Modelos No Lineales. Ejercicios Resueltos Con Sas, Stata, Eviews, Spss Y Statgraphics PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Modelos No Lineales. Ejercicios Resueltos Con Sas, Stata, Eviews, Spss Y Statgraphics PDF full book. Access full book title Modelos No Lineales. Ejercicios Resueltos Con Sas, Stata, Eviews, Spss Y Statgraphics by Csar Prez. Download full books in PDF and EPUB format.
Author: Csar Prez Publisher: Createspace Independent Publishing Platform ISBN: 9781535343312 Category : Languages : es Pages : 238
Book Description
Una de las situaciones más frecuentes en el análisis estadístico es que los datos provengan de observaciones o respuestas conocidas yi (variables respuesta) que dependen de un conjunto de valores, fijos o aleatorios, xi (variables regresoras). En algunos casos donde no hay relación lineal evidente entre las variables respuesta y regresoras, con una trasformación de las variables podemos linealizar la relación. Pero cuando las consideraciones teóricas lo sugieren o los datos no muestran un comportamiento lineal, hacemos uso de los modelos no lineales. Aún cuando una aproximación lineal funciona bien, un modelo no lineal puede dar una mejor interpretación del problema.En este libro se consideran los modelos no lineales generales, los modelos no lineales relativos a la familia de los modelos lineales generalizados, Los modelos no lineales de ecuaciones simultáneas, los modelos no lineales segmentados, los modelos no lineales con datos de panel, los modelos no lineales de redes neuronales y otros modelos típicos. Se presentan ejercicios prácticos resueltos con R, SAS, EVIEWS, STATA, STATGRAPHICS y SPSS.
Author: Csar Prez Publisher: Createspace Independent Publishing Platform ISBN: 9781535343312 Category : Languages : es Pages : 238
Book Description
Una de las situaciones más frecuentes en el análisis estadístico es que los datos provengan de observaciones o respuestas conocidas yi (variables respuesta) que dependen de un conjunto de valores, fijos o aleatorios, xi (variables regresoras). En algunos casos donde no hay relación lineal evidente entre las variables respuesta y regresoras, con una trasformación de las variables podemos linealizar la relación. Pero cuando las consideraciones teóricas lo sugieren o los datos no muestran un comportamiento lineal, hacemos uso de los modelos no lineales. Aún cuando una aproximación lineal funciona bien, un modelo no lineal puede dar una mejor interpretación del problema.En este libro se consideran los modelos no lineales generales, los modelos no lineales relativos a la familia de los modelos lineales generalizados, Los modelos no lineales de ecuaciones simultáneas, los modelos no lineales segmentados, los modelos no lineales con datos de panel, los modelos no lineales de redes neuronales y otros modelos típicos. Se presentan ejercicios prácticos resueltos con R, SAS, EVIEWS, STATA, STATGRAPHICS y SPSS.
Author: Cesar Perez Publisher: Createspace Independent Publishing Platform ISBN: 9781535312011 Category : Languages : es Pages : 184
Book Description
El modelo lineal generalizado amplía el modelo lineal general, de manera que la variable dependiente y está relacionada linealmente con los factores y las covariables mediante una determinada función de enlace . Además, el modelo permite que la variable dependiente tenga una distribución no normal. El modelo lineal generalizado cubre los modelos estadísticos más utilizados, como la regresión lineal para las respuestas distribuidas normalmente, modelos logísticos para datos binarios, modelos loglineales para datos de recuento, modelos log-log complementario para datos de supervivencia censurados por intervalos, además de muchos otros modelos estadísticos a través de la propia formulación general del modelo.La posibilidad de especificar una distribución específica para la variable dependiente que no sea la normal y la posibilidad de especificar una función de enlace que no sea la identidad, es la principal mejora que aporta el modelo lineal generalizado respecto al modelo lineal general. Si la distribución de la variable dependiente es normal y la función de enlace es la identidad estamos ante el modelo lineal general.
Author: Csar Prez
Author: Csar Prez
Author: Cesar Perez