
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
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
Subido el 26/06/2015
1 / 1
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!

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.