STATGRAPHICS Rev.

4/25/2007

Regresin No Lineal
Resumen
El procedimiento Regresin No Lineal ajusta una funcin especificada por el usuario
relacionando una sola variable dependiente Y con una o ms variables independientes X. El
modelo se estima usando cuadrados mnimos no lineales. Se puede graficar el modelo ajustado,
generar predicciones a partir del mismo e identificar residuos atpicos.

StatFolio de ejemplo: nonlinear reg.sgp

Datos de ejemplo:
El archivo nonlin.sf3 contiene datos de la cantidad de cloro en muestras de un producto en
funcin del nmero de semanas desde que se produjo. Los datos, de Draper y Smith (1998),
consisten de n = 44 muestras, una parte de los cuales se muestran a continuacin:
Weeks
(Semanas)
8
8
10
10
10
10
12
12
12
12
14
14
14

Chlorine
(Cloro)
0.49
0.49
0.48
0.47
0.48
0.47
0.46
0.46
0.45
0.43
0.45
0.43
0.43

Se desea ajustar el siguiente modelo a los datos:

chlorine = a + (0.49 a)e b ( weeks 8 )

(1)

Este modelo, sugerido por un experto en el rea, contiene dos incgnitas: a, el valor asinttico
basal que se alcanza con valores grandes de weeks, y b, la tasa exponencial de decaimiento.

2006 by StatPoint, Inc.

Regresin No Lineal - 1

STATGRAPHICS Rev. 4/25/2007

Ingreso de Datos
La primera de dos cajas de dilogo pide el nombre de la variable dependiente y el modelo a
ajustar:

Variable Dependiente: columna numrica que contiene los n valores de Y.

Funcin: una expresin de STATGRAPHICS que representa la funcin a ajustar. Debe

incluir uno o ms nombres de columnas numricas, que representen a las variables
independientes. Tambin puede incluir funciones tales como RAIZ o EXP. Cualquier nombre
desconocido se considera que representa parmetros del modelo que tienen que ser
estimados.

Peso: una columna numrica opcional que contiene los pesos o ponderadores que se
aplicarn al cuadrado de los residuos cuando se realice un ajuste por mnimos cuadrados
ponderados.

Seleccin: seleccin de un subgrupo de datos.

2006 by StatPoint, Inc.

Regresin No Lineal - 2

STATGRAPHICS Rev. 4/25/2007

La segunda caja de dilogo pide estimados iniciales para cada uno de los parmetros
desconocidos del modelo:

Ingrese una estimacin inicial para cada parmetro. El programa comenzar con los estimados
iniciales y realizar una bsqueda numrica para encontrar estimaciones que minimicen la suma
de cuadrados de los residuos.
Dependiendo de la complejidad del modelo, estimaciones pobres podrn o no conducir a una
solucin ptima. En todos los casos, con excepcin de los simples, la seleccin inteligente de las
estimaciones iniciales puede aumentar mucho las probabilidades de obtener una buena solucin.
Tpicamente, es importante dar al menos estimaciones con el signo correcto (positivo o
negativo), ya que el procedimiento de bsqueda podra de otra forma dirigirse en la direccin
contraria.

2006 by StatPoint, Inc.

Regresin No Lineal - 3

STATGRAPHICS Rev. 4/25/2007

Resumen del Anlisis

El Resumen del Anlisis muestra los resultados del ajuste.
Regresin No lineal - chlorine
Variable dependiente: chlorine (percent available)
Variables independientes:
weeks (weeks since production)
Funcin a estimar: a+(0.49-a)*exp(-b*(weeks-8))
Estimaciones iniciales de parmetros:
a = 0.1
b = 0.1
Mtodo de estimacin: Marquardt
La estimacin se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Nmero de iteraciones: 4
Nmero de llamadas de la funcin: 14
Resultados de la Estimacin

Parmetro
a
b

Estimado
0.390144
0.101644

Error Estndar
Asinttico
0.00501534
0.0133628

Anlisis de Varianza
Fuente
Suma de Cuadrados
Modelo
7.982
Residuo
0.00500168
Total
7.987
Total (Corr.)
0.0395

Gl
2
42
44
43

Intervalo Confianza a
Asinttico
Inferior
0.380022
0.0746763

95.0%
Superior
0.400265
0.128611

Cuadrado Medio
3.991
0.000119088

R-Cuadrada = 87.3375 porciento

R-Cuadrada (ajustada por g.l.) = 87.036 porciento
Error estndar del est. = 0.0109127
Error medio absoluto = 0.00769665
Estadstico Durbin-Watson = 1.98378
Autocorrelacin residual de retardo 1 = 0.00702451
Anlisis de Residuos
Estimacin
n
44
CME
0.000119088
MAE
0.00769665
MAPE
1.82283
ME
-0.000097621
MPE
-0.0826224

Validacin

En la salida se incluyen:

Resumen de los Datos: un resumen de los datos que fueron ingresados.

Funcin a Estimar: la funcin que se ha de estimar y las estimaciones iniciales de los

parmetros.

Estadsticas de la Estimacin: el mtodo empleado en la estimacin as como el nmero de

iteraciones y llamadas de la funcin que se llevaron a cabo.

2006 by StatPoint, Inc.

Regresin No Lineal - 4

STATGRAPHICS Rev. 4/25/2007

Estimaciones de los Parmetros: los parmetros estimados con intervalos de confianza
aproximados. Intervalos que no contienen al 0 indican que el parmetro del modelo es
estadsticamente significativo al nivel de confianza establecido.

Anlisis de Varianza: descomposicin de la variabilidad de la variable dependiente Y en

una suma de cuadrados del modelo y una suma de cuadrados residual o del error.

Estadsticas: estadsticas de resumen para el modelo ajustado, incluyendo:

R-Cuadrada - representa el porcentaje de la variabilidad en Y que ha sido explicado por el
modelo de regresin ajustado, que va de 0% a 100%. Para los datos del ejemplo, la regresin
ha dado cuenta de alrededor del 87.3% de la variabilidad en las concentraciones observadas
de chlorine (cloro).
R-Cuadrada Ajustada el estadstico R-cuadrada, ajustado para el nmero de coeficientes en
el modelo. Este valor se usa frecuentemente para comparar modelos con diferente nmero de
coeficientes.
Error Estndar de Est. La desviacin estndar estimada de los residuos (las desviaciones
alrededor del modelo). Este valor se usa para crear lmites de prediccin para nuevas
observaciones.
Error Medio Absoluto el valor absoluto promedio de los residuos.
Estadstico Durbin-Watson una medida de la correlacin serial en los residuos. Si los
residuos varan aleatoriamente, este valor debiera ser cercano a 2. Un valor-P pequeo indica
un patrn no aleatorio en los residuos. Para datos registrados en el tiempo, un valor-P
pequeo podra indicar que alguna tendencia en el tiempo no ha sido explicada.
Autocorrelacin Residual de Retardo 1 la correlacin estimada entre residuos consecutivos,
en una escala de 1 a 1. Valores alejados del 0 indican que en el modelo queda estructura
significativa sin explicar.
Anlisis de Residuos si un subgrupo de filas en la hoja de datos ha sido excluido del
anlisis usando el campo Seleccionar en la caja de dilogo de ingreso de datos, el modelo
ajustado se usa para hacer predicciones de los valores de Y para estas filas. Esta tabla
muestra estadsticas sobre los errores de prediccin, definidos por
ei = y i y i

(2)

Se incluyen el cuadrado medio del error (CME), el error absoluto medio (MAE), el error
porcentual absoluto medio (MAPE), el error medio (ME), y el error porcentual medio (MPE).
Estas estadsticas de validacin pueden ser comparadas con las estadsticas del modelo
ajustado para determinar qu tan bien el modelo predice las observaciones fuera de los datos
usados para ajustarlo.
Para los datos del ejemplo, el modelo ajustado es
chlorine = 0.390144 + (0.49-0.390144)exp(-0.101644(weeks-8))
2006 by StatPoint, Inc.

(3)
Regresin No Lineal - 5

STATGRAPHICS Rev. 4/25/2007

El modelo comienza con chlorine = 0.49 en weeks = 8 y cae exponencialmente a una lnea base
de aproximadamente 0.39 conforme weeks crece.

Grfico del Modelo Ajustado

La ventana Grfico del Modelo Ajustado grafica el modelo ajustado versus cualquiera de las
variables independientes, dndole a las otras variables los valores establecidos en la caja de
dilogo de Opciones de Ventana.
Grfica del Modelo Ajustado
0.5
0.48

chlorine

0.46
0.44
0.42
0.4
0.38
0

10

20

30

40

50

weeks

2006 by StatPoint, Inc.

Regresin No Lineal - 6

STATGRAPHICS Rev. 4/25/2007

Opciones de Ventana

Seleccione cualquier variable, junto con su rango, para graficarla en el eje horizontal. Para las
otras variables, escriba los valores con los que se sustituirn en el modelo ajustado.

Grficos de Superficie de Respuesta

Si se incluye ms de una variable en el modelo, se pueden crear grficos de superficie y de
contorno. Por ejemplo, Draper y Smith (1998) reportan un experimento en el cual la fraccin de
material Y que queda despus de una reaccin qumica se describa con el modelo

1
1

Y = exp 1 X 1 exp 2

X
620

(4)

donde X1 era el tiempo de reaccin en minutos y X2 era la temperatura de reaccin en grados

Kelvin. Los datos se encuentran en el archivo nlreact.sf6 y el anlisis en nlreact.sgp. A
continuacin se muestra un grfico de superficie del modelo ajustado:

2006 by StatPoint, Inc.

Regresin No Lineal - 7

STATGRAPHICS Rev. 4/25/2007

Superficie de Respuesta Estimada

1
material

0.8
0.6
0.4
0.2
0
0

30

60

90

120

640
630
620
610
600
temperature
150

time

En un grfico de superficie la altura de la superficie representa el valor predicho de Y. En el

men Opciones de Grfico la segunda opcin etiquetada como Grficos de Superficie de
Respuesta crea un grfico de contorno:

Contornos de la Superficie de Respuesta Estimada

material
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

640

temperature

630

620

610

600
0

30

60

90

120

150

time

En un grfico de contorno como el de arriba, cada lnea representa combinaciones de X1 y X2 que

dan el mismo valor predicho de Y.
Estn disponibles otros formatos usando Opciones de Ventana.

2006 by StatPoint, Inc.

Regresin No Lineal - 8

STATGRAPHICS Rev. 4/25/2007

Opciones de Ventana.

Tipo: escoja entre un Grfico de Superficie 3-D, donde la altura de la superficie representa el
valor de Y versus dos variables independientes cualesquiera; un Grfico de Contorno 2-D,
donde las lneas o regiones de color representan el valor de Y como una funcin de dos
variables independientes cualesquiera; un Grfico Cuadrado 2-D, donde el valor predicho de
Y se muestra a diferentes combinaciones de 2 variables independientes; o un Grfico Cbico
3-D, en el cual el valor predicho de Y se muestra a diferentes combinaciones de 3 variables
independientes.

Contornos: los lmites y espaciamiento de las lneas de contorno o regiones. Los contornos
puedes dibujarse como Lneas slidas representando un solo valor de Y, Regiones
Coloreadas representando intervalos, o usando un rango Continuo de colores.

Resolucin: el nmero de divisiones a lo largo de cada eje sobre los cuales se grafica el valor
de Y. Se puede mejorar la calidad del grfico aumentando la resolucin, pero tambin puede
aumentar el tiempo requerido para dibujarlo.

Superficie: para un grfico de superficie, el nmero de divisiones a lo largo de cada eje entre
las lneas empleadas para dibujar la superficie. La superficie puede dibujarse como un
Armazn de Alambre (malla transparente), como una superficie coloreada slida, o de
contorno (coloreada de acuerdo a los valores de Y). Contornos Debajo coloca un grfico de
contorno en la base del cubo. Mostrar Puntos grafica las observaciones con lneas dibujadas
hacia la superficie.

2006 by StatPoint, Inc.

Regresin No Lineal - 9

STATGRAPHICS Rev. 4/25/2007

Factores: presione este botn para seleccionar los factores a graficar. Aparecer una caja de
dilogo similar a la descrita parar el Grfico del Modelo Ajustado.

Ejemplo Grfico de Contorno con Colores Continuos

Contornos de la Superficie de Respuesta Estimada

material
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0

640

temperature

630

620

610

600
0

30

60

90

120

150

time

Ejemplo Grfico de Superficie con Contorno Debajo y Seleccionando Mostrar Puntos

Superficie de Respuesta Estimada

1
material

0.8
0.6
0.4
0.2
0
0

30

60

90

120

150

material
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0

640
630
620
610
temperature
600

time

2006 by StatPoint, Inc.

Regresin No Lineal - 10

STATGRAPHICS Rev. 4/25/2007

Opciones de Anlisis
La caja de dilogo Opciones de Anlisis controla el algoritmo usado para ajustar el modelo:

Mtodo: mtodo usado para estimar los parmetros del modelo. El mtodo Gauss-Newton
usa una tcnica de linealizacin que ajusta una secuencia de modelos de regresin lineal para
localizar la mnima suma de cuadrados de los residuos. El mtodo Descenso de Mayor
Pendiente sigue el gradiente de la superficie de la suma de cuadrados de los residuos. El
mtodo de Marquardt, seleccin por omisin, es un rpido y confiable trmino medio entre
los otros dos.

Criterio de Paro 1: Se asume que el algoritmo ha convergido cuando el cambio relativo en

la suma de cuadrados de los residuos de una iteracin a la siguiente es menor que este valor.

Criterio de Paro 2: Se asume que el algoritmo ha convergido cuando el cambio relativo en

todas las estimaciones de los parmetros de una iteracin a la siguiente es menor que este
valor.

Iteraciones Mximas: La estimacin se detiene si no se alcanza la convergencia dentro de

este nmero de iteraciones.

Mximo de Llamadas de la Funcin: La estimacin se detiene si no se alcanza la

convergencia cuando la funcin que se est ajustando ha sido evaluada este nmero de veces.
Se realizan mltiples evaluaciones de la funcin durante cada iteracin.

Parmetro Marquardt: La magnitud del parmetro Marquardt controla la extensin con

que participa cada mtodo en el balance entre ambos. Para detalles sobre el algoritmo
Marquardt, vea Box, Jenkins y Reinsel (1994).

Nivel de Confianza: el porcentaje usado para calcular los intervalos de confianza asintticos
para los coeficientes del modelo.

2006 by StatPoint, Inc.

Regresin No Lineal - 11

STATGRAPHICS Rev. 4/25/2007

Reportes
La ventana Reportes crea predicciones usando el modelo ajustado. Por omisin, la tabla incluye
una lnea por cada fila en la hoja de datos que tenga informacin completa en las variables X y
un valor faltante para la variable Y. Esto le permite agregar columnas al final de la hoja de datos
correspondientes a los niveles en los que quiera tener predicciones sin afectar el modelo
ajustado.
Por ejemplo, suponga que se desea una prediccin en Weeks = 50 (por cierto una extrapolacin
del modelo). En la fila #45 de la hoja de datos, se agregara el valor 50 a la columna Weeks pero
la columna Chlorine se dejara en blanco. La tabla resultante se muestra a continuacin:
Resultados de la Regresin para chlorine
Ajustado
Error Estnd.
LC Inferior 95.0%
Fila
para Pronstico para Pronstico
45
0.391541 0.0117214
0.367886

LC Superior 95.0%
para Pronstico
0.415196

LC Inferior 95.0%
para Media
0.382907

LC Superior 95.0%
para Media
0.400175

Se incluye en la tabla:

Fila el nmero de la fila en la hoja de datos que contiene los valores de las variables
independientes.

Ajustado el valor predicho de la variable dependiente usando el modelo ajustado.

Error Estndar para Pronstico el error estndar estimado para predecir una sola
observacin nueva.

Lmites de Confianza para Pronstico lmites de prediccin para nuevas

observaciones.

Lmites de Confianza para la Media lmites de confianza para el valor medio de Y

para los valores dados de las variables independientes.

Para la fila #45, el nivel predicho de cloro es aproximadamente 0.392 Una nueva muestra a
Weeks = 50 se esperara fuera entre 0.369 y 0.416 con un 95% de confianza (dado que valga la
extrapolacin). El nivel medio de cloro a la semana 50 se estima est entre 0.385 y 0.400.
Se puede incluir en la tabla informacin adicional sobre los valores predichos y residuos para los
datos usados para ajustar el modelo, usando Opciones de Ventana.

2006 by StatPoint, Inc.

Regresin No Lineal - 12

STATGRAPHICS Rev. 4/25/2007

Opciones de Ventana

Usted puede incluir:

Y Observadas los valores observados de la variable dependiente.

Y Ajustadas los valores predichos a partir del modelo ajustado.
Residuos los residuos ordinarios (observados menos predichos).
Residuos Estudentizados los residuos eliminados Estudentizados como se describi
anteriormente.
Errores Estndar para los Pronsticos los errores estndar para nuevas observaciones en
los valores de las variables independientes correspondientes a cada fila de la hoja de datos.
Lmites de Confianza para Pronsticos Individuales intervalos de confianza para nuevas
observaciones.
Lmites de Confianza para las Medias de Pronsticos intervalos de confianza para el valor
medio de Y en valores de las variables independientes correspondientes a cada fila de la hoja
de datos.

Matriz de Correlacin
La Matriz de Correlacin presenta estimaciones de la correlacin entre los coeficientes
estimados.
Matriz de correlacin asinttica para los coeficientes estimados
a
b
a 1.0000 0.8864
b 0.8864 1.0000

Esta tabla puede ser til para determinar qu tan bien se han separado unos de otros los efectos
de diferentes variables independientes.

2006 by StatPoint, Inc.

Regresin No Lineal - 13

STATGRAPHICS Rev. 4/25/2007

Observados versus Predichos

El grfico Observados versus Predichos muestra los valores observados de Y en el eje vertical y
los valores predichos Y en el eje horizontal.
Grfica de chlorine
0.5

observado

0.48
0.46
0.44
0.42
0.4
0.38
0.38

0.4

0.42

0.44
predicho

0.46

0.48

0.5

Si el modelo ajusta bien, los puntos debieran estar dispersos aleatoriamente alrededor de la lnea
diagonal. A veces es posible apreciar curvatura en este grfico, lo que indicara la necesidad de
un modelo curvilneo ms que uno lineal. Cualquier cambio en variabilidad de valores bajos de
Y a valores altos de Y podra indicar la necesidad de transformar la variable dependiente antes de
ajustar un modelo a los datos.

Grficas de Residuos
Al igual que con todos los modelos estadsticos, es una buena prctica examinar los residuos. En
una regresin, los residuos se definen por
ei = y i y i

(5)

i.e., los residuos son las diferencias entre los valores de los datos observados y el modelo
ajustado.
El procedimiento Regresin No Lineal crea varios tipos de grficos de residuos, dependiendo de
las Opciones de Ventana.

2006 by StatPoint, Inc.

Regresin No Lineal - 14

STATGRAPHICS Rev. 4/25/2007

Diagrama de Dispersin versus X
Este grfico es til para visualizar cualquier necesidad de un modelo diferente.
Grfica de Residuos

Residuo Estudentizado

4.4

2.4

0.4

-1.6

-3.6
0

10

20

30

40

50

weeks

Grfica de Probabilidad Normal

Este grfico puede emplearse para determinar si la desviacin alrededor de la lnea sigue o no
una distribucin normal, que es el supuesto usado para formar los intervalos de prediccin.
Grfica de Probabilidad Normal para chlorine
99.9
99

porcentaje

95
80
50
20
5
1
0.1
-2.7

-0.7

1.3
3.3
Residuo Estudentizado

5.3

Si las desviaciones siguen una distribucin normal, deben caer aproximadamente a lo largo de
una lnea recta. En el grfico anterior, los datos se desvan bastante de la lnea recta, indicando
que las desviaciones siguen una distribucin con colas ms largas que las de una distribucin
normal.

2006 by StatPoint, Inc.

Regresin No Lineal - 15

STATGRAPHICS Rev. 4/25/2007

Autocorrelaciones de Residuos
Este grfico calcula la autocorrelacin entre los residuos como una funcin del nmero de filas
entre ellos en la hoja de datos.
Autocorrelaciones Residuales para chlorine
1

autocorrelacin

0.6
0.2
-0.2
-0.6
-1
0

6
retraso

10

12

Slo es relevante si los datos se colectaron secuencialmente. Cualquier barra extendindose ms

all de los lmites de probabilidad indicara dependencia significativa entre residuos separados
por el retraso indicado, lo que violara el supuesto de independencia hecho cuando se ajust el
modelo de regresin.
Optiones de Ventana

Graficar: el tipo de residuos a graficar:

1. Residuos los residuos del ajuste de mnimos cuadrados.
2. Residuos Estudentizados la diferencia entre los valores observados yi y los valores
predichos y i cuando el modelo se ajusta usando todas las observaciones excepto la i-

2006 by StatPoint, Inc.

Regresin No Lineal - 16

STATGRAPHICS Rev. 4/25/2007

sima, divididas por el error estndar estimado. Estos residuales se llaman a veces
residuos eliminados externamente, ya que miden qu tan lejos est cada valor del modelo
ajustado cuando ese modelo se ajusta con todos los datos exceptuando el punto en
cuestin. Esto es importante, ya que un gran valor atpico de otro modo podra afectar
tanto al modelo que podra no parecer inusualmente lejos de la lnea de regresin.

Tipo: el tipo de grfico a crear. Se usa un Diagrama de Dispersin para probar curvatura. Se
emplea un Grfica de Probabilidad Normal para determinar si los residuos del modelo
provienen de una distribucin normal. Se usa una Funcin de Autocorrelacin para probar
dependencia entre residuos consecutivos.

Graficar versus: para un Diagrama de Dispersin, la cantidad a graficar en el eje horizontal.

Nmero de Retrasos: para una Funcin de Autocorrelacin, el mximo nmero de retrasos.

Para grupos pequeos de datos, el nmero de retrasos graficados puede ser menor que este
valor.

Nivel de Confianza: para una Funcin de Autocorrelacin, el nivel usado para crear los
lmites de probabilidad.

Residuos Atpicos
Una vez que el modelo ha sido ajustado, es til estudiar los residuos para determinar si existe
algn valor atpico que debiera ser removido de los datos. La ventana Residuos Atpicos lista
todas las observaciones que tienen residuos Estudentizados de 2.0 o mayores en valor absoluto.
Residuos Atpicos para chlorine
Y
Fila Y
Predicha
Residuo
10
0.43 0.456641
-0.0266407
17
0.46 0.42628
0.0337201
18
0.45 0.42628
0.0237201
35
0.38 0.400815
-0.0208151

Residuo
Estudentizado
-2.67
3.59
2.35
-2.02

Residuos Estudentizados mayores que 3 en valor absoluto corresponden a puntos a ms de 3

desviaciones estndar del modelo ajustado, lo que es un evento raro para una distribucin
normal. La fila #17 est a ms de 3.5 desviaciones estndar del modelo ajustado, lo que es un
evento muy raro si las desviaciones siguen una distribucin normal.
Nota: Los puntos pueden ser removidos del ajuste mientras se examina el Grfico del Modelo
Ajustado haciendo clic sobre un punto y luego presionando el botn Excluir/Incluir en la barra
de herramientas del anlisis. Los valores excluidos son marcados con una X.

2006 by StatPoint, Inc.

Regresin No Lineal - 17

STATGRAPHICS Rev. 4/25/2007

Puntos Influyentes
Cuando se ajusta un modelo de regresin, no todas las observaciones tienen la misma influencia
en la estimacin de los parmetros del modelo ajustado. En una regresin simple, los puntos
localizados a valores de X muy bajos o muy altos tienen mayor influencia que los localizados
ms cerca de la media de X. La ventana Puntos Influyentes presenta cualquier observacin que
tenga gran influencia en el modelo ajustado:
Puntos Influyentes para chlorine
Distancia de
Fila Leverage
Mahalanobis DFITS
10
0.0407876
0.80918
-0.550164
17
0.051007
1.2807
0.833184
18
0.051007
1.2807
0.544379
40
0.0752918
2.44299
-0.440596
Leverage promedio de un solo punto = 0.0454545

Distancia
de Cook
0.132097
0.270387
0.133796
0.0939656

Se colocan puntos en esta lista por una de las siguientes razones:

Punto Leverage mide cun distante est una observacin de la media de las n
observaciones en el espacio de las variables independientes. Entre ms grande el punto
nivelador, mayor el impacto del punto en los valore ajustados y . Los puntos son colocados
en la lista si el punto nivelados es mayor de tres veces el de un punto promedio.

Distancia de Mahalanobis mide la distancia de un punto a partir del centro de la coleccin

de los puntos en el espacio multivariado de las variables independientes. Dado que esta
distancia est relacionada con el punto nivelador, no suele seleccionar puntos para la tabla.

DFITS mide la diferencia entre los valores predichos y i cuando el modelo se ajusta con y
sin el i-simo dato. Los puntos se colocan en la lista si el valor absoluto de las DFITS excede
2 p / n , donde p es el nmero de coeficientes en el modelo ajustado.

Salvar Resultados
Se pueden salvar los siguientes resultados en la hoja de datos:
1. Valores Predichos los valores predichos de Y correspondientes a cada una de las n
observaciones.
2. Errores Estndar para los Pronsticos los errores estndar de los n valores predichos.
3. Lmites Inferiores para Pronsticos los lmites inferiores de prediccin para cada valor
predicho.
4. Lmites Superiores para Pronsticos los lmites superiores de prediccin para cada
valor predicho.
5. Errores Estndar de Medias - los errores estndar de los valores medios de Y para cada
uno de los n valores de X.
6. Lmites Inferiores para las Medias Pronosticadas los lmites inferiores de confianza
para el valor medio de Y en cada uno de los n valores de X.
7. Lmites Superiores para las Medias Pronosticadas los lmites superiores de confianza
para el valor medio de Y en cada uno de los n valores de X.
8. Residuos los n residuos.
2006 by StatPoint, Inc.

Regresin No Lineal - 18

STATGRAPHICS Rev. 4/25/2007

9. Residuos Estudentizados los n residuos Estudentizados.
10. Leverages los valores de los puntos niveladores correspondientes a los n valores de X.
11. Estadsticas DFITS el valor de las estadsticas DFITS correspondientes a los n valores
de X.
12. Distancias de Mahalanobis la distancia de Mahalanobis correspondientes a los n
valores de X.
13. Coeficientes los coeficientes estimados del modelo.
14. Funcin una cadena de caracteres conteniendo la expresin de STATGRAPHICS para
la funcin que fue ajustada.

Clculos
Las estimaciones de los parmetros se encuentran minimizando numricamente la suma de
cuadrados de los residuos. La matriz de varianzas-covarianzas de los coeficientes se estima a
partir de las derivadas parciales en la vecindad de la solucin de mnimos cuadrados.

2006 by StatPoint, Inc.

Regresin No Lineal - 19