Ej17. Considera los datos que aparecen en la tabla siguiente:
x. | 10 | 15 | 18 | 12 | 9 | 8 | 11 | 6 |
y | 0.1 | 0.13 | 0.09 | 0.15 | 0.20 | 0.21 | 0.18 | 0.24 |
Suponiendo que la relación entre x e y es: y = (β0 + β1·x + ε)-1, determinar:
a) Los coeficientes del modelo.
b) Obtener el coeficiente de determinación e interpretar el resultado.
Apartado a)
El modelo que nos ofrece el problema no es un modelo lineal simple, por lo que tenemos que adecuarlo mediante cambio de variables:
Cambio de Variable:
¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨
· y* = 1/y
El modelo ajustado, con el cambio de variable, es:
Donde:
· b0 = β0
· b1 = β1
Y la tabla quedará tal y como sigue:
x.. | 10 | 15 | 18 | 12 | 9... | 8 | 11 | 6 |
y* | 10. | 100/13. | 100/9. | 20/3. | 5 | 100/21 | 50/9 | 25/6 |
Ahora, podemos hacer una recopilación de datos que se extraen de la tabla una vez realizado el cambio de variable.
· n = 8
·

·

·

·

·

Para calcular la pendiente, la expresión matemática es:

Para obtener su valor, necesitamos saber los valores de Sxy y Sxx:
·

·

Por lo tanto, la pendiente es:

Una vez obtenida la pendiente, podemos tener el valor del estimador para la ordenada:

Sustituimos valores:

Por lo tanto, la ecuación de regresión ajustada es:
y*(x) = 1.223206 + 0.507512·x
Siendo:· y* = 1/y
· b0 = β0 = 1.223206
· b1 = β1 = 0.507512
Por lo tanto, el modelo no lineal quedará:

Apartado b)
Para obtener el coeficiente de determinación, empleamos su expresión matemática:

Debemos obtener el valor de Syy:
·

Sustituimos valores y obtenemos el resultado del coeficiente de determinación:

Al no estar próximo a 1, la calidad de ajuste es media, es decir, no es muy pobre, pero tampoco se puede calificar de buena.
0 comentarios:
Publicar un comentario