará los consumos.La utilización de este modelo nos
permitirá ver qué impacto tienen los consumos de promoción en la facturación de la
organización o en los negocios. Para descubrirlo, tenemos la condición de la línea de
recaída directa.
Para medir la conexión entre los dos factores y tener una estimación de la magnitud
del impacto de los consumos de promoción en el negocio de la organización, podemos
evaluar el modelo de mínimos cuadrados comunes (O.L.S.) en el que se limita la cantidad
de los cuadrados de los residuos.
Este residuo es el contraste entre un valor notado y la estima evaluada. Sin
embargo, ¿cuál es la utilización de estos datos? En efecto, el objetivo es limitar la cantidad
de cuadrados de los residuos. No obstante, debemos recordar que al abordar este examen
no todos los focos estarán dentro de la línea de recaída (de hecho, es interesante que los
haya). En el caso de que todos lo estuvieran y, además, suponiendo que la cantidad de
percepciones fuera suficientemente grande, no habría ningún error de evaluación. En
definitiva, no habría contraste entre el valor observado y el valor previsto.

II. DESARROLLO
La regresión no lineal es una estrategia para rastrear un modelo no lineal para la
conexión entre la variable dependiente y un grupo de factores libres. No es en absoluto
como la recaída directa habitual, que se limita a evaluar modelos directos, la recaída no
lineal puede evaluar modelos con conexiones inconsistentes entre los factores autónomos y
subordinados.
Para ello se utilizan cálculos de evaluación iterativos.
Obsérvese que esta estrategia no es necesaria para los modelos polinómicos
directos de la estructura Y = A + BX^2. Para obtener un modelo directo sencillo, Y = A + BX,
puede evaluarse utilizando técnicas habituales como la estrategia de regresión lineal.
La distinción clave entre la recaída recta y la no lineal, y la razón de los nombres de
las investigaciones.En particular, la recaída recta requiere límites directos, mientras que la
recaída no lineal no. Utilice la recaída no lineal en lugar de la recaída directa cuando no
pueda mostrar satisfactoriamente la relación con límites rectos.
Una capacidad de recaída directa debe ser directa en los límites, lo que confina la
condición a una estructura esencial solitaria. Los límites son directos cuando cada término
del modelo es una sustancia añadida y contiene un solo término duplicador de límites:
Reacción = consistente + límite * indicador.
La capacidad elegida se basa normalmente en la información anterior sobre el
estado de la curva de reacción o la forma de comportamiento de las propiedades físicas y
sintéticas del marco. Las formas no lineales concebibles incorporan curvas hacia adentro,
arqueadas, de desarrollo dramático y de rotación, curvas sigmoidales (S) y asintóticas. Se
debe determinar la capacidad que satisface las necesidades de información anteriores y las
sospechas de recaída no lineal.

Aunque la adaptabilidad para indicar varias capacidades de suposición es
excepcionalmente útil, también es un hecho que se puede esperar mucho esfuerzo para
decidir la capacidad que da el ajuste ideal a la información. Esto requiere con frecuencia un
examen adicional, información sobre la región de revisión e investigación experimental.
Además, para las condiciones no lineales, decidir el impacto que tiene cada indicador en la
reacción puede ser menos instintivo que para las condiciones directas.
III. CONCLUSIÓN
La regresión no lineal crea una condición para representar la conexión no lineal
entre una variable de reacción persistente y al menos uno de los factores indicadores y
predice las percepciones innovadoras. Utilice la recaída no lineal en lugar de la recaída
convencional por mínimos cuadrados cuando no pueda modelar suficientemente la relación
con límites directos. Los límites son directos cuando cada término del modelo es una
sustancia añadida y contiene un solo límite que aumenta el término.
El coeficiente que nos permite adquirir esta información es el coeficiente de conexión
directa r de Pearson, cuyo valor va de - 1 a +1 (1). En las situaciones en las que el
coeficiente de conexión directa se acerca a +1 o a - 1, es conveniente pensar en la situación
de la línea que "mejor se ajusta" a la nube de puntos como un modelo satisfactorio de la
relación entre los dos factores.
Básicamente, esta línea nos permite valorar los altibajos de Y que adquiriríamos
para varios altibajos de X. Estas ideas se abordarán en lo que llamamos un gráfico
disperso. Por otra parte, el método más habitual para decidir la recta de mejor ajuste es la
técnica de mínimos cuadrados.

IV. CASO PRÁCTICO
IV.1. REGRESION LINEAL
La empresa PITHAMAX,que se dedica a la venta y exportación de esquejes de pitahaya

Hylocereus spp. y requiere determinar el pronóstico del incremento en unidades para el año
siguiente en la cual se va a utilizar el modelo de regresión lineal
.
Tabla Nº1.Registro de ventas de esquejes correspondiente al periodo 2012-2019.
AÑO VENTA (und.)
2012 545
2013 580
2014 615
2015 645
2016 685
2017 720
2018 755
2019 796
2020 828
Se estimo la venta de 828 de pitahayas para el año 2020,incrementándose la venta

respecto al año anterior en 32 unidades de esquejes(4%).
El modelo que mejor se adapto al conjunto de datos fue el lineal,obteniéndose la siguiente
ecuación:
y = 35,56x – 71003
Con un coeficiente de correlación.
R² = 0,9991
Grafico 1.Relacion del tiempo y la venta de esquejes con un modelo ajustado de función
lineal.
Tiempo Vs. Venta de esquejes

900
Venta de esquejes (und.)
800
700 f(x) = 35.5595238095238 x − 71002.5952380952
600 R² = 0.999102146461212
500
400
300
200
100
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Año
IV.2. REGRESION NO LINEAL

De una empresa de geotextiles se tiene el registro de la producción y exportación a Canadá
de estos últimos años en millones de soles como se muestra en la siguiente tabla, en la cual
se requiere obtener el mejor modelo de regresión que indique las exportaciones en base a
la producción.
Tabla Nº2.Registro de producción y exportación de geotextiles en los últimos años.
Producción de geotextiles Exportaciones

(Tn) (millones S/.)
20 1
25 6
30 10
43 16
55 25
35 12,16
Grafico 2.Relacion de producción y exportación ajustados a un modelo de función no lineal

(polinómica de grado 2)
Producción vs. Exportación de geotextiles

30
Exportaciones (millones S/.)
25
f(x) = − 0.00215446857512301 x² + 0.809378003027245 x − 13.4748325362904
20 R² = 0.987292724450126
15
10
0
15 20 25 30 35 40 45 50 55 60
Producción (Tn)
El modelo que mejor se adaptó al conjunto de datos fue el no lineal(Polinómica de grado

2),obteniéndose la siguiente ecuación:
y = -0,0022x2 + 0,8094x - 13,475
Con un coeficiente de correlación.

R² = 0,9873
Se determino que para una producción de 35 Tn se obtendrá 12.16 millones de soles en la

exportación a Canadá.
V. REFERNCIA BIBLIOGRAFICA
García, R. (2004). Inferencia estadística y diseño de experimentos. Buenos Aires: Eudeba.
Greene, W. H. (2006). Análisis Econométrico (3ª ed.). Madrid, España: Prentice-Hall.
Mendenhall,W. ; Wackerly,D.; Sheaffer, R.(2004) Estadística Matemática con Aplicaciones.
Grupo Editorial Iberoamérica.
Montgomery,D. ; Peck,E. y Vinning, G. (2002). Introducción al Análisis de Regresión Lineal.
Editorial C.E.C.S.A.
Velasco Sotomayor,G. ; Wisniewski, P.(2002) Probabilidad y Estadística para Ingeniería y
Ciencias. Editorial Thomson.

Texto Argumentativo - 1

Cargado por

Copyright:

Formatos disponibles

Texto Argumentativo - 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Texto Argumentativo - 1

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE HUÁNUCO

FACULTAD DE CIENCIAS EMPRESARIALES

E.A.P.DE ADMINISTRACIÓN DE EMPRESAS

TITULO DEL INFORME:

HUÁNUCO - PERÚ - 2022

Supongamos que queremos dirigir una investigación para una organización. Es

necesario conocer la conexión entre el negocio de una organización y sus usos de

promoción. ¿Qué se puede hacer realmente? La investigación de recaída directa nos

En consecuencia, el último factor será la variable dependiente del modelo, mientras

permitirá ver qué impacto tienen los consumos de promoción en la facturación de la

organización o en los negocios. Para descubrirlo, tenemos la condición de la línea de

del impacto de los consumos de promoción en el negocio de la organización, podemos

evaluar el modelo de mínimos cuadrados comunes (O.L.S.) en el que se limita la cantidad

de los cuadrados de los residuos.

Este residuo es el contraste entre un valor notado y la estima evaluada. Sin

embargo, ¿cuál es la utilización de estos datos? En efecto, el objetivo es limitar la cantidad

haya). En el caso de que todos lo estuvieran y, además, suponiendo que la cantidad de

percepciones fuera suficientemente grande, no habría ningún error de evaluación. En

definitiva, no habría contraste entre el valor observado y el valor previsto.

La regresión no lineal es una estrategia para rastrear un modelo no lineal para la

conexión entre la variable dependiente y un grupo de factores libres. No es en absoluto

Para ello se utilizan cálculos de evaluación iterativos.

Obsérvese que esta estrategia no es necesaria para los modelos polinómicos

directos de la estructura Y = A + BX^2. Para obtener un modelo directo sencillo, Y = A + BX,

puede evaluarse utilizando técnicas habituales como la estrategia de regresión lineal.

La distinción clave entre la recaída recta y la no lineal, y la razón de los nombres de

pueda mostrar satisfactoriamente la relación con límites rectos.

Reacción = consistente + límite * indicador.

La capacidad elegida se basa normalmente en la información anterior sobre el

estado de la curva de reacción o la forma de comportamiento de las propiedades físicas y

arqueadas, de desarrollo dramático y de rotación, curvas sigmoidales (S) y asintóticas. Se

sospechas de recaída no lineal.

examen adicional, información sobre la región de revisión e investigación experimental.

La regresión no lineal crea una condición para representar la conexión no lineal

predice las percepciones innovadoras. Utilice la recaída no lineal en lugar de la recaída

convencional por mínimos cuadrados cuando no pueda modelar suficientemente la relación

sustancia añadida y contiene un solo límite que aumenta el término.

El coeficiente que nos permite adquirir esta información es el coeficiente de conexión

directa r de Pearson, cuyo valor va de - 1 a +1 (1). En las situaciones en las que el

coeficiente de conexión directa se acerca a +1 o a - 1, es conveniente pensar en la situación

de la línea que "mejor se ajusta" a la nube de puntos como un modelo satisfactorio de la

relación entre los dos factores.

para varios altibajos de X. Estas ideas se abordarán en lo que llamamos un gráfico

técnica de mínimos cuadrados.

IV.1. REGRESION LINEAL

La empresa PITHAMAX,que se dedica a la venta y exportación de esquejes de pitahaya

Se estimo la venta de 828 de pitahayas para el año 2020,incrementándose la venta

Tiempo Vs. Venta de esquejes

IV.2. REGRESION NO LINEAL

Tabla Nº2.Registro de producción y exportación de geotextiles en los últimos años.

Producción de geotextiles Exportaciones

Grafico 2.Relacion de producción y exportación ajustados a un modelo de función no lineal

Producción vs. Exportación de geotextiles

El modelo que mejor se adaptó al conjunto de datos fue el no lineal(Polinómica de grado

Con un coeficiente de correlación.

Se determino que para una producción de 35 Tn se obtendrá 12.16 millones de soles en la

Greene, W. H. (2006). Análisis Econométrico (3ª ed.). Madrid, España: Prentice-Hall.

Mendenhall,W. ; Wackerly,D.; Sheaffer, R.(2004) Estadística Matemática con Aplicaciones.

Grupo Editorial Iberoamérica.