Riassunto
Nell’analisi statistica è abbastanza comune che i dati da analizzare siano costituiti da risposte y i (i = 1,2,…,n) che sappiamo essere dipendenti da un vettore xi di dimensione p×1 contenente valori di input osservati o fissati dal ricercatore. La situazione può essere rappresentata dall’equazione:
dove il termine εi è un residuo stocastico utilizzato per descrivere l’errore sperimentale nella misura di y i o l’effetto di variabili non osservabili. In termini statistici è comune assumere:
cioè che i residui siano distribuiti in modo normale, con valore atteso 0, varianza costante σ2 e siano inoltre a due a due indipendenti. Il termine f(xi,β @#@) esprime la componente sistematica della relazione tra y i e xi, nel senso che E(y i) = f(xi,β) ovvero, sfruttando le proprietà della distribuzione normale, che yi ∼ NID(f(xi,β), σ2). I parametri incogniti del modello sono dati dal vettore dei coefficienti di regressione β, nella maggior parte dei casi anch’esso di dimensione p×1, e dalla varianza dei residui σ2.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Bibliografia
Burnham KP, Anderson DR (1998) Model selection and inference: a practical information-theoretic approach. Springer-Verlag, New York
Fox J, Weisberg S (2010) Nonlinear regression and nonlinear least squares in R (An Appendix to An R companion to applied regression, 2nd edn. Sage Publications, Thousand Oaks, CA) http://socserv.socsci.mcmaster.ca/jfox/Books/Companion/appendix/Appendix-Nonlinear-Regression_OnlinePDF.pdf/jfox/Books/Companion/appendix/Appendix-Nonlinear-Regression_OnlinePDF.pdf
Hosmer DW, Lemeshow S (2000) Applied logististic regression, 2nd edn. John Wiley, New York
Huet S, Bouvier A, Poursat M-A, Jolivet E (2004) Statistical tools for nonlinear regression. A practical guide with S-PLUS and R examples, 2nd edn. Springer-Verlag, New York
McFadden D (1974) Conditional logit analysis of qualitative choice behaviour. In: Zarembka P (ed) Frontiers in econometrics. Academic Press, New York, pp 105–142
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2013 Springer-Verlag Italia
About this chapter
Cite this chapter
Trivisano, C., Fabrizi, E. (2013). Procedure di regressione lineare e non lineare. In: Gardini, F., Parente, E. (eds) Manuale di microbiologia predittiva. Food. Springer, Milano. https://doi.org/10.1007/978-88-470-5355-7_13
Download citation
DOI: https://doi.org/10.1007/978-88-470-5355-7_13
Published:
Publisher Name: Springer, Milano
Print ISBN: 978-88-470-5354-0
Online ISBN: 978-88-470-5355-7
eBook Packages: Chemistry and Materials ScienceChemistry and Material Science (R0)