Término | Description |
---|---|
MSE | cuadrado medio del error |
El R2 también es denominado como el coeficiente de determinación.
Término | Description |
---|---|
yi | i ésimo valor de respuesta observado |
respuesta media | |
i iésima respuesta ajustada |
Mientras que los cálculos de R2 ajustados pueden producir valores negativos, Minitab muestra el cero para estos casos.
Término | Description |
---|---|
iésimo valor de respuesta observado | |
iésima respuesta ajustada | |
respuesta media | |
n | número de observaciones |
p | número de términos en el modelo |
Aunque los cálculos de R2(pred) pueden producir valores negativos, para estos casos Minitab muestra cero.
Término | Description |
---|---|
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 |
Término | Description |
---|---|
n | número de observaciones |
ei | iésimo residuo |
hi | iésimo elemento diagonal de X (X' X)-1X' |
donde
.
Para la regresión,
y para la regresión ponderada
.
Término | Description |
---|---|
número de filas en el conjunto de datos de prueba | |
i-ésimo valor de respuesta observado en el conjunto de datos de prueba | |
iésimo valor ajustado para la respuesta en el conjunto de datos de prueba | |
ponderación para la i-ésima observación en el conjunto de datos de prueba |
donde para la regresión
y para la regresión ponderada
.
La fórmula para las sumas totales de cuadrados también depende de si los datos incluyen ponderaciones. Para la regresión,
Término | Description |
---|---|
número de filas en el conjunto de datos de prueba | |
i-ésimo valor de respuesta observado en el conjunto de datos de prueba | |
iésimo valor ajustado para la respuesta en el conjunto de datos de prueba | |
ponderación para la i-ésima observación en el conjunto de datos de prueba | |
media de la respuesta para el conjunto de datos de prueba | |
media ponderada de la respuesta para el conjunto de datos de prueba |
donde
.
Para la regresión,
y para la regresión ponderada
.
Término | Description |
---|---|
número de filas en el pliegue j | |
i-ésimo valor de respuesta observado en el pliegue j | |
i-ésimo valor ajustado con validación cruzada para la respuesta en pliegue j | |
K | número de pliegues |
wi | ponderación para la i-ésima observación en el pliegue j |
Minitab calcula la suma de cuadrados para el error para cada pliegue. Estos cálculos utilizan los mismos términos de modelo para cada pliegue, pero las estimaciones de los coeficientes pueden diferir. Para calcular la estadística de R2 de k pliegues, sume las sumas de cuadrados para el error de los diferentes pliegues. Para la regresión
y para la regresión ponderada
.
A continuación, la siguiente fórmula proporciona la ecuación para R2 de k pliegues:
Término | Description |
---|---|
número de filas sin valores faltantes para la respuesta o valores faltantes para los predictores que forman los términos candidatos en el modelo | |
i-ésimo valor de respuesta observado en el pliegue j | |
i-ésimo valor ajustado con validación cruzada para la respuesta en pliegue j | |
K | número de pliegues |
wij | ponderación para la i-ésima observación en el pliegue j |
SCTotal | La suma total de cuadrados para todos los datos |
Minitab calcula R-cuad. escalonado de k pliegues cuando el método de selección escalonada es la selección hacia delante con validación y el método de validación es validación cruzada de k pliegues. Minitab realiza la selección hacia delante K veces, omitiendo los datos para cada pliegue una vez. El modelo para cada pliegue puede ser diferente. Una vez completados los procedimientos de selección hacia delante, Minitab suma los errores al cuadrado para todos los pliegues en cada paso. Minitab utiliza esta suma para calcular el R-cuad. escalonado de k pliegues. Para la regresión:
y para la regresión ponderada:
Luego, la siguiente fórmula proporciona el valor de R2 escalonado de K pliegues para un paso.
Término | Description |
---|---|
número de filas sin valores faltantes para la respuesta o valores faltantes para los predictores que forman los términos candidatos en el modelo | |
i-ésimo valor de respuesta observado en el pliegue j | |
i-ésimo valor ajustado con validación cruzada para la respuesta en pliegue j | |
K | número de pliegues |
wij | ponderación para la i-ésima observación en el pliegue j |
SCTotal | La suma total de cuadrados para todos los datos |
Las observaciones con ponderaciones de 0 no están en el análisis.
Término | Description |
---|---|
n | el número de observaciones |
R | la suma de los cuadrados para el error del modelo |
wi | la ponderación de la iiésima observación |
AICc no se calcula cuando .
Término | Description |
---|---|
n | el número de observaciones |
p | el número de coeficientes en el modelo, incluida la constante |
Término | Description |
---|---|
p | el número de coeficientes en el modelo, incluida la constante |
n | el número de observaciones |
Término | Description |
---|---|
SSEp | suma de errores cuadráticos para el modelo considerado |
MSEm | cuadrado medio del error para el modelo con todos los términos candidato |
n | número de observaciones |
p | número de términos en el modelo, incluyendo la constante |