CURVAS LOGSTICAS: CARACETRSTICAS Y APROXIMACIN AL 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

PROBLEMA: FORMA FUNCIONAL NO LINEAL. Proceso de linealizacin para poder realizar una estimacin por MCO: Multiplicando numerador y denominador por la expresin

e + + X i :

yi =
Despejando:

1 1 + e X i

e + + X i 1 + e + + X i

yi (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 Ln (1 y ) = + X i i
i Haciendo un cambio de variable de Ln (1 y ) = Z i , el modelo a estimar ser: 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:

 yi = e Zi 1 yi y i = e Z i (1 y i ) = e Z i e Z i y i y i (1 + e Z i ) = e Z i

luego

e Zi 1 + e Zi

= y i ; resultando as los valores estimados de la variable objetivo.

2. AJUSTE CON UNA CURVA EXPONENCIAL (CURVA EN ESE) CUYO VALOR MXIMO POSIBLE C: LINEALIZACIN
Expresin de una curva logstica:

yi =

C 1 + e X i

PROBLEMA: FORMA FUNCIONAL NO LINEAL. Proceso de linealizacin para poder realizar una estimacin por MCO: Multiplicando numerador y denominador por la expresin

e + + X i :

yi =
Despejando:

C 1 + e X i

C e + + X i 1 + e + + X i

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 Ln (C y ) = + X i i
i Haciendo un cambio de variable de Ln (C y ) = Z i , el modelo a estimar ser: 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:

yi = e Zi C yi 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

= y i ; resultando as los valores estimados de la variable objetivo.

3. AJUSTE CON UNA CURVA EXPONENCIAL (CURVA EN ESE) CUYO VALOR MXIMO LO DETERMINA EL MODELO: ESTIMACIN NO LINEAL
C

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. Obtencin de unos parmetros iniciales a partir de los cuales comenzar el proceso de convergencia iterativo hasta llegar a una solucin definitiva. Actualizacin del vector de parmetros candidatos en cada iteracin Determinacin del ptimo o convergencia a partir de la fijacin de un lmite de divergencia entre dos iteraciones consecutivas

El algoritmo de resolucin iterativa utilizado por el E-views para este tipo de modelos es el de NewtonRaphson