Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Ajuste de un modelo de regresión logarítmica - Prof. 622, Ejercicios de Biología

Cómo ajustar un modelo de regresión logarítmica a partir de un conjunto de datos no lineales, mediante la transformación de la variable dependiente y en z = log(y). Se presentan las figuras de dispersión original y logarítmica, así como el cálculo de los coeficientes de la recta de regresión estimada. El documento puede resultar útil para estudiantes de estadística y ciencias económicas.

Tipo: Ejercicios

2014/2015

Subido el 26/06/2015

usuario desconocido
usuario desconocido 🇪🇸

1 / 1

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Ajustar un modelo de regresi´on adecuado, de Ysobre X, a los siguientes pares de
datos:
x1 2 3 4 5
y1 9 90 900 12000
Soluci´on: Como en el diagrama de dispersi´on de Yen funci´on de Xvemos que la relaci´on entre
XeYno es lineal, sino posiblemente exponencial, probamos a transformar la variable Y.
X
6543210
Y
14000
12000
10000
8000
6000
4000
2000
0
-2000
Figura 1: Diagrama de dispersi´on de Yfrente a X
Elegimos la transformaci´on Z= log(Y). Al representar Zen funci´on de Xvemos que es razonable
ajustar una recta de regresi´on para describir la relaci´on entre ambas variables.
X
6543210
Z
10
8
6
4
2
0
-2
Figura 2: Diagrama de dispersi´on de Z= log(Y)frente a Xy recta de regresi´on
Para calcular la recta de regresi´on estimada de Zsobre Xcalculamos los valores observados de Z:
x1 2 3 4 5
z= log(y) 0 2,20 4,50 6,80 9,39
Planteamos el modelo Z=β0+β1x+U, con UN(0, σ2). Como
covx,z = 4,68 , vx= 2 ,¯x= 3 y ¯z= 4,58 ,
tenemos que
ˆ
β1=4,68
2= 2,34 y ˆ
β0= 4,58 2,34 ·3 = 2,44.
As´ı que la recta de regresi´on estimada es
ˆz=2,44 + 2,34x.

Vista previa parcial del texto

¡Descarga Ajuste de un modelo de regresión logarítmica - Prof. 622 y más Ejercicios en PDF de Biología solo en Docsity!

Ajustar un modelo de regresi´on adecuado, de Y sobre X, a los siguientes pares de datos: x 1 2 3 4 5 y 1 9 90 900 12000 Soluci´on: Como en el diagrama de dispersi´on de Y en funci´on de X vemos que la relaci´on entre X e Y no es lineal, sino posiblemente exponencial, probamos a transformar la variable Y.

X

Y 0 1 2 3 4 5 6

14000 12000 10000 8000 6000 4000 2000 0

Figura 1: Diagrama de dispersi´on de Y frente a X Elegimos la transformaci´on Z = log(Y ). Al representar Z en funci´on de X vemos que es razonable ajustar una recta de regresi´on para describir la relaci´on entre ambas variables.

X

Z 0 1 2 3 4 5 6

10 8 6 4 2 0

Figura 2: Diagrama de dispersi´on de Z = log(Y ) frente a X y recta de regresi´on Para calcular la recta de regresi´on estimada de Z sobre X calculamos los valores observados de Z: x 1 2 3 4 5 z = log(y) 0 2,20 4,50 6,80 9, Planteamos el modelo Z = β 0 + β 1 x + U , con U ∼ N (0, σ^2 ). Como covx,z = 4, 68 , vx = 2 , ¯x = 3 y ¯z = 4, 58 , tenemos que βˆ 1 =^4 ,^68 2 = 2,^34 y^ βˆ 0 = 4, 58 − 2 , 34 · 3 = − 2 , 44. As´ı que la recta de regresi´on estimada es ˆz = − 2 , 44 + 2, 34 x.