REGRESIONES POLINOMIALES DE SEGUNDO GRADO

Regresin polinmica se ajusta a una relacin no lineal entre el valor de x y la

media condicional correspondiente de y, denotado e. Juega un papel importante
en el anlisis de regresin, con un mayor nfasis en temas de diseo e
inferencia. El patrn a seguir es el siguiente:

Consiste en otra alternativa, para ajustar polinomios a los datos.

Necesitamos ajustar a un polinomio de segundo grado o cuadrtico:

y a0 a1 x a2 x 2 e

La suma de los cuadrados de los residuos es:

n

Sr ( yi a0 a1 xi a2 xi ) 2
2

i 1

Derivamos Sr con respecto a a0:

2 ( yi a0 a1 x1 a2 xi )
2

luego con respecto a a1:

2 xi ( yi a0 a1 x1 a2 xi )
2

Por ultimo con respecto a a2

2 xi ( yi a0 a1 xi a2 xi )
2

Igualamos a 0, y reordenamos:
2
(n)a0 ( xi )a1 ( xi )a2 yi
( xi )a0 ( xi )a1 ( xi )a2 xi yi
2

( xi )a0 ( xi )a1 ( xi )a2 xi yi

2

n hasta i=1
Tenemos un sistemas de ecuaciones, con 3 incgnitas (a0,a1,a2),
entonces se puede extender un polinomio de m-ensimo grado como
sigue:
y a0 a1 x a2 x 2 ......am x m e
El problema de determinar polinomios de grado m con mnimos cuadrados
es equivalente a resolver un sistema de m+1 ecuaciones lineales
simultneas. El error estndar se calcula de la siguiente manera:

sr
n (m 1)
Donde m es el grado del polinomio que queremos ajustar.
Adems del error estndar, se puede calcular tambin el coeficiente de
determinacin:
sy / x

2 =

EJEMPLOS:

1. A partir de los datos de la tabla que se presenta a continuacin,

ajuste un polinomio de segundo grado, utilizando regresin
polinomial.
Xi
Yi
0
2,1
Para el caso que nos ocupa,
1
7,7
m = 2 (el grado del polinomio que necesitamos)
2
13,6
n = 6 (la cantidad de datos)
3
27,2
4
40,9
5
61,1

Y el conjunto general de ecuaciones queda instanciado de la siguiente

manera:
a0 n + a1xi +a2xi2 = yi
a0 xi + a1 xi2 +a2 xi3 =xi yi
a0 xi2 + a1 xi3+a2 xi4 = xi2 yi
Xi
0
1
2
3

Yi
2,1
7,7
13,6
27,2

Xi2
0
1
4
9

Xi3
0
1
8
27

Xi4
0
1
16
81

Xi Yi
0
7,7
27,2
81,6

Xi2 Yi
0
7,7
54,4
244,8

4
5
Xi
15

40,9
61,1
Yi
152,6

16
25
Xi2
55

64
125
Xi3
225

256
625
Xi4
979

163,6
305,5
Xi Yi
585,6

654,4
1527,5
Xi2 Yi
2488,8

a0 6 + a1 15 + a2 55 = 152,6
a0 15 + a1 55 + a2 225 = 585,6
a0 55 + a1 225+ a2 979 = 2488,8
Resolviendo ese sistema con alguna tcnica como la eliminacin gaussiana, se
obtiene:
a0 = 2.47857
a1 = 2.35929
a2 = 1.86071
El polinomio es: 1.86071 x2 + 2.35929 x + 2.47857

2. Se realiza una prueba de frenado de un automvil nuevo, midiendo

la distancia de parada de acuerdo a la rapidez del vehculo al
momento de aplicar los frenos, obtenindose los siguientes
resultados:
RAPIDEZ
Km/h
35
50
65
80
95
110

a)
b)
c)
d)
a)

DISTANCIA
Metros
16
26
41
62
88
119

En base a los datos anteriores:

Construya un diagrama de dispersin
Efecte la estimacin del modelo cuadrtico
Determine el grado de ajuste e interprtelo
Elabore el anlisis de varianza y disctalo
Diagrama de Dispersin

b) Estimadores del modelo

i)
x
35
50
65
80
95
110
=435

ii)

Tabla de Datos:
y
x2
16
1,225
26
2,500
41
4,225
62
6,400
88
9,025
119
12,100
=352
=35,475

x3
42,875
125,000
274,625
512,000
857,375
1,331,000
=3,142,875

x4
xy
1,500,625
560
6,250,000
1,300
17,850,625
2,665
40,960,000
4,960
81,450,625
8,360
146,410,000 13,090
=294,421,875 =30,935

x2y
19,600
65,000
173,225
396,800
794,200
1,439,900
=2,888,725

y2
256
676
1,681
3,844
7,744
14,161
=28,362

Estimadores del modelo

Ecuacin Final:
Yi=13.3587-.3394xi+0.01182xi2

c)

Grado de ajuste del modelo

El coeficiente de determinacin se calcula as:

Se puede concluir que el grado de ajuste del modelo es alto (casi perfecto!), por
lo que el modelo es confiable para hacer predicciones.
d)

Anlisis de varianza del modelo

i) Suma de cuadrados de regresin:

ii) Suma de cuadrados Total

=7711.3333

iii)
iv)
v)
vi)
vii)
viii)
ix)
x)
xi)

Suma de cuadrados del error: 7711.3333-7711.2119=0.12143

Grados de libertad de regresin=2
Grados de libertad totales= 6-1=5
Grados de libertad del error=6-3=3
Cuadrado medio de regresin= 7711.2119/2=3855.5069
Cuadrado medio del error= 0.1243/3=0.04048
F Calculada=3855.5069/0.04048=95256.147
F Tabulada (2, 3,0.01)=30.82
Tabla de Andeva:
Fuente de Grados
Variacin de
libertad
Regresin
2
Error
3
Total
5

Suma
cuadrados
7711.2119
0.12143
7711.33333

de Cuadrado
medio
3855.60595
0.04048

F
F
calculada tabulada
95256.14 30.82**

Debido a que F calculada es mayor que F tabulada, se rechaza la Ho y se acepta

la Ha, con lo cual se concluye que el modelo s explica el fenmeno en estudio y
que los resultados obtenidos no se deben a la casualidad.