En estadstica, la regresin no lineal es un problema de inferencia para un modelo tipo: y = f(x,) + basado en datos multidimensionales x,y, donde f es alguna

a 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 f toma la forma: 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.

f(x) = ax2 + bx + c

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 prcticas 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.

Funcin exponencial, potencial, y logartmica El problema de ajustar un modelo potencial, de la forma Y = A X b y uno exponencial Y = A B

X se

reduce al de la funcin lineal, con solo tomar logaritmos.

Modelo potencial

Si en la expresin de la funcin potencial se toman logaritmos, se obtiene: logY = log A + b log X que es la ecuacin de una recta Y = a +b X , donde

ahora a =log A . El problema se reduce a transformar Y en logY y X en log X y ajustar una recta a los valores transformados. El parmetro b del modelo
potencial coincide con el coeficiente de regresin de la recta ajustada a los datos transformados y A se obtiene mediante antilog (a) .

Modelo exponencial de

En determinados experimentos, en su mayora biolgicos, la dependencia entre las variables X e Y es

forma exponencial, en cuyo caso interesa ajustar a la nube de puntos una funcin del tipo:

y =exp(a +b x) . Mediante una transformacin lineal, tomando logaritmos neperianos, se convierte el

problema en una cuestin de regresin lineal. Es decir, tomando logaritmos neperianos: ln y = a + b x Y llamando Y =ln y se tiene Y = a + b x (regresin

lineal).