Calculadora de regresión exponencial
Ajusta un modelo exponencial y = ab^x a tus datos y predice valores futuros.
Ingresa pares de datos (x, y) para calcular la ecuación de regresión exponencial, R² y predicciones.
Calculadora de regresión exponencial
Ajusta un modelo exponencial y = ab^x a tus datos y predice valores futuros.
Ingresa un par por línea, separado por un espacio o una coma. Ejemplo: 1 2.5
Acerca de la calculadora de regresión exponencial
La regresión exponencial es una técnica de ajuste de curvas que encuentra la función exponencial y = ab^x que mejor se adapta a un conjunto dado de puntos. Se usa cuando los datos sugieren crecimiento o decaimiento exponencial, es decir, cuando al graficarlos los puntos parecen seguir una curva en J (crecimiento) o una curva cóncava descendente (decaimiento). El modelo exponencial es lineal en su logaritmo: al tomar el logaritmo natural de ambos lados se obtiene ln(y) = ln(a) + x·ln(b), una ecuación lineal en ln(y) y x.
El procedimiento de ajuste usa el método de mínimos cuadrados aplicado a la ecuación linealizada. En concreto, minimizamos la suma de cuadrados de los residuos en el espacio ln(y). Esto da las fórmulas: ln(b) = [n·Σ(x·ln y) − Σx·Σ(ln y)] / [n·Σx² − (Σx)²] y ln(a) = [Σ(ln y) − ln(b)·Σx] / n, de las cuales se recuperan a = e^(ln a) y b = e^(ln b).
El modelo y = ab^x puede interpretarse así. El coeficiente a es la intersección con el eje y: representa el valor de y cuando x = 0. La base b controla la tasa de cambio: si b > 1, el modelo muestra crecimiento con un factor de b por unidad (por ejemplo, b = 1.05 significa 5% de crecimiento por cada aumento de 1 en x). Si 0 < b < 1, el modelo muestra decaimiento. La tasa de crecimiento como porcentaje es (b − 1) × 100%.
El coeficiente de determinación R² mide qué tan bien se ajusta el modelo a los datos en una escala de 0 a 1. Un R² de 0.95 significa que el 95% de la varianza en y queda explicado por el modelo exponencial. En datos científicos, valores de R² superiores a 0.90 suelen considerarse un buen ajuste. El coeficiente de correlación R = √R² × sign(ln b) indica la dirección y la fuerza de la relación exponencial.
Restricción importante: todos los valores de y deben ser positivos para la regresión exponencial porque el logaritmo de cero o de un número negativo no está definido. Si tus datos contienen valores de y no positivos, puede que necesites transformar o desplazar los datos, o considerar otro modelo de regresión, como la regresión polinómica.
Ejemplos
Estos ejemplos ilustran la regresión exponencial aplicada a datos biológicos, financieros y físicos.
| Puntos de datos | Ecuación | Escenario |
|---|---|---|
| (1,2), (2,4.1), (3,7.9), (4,16.2), (5,33.0) | y ≈ 0.98 × 2.01^x, R² ≈ 0.999 | Colonia bacteriana que se duplica aproximadamente cada hora |
| (0,1000), (1,1050), (2,1102.5), (3,1157.6), (4,1215.5) | y = 1000 × 1.05^x, R² = 1.000 | Crecimiento perfecto con interés compuesto del 5%; R² = 1 |
| (0,100), (10,82), (20,67), (30,55), (40,45) | y ≈ 100 × 0.981^x, R² ≈ 0.999 | Desintegración radiactiva; b < 1 indica decaimiento exponencial |
| (1971,2300), (1982,134000), (1993,3.1M), (2000,42M), (2011,2.6B) | y se ajusta exponencialmente, R² ≈ 0.97 | Ley de Moore: el número de transistores se duplica aproximadamente cada 2 años |
Cómo usar esta calculadora
- Ingresa tus puntos de datos en el área de texto: un par por línea, con los valores x e y separados por un espacio o una coma (por ejemplo, '1 2.5' o '1,2.5'). Necesitas al menos 3 puntos de datos.
- Asegúrate de que todos los valores de y sean estrictamente positivos: el algoritmo de regresión exponencial requiere tomar logaritmos de y.
- Opcionalmente, ingresa un valor x en el campo 'Predecir Y' para obtener una predicción a partir del modelo ajustado.
- Haz clic en Calcular para ver la ecuación de regresión y = ab^x, los coeficientes a y b, R², el coeficiente de correlación R y cualquier predicción solicitada.
- Usa los botones de carga rápida para cargar ejemplos preconstruidos y explorar cómo se deriva la ecuación de regresión.
Preguntas frecuentes
¿Qué es la regresión exponencial?
La regresión exponencial ajusta una curva de la forma y = ab^x a un conjunto de puntos, donde a es el valor inicial y b es el factor de crecimiento o decaimiento por unidad de x. Se usa cuando los datos crecen o decrecen a una tasa proporcional a su valor actual. El ajuste se realiza linealizando el modelo mediante logaritmos y aplicando mínimos cuadrados ordinarios a los datos transformados.
¿Qué significan los coeficientes a y b?
El coeficiente a es la intersección con el eje y: el valor de y previsto cuando x = 0. La base b determina el cambio multiplicativo de y por cada aumento de 1 en x. Si b = 1.1, el valor de y aumenta 10% por cada unidad. Si b = 0.9, el valor disminuye 10% por unidad. La tasa de crecimiento como porcentaje es (b − 1) × 100%.
¿Qué mide R² y cuál es un buen valor?
R² (el coeficiente de determinación) mide la proporción de la varianza en los valores originales de y explicada por el modelo exponencial ajustado. Va de 0 a 1, donde 1 indica un ajuste perfecto. Para datos científicos, R² > 0.95 es excelente, 0.80–0.95 es bueno y por debajo de 0.80 sugiere que el modelo exponencial puede no ser apropiado y que conviene probar otra forma de modelo.
¿Por qué los valores de y deben ser positivos?
El algoritmo de regresión exponencial linealiza el modelo tomando ln(y). El logaritmo natural solo está definido para números estrictamente positivos: ln(0) es menos infinito y el logaritmo de un número negativo no está definido en aritmética real. Si tus datos tienen valores de y no positivos, puede que necesites desplazar los datos (sumar una constante a todos los valores de y), usar un modelo diferente (polinómico, ley de potencia) o investigar si los datos realmente siguen un crecimiento exponencial.
¿En qué se diferencia de la regresión lineal?
La regresión lineal ajusta una recta y = mx + b a los datos, asumiendo una tasa de cambio constante. La regresión exponencial ajusta y = ab^x, asumiendo una tasa de cambio proporcional constante. Para elegir entre ambas, grafica tus datos en escala lineal (lineal si parecen una recta) y en escala semilogarítmica (exponencial si parecen una recta en semilog). También puedes comparar los valores de R², aunque el R² de ambos modelos no es directamente comparable porque la regresión exponencial minimiza los residuos en el espacio logarítmico.
¿Puedo usar esta calculadora para decaimiento exponencial?
Sí. El decaimiento exponencial es un caso especial donde 0 < b < 1. Si b = 0.95, la cantidad disminuye 5% por cada unidad de x. La calculadora maneja automáticamente tanto el crecimiento como el decaimiento; no necesitas cambiar ninguna configuración. Solo ingresa tus puntos de datos y el algoritmo determinará el valor correcto de b. La desintegración radiactiva, la concentración de medicamentos en la sangre y la temperatura de enfriamiento siguen este patrón.