Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería
- Autores
- Minnaard, Claudia Lilia
- Año de publicación
- 2011
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Habitualmente el tratamiento de la regresión se limita al caso lineal. En muchos casos esto puede ser suficiente pero en otros no. Será necesario probar la linealidad de la curva de regresión, dicha prueba se puede obtener por el método de análisis de la variancia. En el presente trabajo se describe la aplicación de modelos lineales y no lineales en problemas de ingeniería, utilizando el software XLStat. Asimismo se describe el intervalo de confianza para el coeficiente de regresión en el modelo lineal, para la ordenada al origen y para la imagen a través de la recta. En el caso de los modelos no lineales se prueba la bondad del ajuste realizado a través de las pruebas específicas. La correcta elección de un modelo adecuado, que describa los datos en problemas de ingeniería, proporciona elementos de juicio suficientes para la toma de decisiones en condiciones de incertidumbre.
- Materia
-
Matemáticas
regresión lineal
regresión no lineal
método de minimos cuadrados - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-nd/4.0/
- Repositorio
- Institución
- Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
- OAI Identificador
- oai:digital.cic.gba.gob.ar:11746/4750
Ver los metadatos del registro completo
id |
CICBA_dd322edf81b01dd22ab57e80580ca3af |
---|---|
oai_identifier_str |
oai:digital.cic.gba.gob.ar:11746/4750 |
network_acronym_str |
CICBA |
repository_id_str |
9441 |
network_name_str |
CIC Digital (CICBA) |
spelling |
Modelos de regresión lineales y no lineales: su aplicación en problemas de IngenieríaMinnaard, Claudia LiliaMatemáticasregresión linealregresión no linealmétodo de minimos cuadradosHabitualmente el tratamiento de la regresión se limita al caso lineal. En muchos casos esto puede ser suficiente pero en otros no. Será necesario probar la linealidad de la curva de regresión, dicha prueba se puede obtener por el método de análisis de la variancia. En el presente trabajo se describe la aplicación de modelos lineales y no lineales en problemas de ingeniería, utilizando el software XLStat. Asimismo se describe el intervalo de confianza para el coeficiente de regresión en el modelo lineal, para la ordenada al origen y para la imagen a través de la recta. En el caso de los modelos no lineales se prueba la bondad del ajuste realizado a través de las pruebas específicas. La correcta elección de un modelo adecuado, que describa los datos en problemas de ingeniería, proporciona elementos de juicio suficientes para la toma de decisiones en condiciones de incertidumbre.Sociedad Argentina de Educación Matemática (SOAREM)2011-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/4750spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/reponame:CIC Digital (CICBA)instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Airesinstacron:CICBA2025-09-04T09:43:21Zoai:digital.cic.gba.gob.ar:11746/4750Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-09-04 09:43:21.496CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse |
dc.title.none.fl_str_mv |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
title |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
spellingShingle |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería Minnaard, Claudia Lilia Matemáticas regresión lineal regresión no lineal método de minimos cuadrados |
title_short |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
title_full |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
title_fullStr |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
title_full_unstemmed |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
title_sort |
Modelos de regresión lineales y no lineales: su aplicación en problemas de Ingeniería |
dc.creator.none.fl_str_mv |
Minnaard, Claudia Lilia |
author |
Minnaard, Claudia Lilia |
author_facet |
Minnaard, Claudia Lilia |
author_role |
author |
dc.subject.none.fl_str_mv |
Matemáticas regresión lineal regresión no lineal método de minimos cuadrados |
topic |
Matemáticas regresión lineal regresión no lineal método de minimos cuadrados |
dc.description.none.fl_txt_mv |
Habitualmente el tratamiento de la regresión se limita al caso lineal. En muchos casos esto puede ser suficiente pero en otros no. Será necesario probar la linealidad de la curva de regresión, dicha prueba se puede obtener por el método de análisis de la variancia. En el presente trabajo se describe la aplicación de modelos lineales y no lineales en problemas de ingeniería, utilizando el software XLStat. Asimismo se describe el intervalo de confianza para el coeficiente de regresión en el modelo lineal, para la ordenada al origen y para la imagen a través de la recta. En el caso de los modelos no lineales se prueba la bondad del ajuste realizado a través de las pruebas específicas. La correcta elección de un modelo adecuado, que describa los datos en problemas de ingeniería, proporciona elementos de juicio suficientes para la toma de decisiones en condiciones de incertidumbre. |
description |
Habitualmente el tratamiento de la regresión se limita al caso lineal. En muchos casos esto puede ser suficiente pero en otros no. Será necesario probar la linealidad de la curva de regresión, dicha prueba se puede obtener por el método de análisis de la variancia. En el presente trabajo se describe la aplicación de modelos lineales y no lineales en problemas de ingeniería, utilizando el software XLStat. Asimismo se describe el intervalo de confianza para el coeficiente de regresión en el modelo lineal, para la ordenada al origen y para la imagen a través de la recta. En el caso de los modelos no lineales se prueba la bondad del ajuste realizado a través de las pruebas específicas. La correcta elección de un modelo adecuado, que describa los datos en problemas de ingeniería, proporciona elementos de juicio suficientes para la toma de decisiones en condiciones de incertidumbre. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-08 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://digital.cic.gba.gob.ar/handle/11746/4750 |
url |
https://digital.cic.gba.gob.ar/handle/11746/4750 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Sociedad Argentina de Educación Matemática (SOAREM) |
publisher.none.fl_str_mv |
Sociedad Argentina de Educación Matemática (SOAREM) |
dc.source.none.fl_str_mv |
reponame:CIC Digital (CICBA) instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Aires instacron:CICBA |
reponame_str |
CIC Digital (CICBA) |
collection |
CIC Digital (CICBA) |
instname_str |
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
instacron_str |
CICBA |
institution |
CICBA |
repository.name.fl_str_mv |
CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
repository.mail.fl_str_mv |
marisa.degiusti@sedici.unlp.edu.ar |
_version_ |
1842340415047467008 |
score |
12.623145 |