Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curva S Logistic As
Curva S Logistic As
AJUSTE LINEAL
Rafael de Arce (Marzo 2004)
1. AJUSTE CON UNA CURVA EXPONENCIAL (CURVA EN ESE) CUYO
VALOR MXIMO POSIBLE ES UNO: LINEALIZACIN
Expresin de una curva logstica:
yi
1
1 e X i
yi
1
1 e X i
e X i :
e X i
1 e X i
Despejando:
y i (1 e X i ) e X i
y i y i e X i e X i
y i y i e X i e X i (1 y i )e X i )
yi
e X i
(1 y i )
yi
X i
(1 y i )
Ln
i
Z i , el modelo a estimar ser:
Haciendo un cambio de variable de Ln
(
1
y i )
Z i X i
Posteriormente, y una vez ya se han obtenido los valores de los parmetros alpha y beta, podremos
obtener valores estimados de la variable Zi; variable intermedia que no es nuestro objetivo. Para poder
obtener los valores estimados de la serie yi debemos "deshacer" el cambio de variable:
y i
e Zi
1 y i
y i e Z i (1 y i ) e Z i e Z i y i
luego
y i (1 e Z i ) e Z i
e Zi
1 e Zi
yi
C
1 e X i
yi
C
1 e X i
e X i :
C e X i
1 e X i
Despejando:
y i (1 e X i ) C e X i
y i y i e X i C e X i
y i y i e X i C e X i (C y i )e X i )
yi
e X i
(C y i )
yi
X i
(C y i )
Ln
yi
y i
e Zi
C y i
y i e Z i (C y i ) Ce Z i e Z i y i
y i (C e Z i ) e Z i
luego
e Zi
C e Zi
yi
C
1 e X i
NLS PGSMPOB=(C(1)/(1+EXP(-C(2)-C(3)*TIME)))
En este caso, el parmetro C que marca el techo de saturacin de la curva en ese no est predefinido,
por lo que el mismo modelo deber estimarlo. En este caso, no es posible realizar una linealizacin tan
simple como la anterior tomando logaritmos, y nos vemos obligados a utilizar una estrategia de
estimacin no lineal, a partir de un sistema de iteraciones controlado (buscando los parmetros que
minimicen la suma de los errores al cuadrado de nuestro modelo de ajuste con la variable real).
En el proceso de estimacin se han de cubrir tres etapas:
a.
b.
c.
El algoritmo de resolucin iterativa utilizado por el E-views para este tipo de modelos es el de NewtonRaphson