¿Cuales son las aplicaciones de un modelo no lineal?
nmatcielDocumentos de Investigación1 de Noviembre de 2015
428 Palabras (2 Páginas)254 Visitas
¿Cuales son las aplicaciones de un modelo no lineal?
Modelos estadísticos
Los modelos estadísticos generalmente relacionan la esperanza de unas variables (“respuesta”) a una o más variables independientes (“represoras”)
Además se pueden hacer supuestos acerca de la distribución de Y. Por ejemplo:
E Y k = f x… x β ( )
Modelos no lineales
Si los parámetros del modelo entran en la ecuación en forma no lineal, entonces tenemos un modelo no lineal
¿Qué clases de modelos no lineales hay?
El modelo de regresión lineal simple Y 0 1 µ ββ = + x , 2)
El modelo de regresión múltiple Y k k µ ββ β = + ++ x x y 3)
El modelo de regresión polinomios k Y k µ ββ β β = + + ++ xx x
¿Cuáles son los modelos no lineales más comunes?
Regresión asintótica | b1 + b2 *exp( b3 * x ) |
Regresión asintótica | b1 –( b2 *( b3 ** x )) |
Densidad | ( b1 + b2 * x )**(–1/ b3 ) |
Gauss | b1 *(1– b3 *exp( –b2 * x **2)) |
Gompertz | b1 *exp( –b2 * exp( –b3 * x )) |
Johnson-Schumacher | b1 *exp( –b2 / ( x + b3)) |
Log-modificado | ( b1 + b3 * x ) ** b2 |
Log-logístico | b1 – ln(1 + b2 * exp(–b3 * x)) |
Ley de Metcherlich de devoluciones decrecientes | b1 + b2 *exp( –b3 * x ) |
Michaelis Menten | b1* x /( x + b2 ) |
Morgan-Mercer-Florin | ( b1 * b2 + b3 * x ** b4 )/( b2 + x ** b4 ) |
Peal-Reed | b1 / (1+ b2 * exp(–(b3 * x + b4 * x **2 + b5 * x ** 3))) |
Razón de cúbicas | (b1 + b2 * x + b3 * x ** 2 + b4 * x ** 3) / (b5 * x ** 3) |
Razón de cuadráticas | ( b1 + b2 * x + b3 * x **2)/( b4 * x **2) |
Richards | b1 / ((1 + b3 * exp(–b2 * x)) ** (1 / b4)) |
Verhulst | b1 /(1 + b3 * exp(– b2 * x )) |
Von Bertalanffy | ( b1 ** (1 - b4 ) - b2 * exp( -b3 * x )) ** (1/(1 - b4 )) |
Weibull | b1 – b2 *exp(– b3 * x ** b4 ) |
Densidad de rendimiento | (b1 + b2 * x + b3 * x **2)**(–1) |
¿Qué pasos se siguen para estimar un modelo no lineal?
¿Cómo se interpretan los parámetros?
En estadística, un parámetro es un número que resume la gran cantidad de datos que pueden derivarse del estudio de una variable estadística. El cálculo de este número está bien definido, usualmente mediante una fórmula aritmética obtenida a partir de datos de la población.
Los parámetros estadísticos son una consecuencia inevitable del propósito esencial de la estadística: crear un modelo de la realidad
...