Ir al contenido principal

Otros tipos de ajuste

A menudo, las nubes de puntos de una distribución bidimensional presentan  disposiciones gráficas que desaconsejan su ajuste a través de una recta. En algunos puede resultar adecuado  un ajuste de tipo hiperbólico (Y = a + b/X), mientras en otros casos puede darse una relación potencial (Y = aXb), y en otros puede darse la relación exponencial (Y = abX).

En cualquiera de las situaciones descritas podría aplicarse el método mínimo-cuadrático, que desde el punto de vista conceptual sigue siendo válido. Sin embargo, se puede comprobar en estos casos que el cálculo de las derivadas parciales de la función a minimizar por mínimos cuadrados conduce a un sistema de ecuaciones no lineales.

Para evitar la resolución de este sistema, que puede resultar engorrosa, podemos realizar la función de ajuste mediante cambios de variable, que permiten pasar de las expresiones iniciales a un modelo linealizado en el que podemos aplicar la expresión de la recta mínimo-cuadrática explicada en la entrada anterior.

En concreto, en el caso de que el modelo de partida sea hiperbólico se puede efectuar el cambio X' = 1/X, que conduce a la expresión y = a + bX' en la que es posible ajustar por mínimos cuadrados la recta asociada a la distribución: (x'i, yj, nij), obteniendo así los parámetros a y b de la hipérbola.

En el caso de que los modelos de partida sean de tipo exponencial (Y = abX) o potencial (Y = aXb) la linealización de la función puede ser llevada a cabo a través de una transformación logarítmica.

En ambos casos se conseguirá (al igual que en el ajuste hiperbólico) pasar a modelos lineales, dados por las expresiones:

ln Y = ln a + blnX

La expresión lineal mínimo-cuadrática puede ser aplicada en cualquiera de estos casos, si bien las rectas obtenidas en cualquiera de los supuestos tienen un carácter claramente auxiliar y conducen a parámetros que no coinciden exactamente con los que caracterizan las expresiones originales (a y b). De ahí la necesidad de ser conscientes de dichas alteraciones, efectuando los cambios finales a = exp(a') en el modelo potencial; a = exp(a') y b = exp(b') en el exponecial.

Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores