Homocedasticidad o heterocedasticidad El 1 de abril de 2017, 10:07, <[email protected]> escribió:
> Estimado Freddy Omar López Quintero > > A ver si comprendo, usted tiene algo como mediciónes con un > espectrofotómetro donde tiene absorbancias y transmitancias, con varias > mediciónes alguna de las cuáles pueden ser a 280 nanometros de longitud de > onda, otras a otra longitud, por ejemplo. > > Ahora bien, escribe el modelo estadístico con nls porque el modelo no es > lineal. El modelo da un error, como todo modelo estadístico, y usted desea > calcular la variancia de este error, o en otras palabras, la variancia > residual. Sobre esta un intervalo de confianza. > > Mi duda es la siguiente, la varianza residual en su modelo, es homogénea o > heterogénea, porque yo vi algunos trabajos donde dicen la variancia > residual es por decir algo 0,09 como si este fuese un valor constante, y > otros trabajos donde dicen por ejemplo, se realizan mediciónes desde 200 a > 300 nanometros de longitud de onda (o días desde el inicio de algo hasta la > finalización), y para 200 la variancia residual es 0,09, para 201 es 0,08, > para 202 es 0,1. > > ¿Usted se encuentra en esta situación donde obtiene una varianza residual > heterogénea, para cada punto de una curva o un valor constante y luego los > valores medidos, los estimados por el modelo y el error entre ambos? > > ¿Se comprende mi pregunta o duda? Porque en genética el modelo con > variancia residual heterogénea es mucho mejor que usar una variable > residual homogénea, pero son muy pocos los que se meten a ese nivel, porque > hay una medición entre variancias, la variancia “medida” y “residual”, > donde el cociente es un numerito, pero es uno para toda la curva o uno para > cada punto de la curva, lógicamente si conozco el valor para cada punto de > la curva la aplicación es “nada que ver”, en otros términos, la expresión > del ADN en distinto tiempo y espacio tiene diferencias, si hay una > variancia residual homogénea, hay una parte que con los mismos datos no se > detecta, la diferencia es solo al escribir el modelo. > > Quizás expongo algo que no le es útil, pero vi muy poco de variancias > residuales heterogéneas. > > Javier Rubén Marcuzzi > > De: Freddy Omar López Quintero > Enviado: viernes, 31 de marzo de 2017 23:22 > Para: [email protected] > Asunto: [R-es] Intervalos de confianza de la varianza de los residuos en > unmodelo no lineal.- > > Hola amigos, > > Supongamos que se quiere ejecutar un modelo no lineal con nls. Pensemos en > el ejemplo de la ayuda: > > DNase1 <- subset(DNase, Run == 1) > fm1DNase1 <- nls(density ~ SSlogis(log(conc), Asym, xmid, scal), DNase1) > summary(fm1DNase1) > > Aquí se está modelando la densidad óptica de un ensayo relacionada de forma > no lineal (logística) con (el logaritmo) de la concentración de una > proteína. > > ¿Sabe alguien si existe una función que sirva para calcular un intervalo de > confianza para la varianza de los errores? > > ¡Muchas gracias! > > > -- > «Pídeles sus títulos a los que te persiguen, pregúntales > cuándo nacieron, diles que te demuestren su existencia.» > > Rafael Cadenas > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
