Métodos y fórmulas para los estadísticos de bondad de ajuste en Analizar variabilidad

S

Notación

TérminoDescription
MSEcuadrado medio del error

R-cuad.

El R2 también es denominado como el coeficiente de determinación.

Fórmula

Notación

TérminoDescription
yi i ésimo valor de respuesta observado
respuesta media
i iésima respuesta ajustada

R-cuad.(ajustado)

Mientras que los cálculos de R2 ajustados pueden producir valores negativos, Minitab muestra el cero para estos casos.

Notación

TérminoDescription
iésimo valor de respuesta observado
iésima respuesta ajustada
respuesta media
nnúmero de observaciones
pnúmero de términos en el modelo

R-cuad.(pred)

Aunque los cálculos de R2(pred) pueden producir valores negativos, para estos casos Minitab muestra cero.

Notación

TérminoDescription
yi i ésimo valor de respuesta observado
respuesta media
n número de observaciones
ei i ésimo residuo
hi i ésimo elemento diagonal de X(X'X)–1X'
X matriz de diseño

PRESS

Evalúa la capacidad predictora del modelo.

Fórmula

Notación

TérminoDescription
n número de observaciones
ei iésimo residuo
hi iésimo elemento diagonal de X(X'X)–1X'

Log-verosimilitud

El cálculo de la log-verosimilitud depende del método de estimación para el análisis.

Estimación de mínimos cuadrados

Minitab utiliza la siguiente ecuación para la log-verosimilitud:
Las ponderaciones para el análisis son las ponderaciones especificadas o las que se obtienen de la siguiente ecuación:

Estimación de máxima verosimilitud

Este cálculo de la log-verosimilitud presupone que las desviaciones estándar provengan de distribuciones normales y que el logaritmo natural de la desviación estándar sigue un modelo lineal.

Notación

TérminoDescription
nel número de filas con datos presentes
Rla suma de los cuadrados para el error del modelo
la función trigamma
vilos grados de libertad para la iiésima desviación estándar
la función gamma
Sila iiésima desviación estándar de la muestra
la fila de la matriz de diseño asociada con la iiésima desviación estándar
las estimaciones de máxima verosimilitud de los coeficientes del modelo

AICc (Criterio de información de Akaike corregido)

AICc no se calcula cuando .

Notación

TérminoDescription
pel número de coeficientes en el modelo, incluida la constante
nel número de filas en los datos con datos presentes

BIC (Criterio de información bayesiano)

Notación

TérminoDescription
pel número de coeficientes en el modelo, sin contar la constante
nel número de filas en los datos sin datos faltantes

Cp de Mallows

Notación

TérminoDescription
SSEpsuma de errores cuadráticos para el modelo considerado
MSEmcuadrado medio del error para el modelo con todos los términos candidato
nnúmero de observaciones
pnúmero de términos en el modelo, incluyendo la constante
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política