Regresin No Lineal - u

Variable dependiente: u (viscocidad) Variables independientes: r (velocidad de deformacion) Funcin a estimar: ley de la potencia Estimaciones iniciales de parmetros: k = 1,0 n = 1,0 Mtodo de estimacin: Marquardt La estimacin se detuvo debido a convergencia de los parmetros estimados. Nmero de iteraciones: 9 Nmero de llamadas de la funcin: 32 Resultados de la Estimacin Error Estndar Asinttico 0,12581 0,00837292 Intervalo Confianza a Asinttico Inferior 4,32464 0,494604 95,0% Superior 4,82097 0,527636

Parmetro k n

Estimado 4,57281 0,51112

Anlisis de Varianza Fuente Suma de Cuadrados Modelo 53720,7 Residuo 493,731 Total 54214,4 Total (Corr.) 16558,8

Gl 2 190 192 191

Cuadrado Medio 26860,3 2,59858

R-Cuadrada = 97,0183 porciento R-Cuadrada (ajustada por g.l.) = 97,0026 porciento Error estndar del est. = 1,61201 Error medio absoluto = 1,19616 Estadstico Durbin-Watson = 0,328155 Autocorrelacin residual de retardo 1 = 0,816477 Anlisis de Residuos Estimacin n 192 CME 2,59858 MAE 1,19616 MAPE 8,86111 ME -0,042338 MPE -2,51371

Validacin

El StatAdvisor La salida muestra los resultados de ajustar un modelo de regresin no lineal para describir la relacin entre u y 1 variables independientes. La ecuacin del modelo ajustado es u = ley de la potencia Al realizar el ajuste, el proceso de estimacin termin exitosamente despus de 9 iteraciones, en este punto la suma de cuadrados residual se aproxim al mnimo. El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 97,0183% de la variabilidad en u. El estadstico R-Cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables independientes es 97,0026%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 1,61201. Este valor

puede utilizarse para construir lmites de prediccin para nuevas observaciones seleccionando la opcin de Pronsticos del men de texto. El error absoluto medio (MAE) de 1,19616 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlacin significativa basada e el orden en que se presentaron en su archivo de datos. La salida tambin muestra los intervalos asintticos del intervalos de confianza del 95,0% para cada uno de los parmetros desconocidos. Estos intervalos son aproximados y ms precisos para tamaos de muestra grandes. Puede determinar si los estimados son estadsticamente significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresponden a coeficientes que bien podran eliminarse del modelo sin afectar el ajuste substancialmente.