Scribd
Cargar
7 vistas1 página

Práctica 4

La práctica se centra en el análisis de regresión no lineal entre dos variables cuantitativas, utilizando diversos modelos como el lineal, parabólico, logarítmico, inverso, exponencial y potencial. Se requiere transformar las variables para ajustar los modelos y evaluar su poder predictivo mediante el análisis de residuos y valores pronosticados. El mejor modelo se selecciona en función del valor de R2 más alto.

Cargado por

aalanaaguadocabero
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
7 vistas1 página

Práctica 4

La práctica se centra en el análisis de regresión no lineal entre dos variables cuantitativas, utilizando diversos modelos como el lineal, parabólico, logarítmico, inverso, exponencial y potencial. Se requiere transformar las variables para ajustar los modelos y evaluar su poder predictivo mediante el análisis de residuos y valores pronosticados. El mejor modelo se selecciona en función del valor de R2 más alto.

Cargado por

aalanaaguadocabero
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

PRÁCTICA 4.

ANALISIS DE REGRESIÓN NO LINEAL


en esta practica se relacionan dos variables cuantitativas por modelos no lineales, para alguno
de los modelos será necesario transformar las variables para ajustar los modelos no lineales
mediante un ajuste lineal, para ello hacemos trasformar, calcular variable

 Ajuste de un modelo de regresión lineal simple: se hizo en la práctica anterior


 Ajuste de un modelo de regresión parabólica (cuadrática)analizar, regresión,
estimación curvilínea, marco modelo cuadrático, también marco incluir constante de
ecuación, representar modelo y ver tabla ANOVA
 Ajuste de un modelo de regresión logarítmico: primero debo transformar a ln de la
variable independiente la variable, después hago analizar, regresión, lineal. Por último,
analizo el poder predictivo de los valores pronosticados y los residuos no
estandarizados almacenados
 Ajuste de un modelo de regresión inverso: debo transformar la variable haciendo
“1/variable independiente”, después hago analizar, regresión lineal
 Ajuste de un modelo de regresión exponencial: primero transformo la variable
haciendo ln de la variable dependiente, después hago analizar, regresión lineal
 Ajuste de un modelo de regresión potencial: analizar, regresión lineal

Ahora se hace un ajuste de los distintos modelos no lineales haciendo analizar, regresión,
estimación curvilínea, se seleccionan las funciones adecuadas y marco valores pronosticados y
residuos. Así obtengo una tabla con todos los ajustes y una grafica

Decidiré cual es el mejor modelo a partir de sus valores de R2 (el de mayor valor)

Todo esto puede resumirse en la siguiente tabla:

modelo función modelo ajustado


lineal y=b0+b1X+e Ŷ= b0+b1X
parabólic y=b0+b1X+b2X2 Ŷ= b0+b1X+b2X2
o e
logarítmi Ŷ= b0+b1+logX
co y=b0+b1+logX
inverso y=b0+b1*(1/X) Ŷ= b0+b1*(1/X)
X
exponen y=b0+b1 o Log y=log Ŷ= A’+B’X (debo hacer ln para sacar A
cial y=A+BX A+Xlog B y B)
Log y=log
B
potencial y=AX (AXB) Ŷ= AXB (debo hacer lnA para sacar A)
Ŷ es y- error de y

También podría gustarte