Seleccionar las opciones de análisis para Regresión no lineal

Estadísticas > Regresión > Regresión no lineal > Opciones

Ponderaciones

Ingrese una columna numérica de ponderaciones para realizar una regresión ponderada. La regresión ponderada es un método que se puede utilizar cuando se viola el supuesto del método de mínimos cuadrados de varianza constante en los residuos (también conocida como heteroscedasticidad). Con la ponderación correcta, este procedimiento minimiza la suma de los residuos al cuadrado ponderados para producir residuos con una varianza constante (también deniminada homoscedasticidad). Para obtener más información sobre cómo determinar la ponderación adecuada, vaya a Regresión ponderada.

Las ponderaciones deben ser mayores que o iguales a cero. La columna de ponderaciones debe tener el mismo número de filas que la columna de respuesta.

Nivel de confianza para todos los intervalos

Ingrese el nivel de confianza para los intervalos que es probable que contengan las estimaciones de parámetros y las predicciones. 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 para aproximadamente 95 de las muestras contendrían el valor estimado. Para un conjunto de datos dado, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio.

Algoritmo

Para estimar los parámetros, Minitab utiliza un algoritmo para lograr la convergencia en la mínima suma de los residuos al cuadrado (SSE). Para obtener más información, vaya a Explicación de algoritmos y valores iniciales en la regresión no lineal.

Gauss-Newton: Seleccione el algoritmo de Gauss-Newton.
Levenberg-Marquardt: Seleccione el algoritmo de Levenberg-Marquardt.

Número máximo de iteraciones

Ingrese el número máximo de iteraciones que el algoritmo puede utilizar para lograr la convergencia. Por lo general, el valor predeterminado funciona adecuadamente. Si el algoritmo no logra la convergencia, usted puede aumentar el número máximo. Sin embargo, es posible que tenga que cambiar el algoritmo, la función de expectativa o los valores iniciales para obtener una solución.

Tolerancia de convergencia

Ingrese la tolerancia de convergencia. Por lo general, el valor predeterminado funciona adecuadamente.