En este tema
Transformaciones
Original
Transformada
Por ejemplo, en la gráfica de dispersión original, la línea de regresión simple no modela con exactitud la curvatura en los datos. Después de transformar la escala X utilizando log10, los valores de datos se ubican a lo largo de la línea de regresión simple.
Al tratar de ajustar la curvatura en los datos, también puede ajustar un modelo cuadrático o cúbico, lo que agrega términos cuadráticos o cúbicos al modelo. En lugar de ello, considere la posibilidad de transformar la variable X o Y, porque no tiene que incluir términos adicionales en el modelo. Si agrega términos al modelo, utilizará grados de libertad adicionales, con lo cual se reducen los grados disponibles para explicar la variación en la respuesta.
- Log10 de X o Y
- Puede elegir entre transformar la variable Y, la variable X o ambas. Si no está seguro de qué variable debe transformar, pruebe transformando una variable a la vez y luego evalúe qué tan bien se ajusta el modelo a los datos.
- Mostrar la escala logarítmica para la variable Y o la variable X
- Cuando usted transforma la variable X o Y, puede mostrar la escala logarítmica para la variable transformada. Se recomienda mostrar la escala logarítmica por las siguientes razones:
- Para ver la curva ajustada como una línea recta, lo que puede hacer que sea más fácil ver qué tan bien se ajusta el modelo de regresión a los datos.
- Para hacer que sea más fácil examinar los datos que varían mucho en magnitud.
- Para cumplir con las directrices o preferencias del sector industrial o de la empresa.
Mostrar opciones
- Mostrar intervalo de confianza
- Mostrar el intervalo de confianza alrededor de la línea de regresión ajustada. El intervalo de confianza representa un rango de valores probables para la respuesta media, dada la configuración especificada del predictor.
- Mostrar intervalo de predicción
- Mostrar el intervalo de predicción alrededor de la línea de regresión ajustada. El intervalo de predicción representa un rango de valores probables para una sola observación nueva, dada la configuración especificada del predictor. El intervalo de predicción siempre es más amplio que el intervalo de confianza correspondiente, porque predecir un valor de respuesta individual es menos seguro que predecir el valor de respuesta medio.
- Nivel de confianza
-
Por lo general, un nivel de confianza de 95% funciona adecuadamente. Un nivel de confianza de 95% indica que si usted tomara 100 muestras aleatorias de la población, los intervalos de confianza de aproximadamente 95 de las muestras incluirían la respuesta media. Del mismo modo, el intervalo de predicción indica que usted puede estar 95% seguro de que el intervalo contiene el valor de una nueva observación individual. Para un conjunto determinado de datos, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio.
Título
En Título, puede ingresar un título personalizado para la gráfica de línea ajustada.
