El modelo normal no lineal
DOI:
https://doi.org/10.33448/rsd-v11i12.26071Palabras clave:
Regresión no lineal normal; Estimación de parámetros; Intervalos de confianza; Pruebas de hipótesis; Modelos no lineales.Resumen
Cuando se hace referencia al análisis de datos, existe una gama de modelos que se ajustan a los datos, como los modelos de regresión lineal y también los modelos de regresión no lineal. En estadística, la regresión no lineal es una forma de análisis de regresión, en la que inicialmente se ajusta una determinada función matemática a los datos, es importante enfatizar que este ajuste se puede realizar cualitativamente mediante un diagrama de dispersión. El objetivo principal de este artículo será abordar la técnica de regresión normal no lineal, donde se encuentran algunos métodos para estimar los parámetros del modelo normal no lineal, la precisión de los estimadores, los intervalos de confianza, las pruebas de hipótesis, algunos resultados asintóticos y la estimación de la varianza. Por último, se analizará un conjunto de datos sobre conejos europeos para demostrar la aplicabilidad del modelo no lineal, en el cual inicialmente tratamos de ajustar el conjunto de dados al modelo linear normal donde el ajuste no es exitoso y luego se considera el modelo normal no linear, que fue el modelo que mejor se ajustó a los datos.
Citas
Bard, Y. (1974). Nonlinear Parameter Estimation. New York: Academic Press.
Bates, D.M., & Watts, D.G. (1988). Nonlinear Regression Analysis and Its Applications, Wiley, New York.
Bates, D. M., & Watts, D. G. (1980). Relative curvature measures of nonlinearity. Journal of the Royal Statistical Society. Series B (Methodological), JSTOR, 1–25.
Bates, D. M., & Watts, D. G. (1988). Nonlinear regression: iterative estimation and linear approximations. [S.l.], Wiley Online Library.
Box, M.J. (1971). Bias in nonlinear estimation. Journal of Royal Statistical Society Serie B. Methodological, London, 33(2), 171-201.
Bunke, O. (1990). Estimating the accuracy of estimators underregression models. Technical report, Humboldt University, Berlin.
Cysneiros, A.H., & Ferrari, S.L. (2006). An improved likelihood ratio test for varying dispersion in exponential family nonlinear models. Statistics and probability letters, Elsevier, 76(3), 255-265.
Cysneiros, F. J. A., & Vanegas, L. H. (2008). Residuals and their statistical properties in symmetrical nonlinear models. Statistics & Probability Letters, Elsevier, 78(18), 3269–3273.
Dudzinski, M., & Mykytowycz, R. (1961). The eye lens as an indicator of age in the wild rabbit in autralia. Wildlife Research, CSIRO, 6(2), 156-159.
Draper, N. R., & Smith, H. (1998). Apllied regression analysis. New York: J. Wiley, 1–706.
Fernandes, F. A., Fernandes, T. J., Pereira, A. A., Meirelles, S. L. C., & Costa, A. C. (2019). Growth curves of meat-producing mammals by von Bertalanffy's model. Pesquisa Agropecuária Brasileira, S4, 1-S. doi: 10.1590/S1678-3921.pab2019.v54.01162.
Gallant, A. R. (1987). Nonlinear Statistical Models. New York: J. Wiley and Sons, 1–610.
Huet, S., Jolivet, E., & Mess, A. E. (1989). Some simulations results about con_dence intervals and bootstrap methods in nonlinear regression. Statistics.
Huet, S., Bouvier, A., Poursat, M.A., & Jolivet, E. (2004). Tools for Nonlinear Regression: A practicial Guide With S-PLUS and R examples. New York: Springer.
Jane. S. A.. Fernandes, F. A.. Silva. E. M. Muniz, J. A., & Ferandes, T. J. (2019). Comparação dos modelos polinomial e não lineares na descrição do crescimento de pimenta. Revista Brasileira de Ciências Agrárias, 14(4), 1-7, doi:10.5039/agraria.v1414a7180.
Mazucheli, & Achcar. (2002). Algumas considerações em regressão não linear. Acta Scientiarum, Maring, 24(6), 1761-1770.
Nelder, J. A., & Wedderburn, R. W. (1972). Generalized linear models. Journal of the Royal Statistical Society. Series A (General), JSTOR, 370–384.
Ratkkowsky, D. A. (1983). Nonlinear regression modeling. Dekker, New York.
Ratkkowsky, D. A. (1990). Handbook of nonlinear regression models. Marcel Dekker, New York.
Ritz, C., & Streibig, J. C. (2008). Nonlinear Regression with R. Springer, 1.
Silva, E. M., Fruhauf, A. C., Silva, E. M., Muniz, J. A., Ferandes, J. F., & Silva, V. F. (2021). Evaluation of the critical points of the most adequate nonlinear
model in adjusting growth data of'green dwarf coconut fruits. Revista Brasileira de Fruticultura, 43(1). doi: http://ds.doi.org/10.1590/0100-29452021726.
Silva, É. M. da Tadeu, M. H ; Silva, V. P. da, Pio, R., Fernandes, T. J., & Muniz, J. A. (2020). Description of blackberry fruit growth by nonlinear regression models. Revista Brasileira de Fruticultura, 42(2).
Wu, C.F.J. (1986). Jackknife, bootstrap and other resampling methods in regression analysis. The Annals of Statistics.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Joeziley Ambrózio da Fonseca
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
