FACULTAD CIENCIAS Y TECNOLOGIAS
AJUSTE CURVA LOGISTICA EN EXCEL
Universitario (a): Neil Torrez Santa Cruz
Carrera: Ingeniería Química
Docente: Ing. Ignacio Edwin Velázquez Soza
Materia: Diseño de Experimentos
Paralelo: G1
Fecha: 01/06/2022
1.- Objetivos
- Que el estudiante pueda tener un mejor manejo de las herramientas SPSS y excel con la
practica y objetivos que se llevaran a acabo
- Que se pueda tener un conocimiento base del tema para poder ser llevados acabo en
futuros ámbitos laborales o de estudio
2.- Marco Teórico
Existen varios modelos diferentes disponibles para el ajuste de curva. Consulte las
ecuaciones a continuación.
Línea recta
El ajuste de línea recta se calcula eligiendo la línea que minimiza la suma de los mínimos
cuadrados de la distancia vertical d de todos los indicadores seleccionados (véase la imagen
que se incluye a continuación) usando la siguiente ecuación:
donde a es la intercepción y b es el gradiente.
Por ejemplo, se podrían trazar días a lo largo del eje X y tener un indicador para cada día. La
distancia entre los indicadores a lo largo del eje X es la misma, lo que hace que el ajuste de
línea recta sea adecuado.
Logarítmico
El ajuste logarítmico calcula el ajuste de los mínimos cuadrados mediante puntos usando la
siguiente ecuación:
donde a y b son constantes y ln es la función de logaritmo natural. Este modelo requiere que
x > 0 para todos los puntos de datos. Para este cálculo, Spotfire usa un método de regresión
no lineal. Como resultado, el cálculo será más preciso que si se usa una regresión lineal solo
de valores transformados.
Exponencial
El ajuste exponencial calcula el ajuste de los mínimos cuadrados mediante puntos usando la
siguiente ecuación:
donde a y b son constantes, y e es la base del logaritmo natural.
Los modelos exponenciales suelen usarse en aplicaciones biológicas; por ejemplo, para el
crecimiento exponencial de una bacteria. Para este cálculo, Spotfire usa un método de
regresión no lineal. Como resultado, el cálculo será más preciso que si se usa una regresión
lineal solo de valores transformados.
Potencia
El ajuste de potencia calcula el ajuste de los mínimos cuadrados mediante puntos usando la
siguiente ecuación:
donde a y b son constantes. Este modelo requiere que x > 0 para todos los puntos de datos,
y que todo y > 0 o todo y < 0. Para este cálculo, Spotfire usa un método de regresión no
lineal. Como resultado, el cálculo será más preciso que si se usa una regresión lineal solo de
valores transformados.
Regresión logística
El ajuste de regresión logística es un modelo dosis-respuesta ("IC50"), también conocido
como dosis-respuesta sigmoidea. El modelo logístico de cuatro parámetros es el más
importante.
Las curvas dosis-respuesta describen la relación entre la respuesta a un tratamiento con
medicamentos y la dosis o concentración de dicho medicamento. Estos tipos de curva
suelen ser semilogarítmicas y log (concentración del medicamento) se encuentra en el eje X.
En el eje Y se pueden mostrar las mediciones de la actividad enzimática, acumulación de un
segundo mensajero intracelular, o mediciones de frecuencia cardiaca o contracción
muscular.
Valores X transformados por log10:
La regresión logística en el ajuste del logaritmo de valores X usa la siguiente ecuación:
El logaritmo X50 del valor se interpreta como Log10(X50). Por ejemplo, si la concentración de
H30+ en IC50 tiene un pH de 3, entonces el logaritmo X50 = -3.
Note: Con este modelo, lo que se estima son los logaritmos X50 de los valores, y no el X50
en sí.
Valores X no logarítmicos:
El ajuste de la regresión logística cuando no se asume el logaritmo de valores X usa la
siguiente ecuación:
donde mín. y máx. son la asíntota inferior y superior de la curva, Hill es el gradiente de la
curva en su punto medio y X50 es la coordenada X del punto de inflexión (x,y). Este modelo
requiere que x > 0 para todos los puntos de datos y que se usen al menos cuatro registros
para calcular la curva.
Polinómico
El ajuste de curva polinómica calcula el ajuste de los mínimos cuadrados mediante puntos
usando la siguiente ecuación:
donde a0, a1, a2, etc. son constantes.
Forecast – Holt-Winters
El pronóstico de Holt-Winters utiliza TIBCO Spotfire Enterprise Runtime para R para
computar el filtrado de Holt-Winters de una serie temporal o cualquier cosa que se puedan
forzar a una serie temporal. Se trata de un filtro de promedio móvil ponderado de forma
exponencial del nivel, la tendencia y los componentes estacionales de una serie temporal.
Los parámetros de suavizado se eligen para minimizar la suma de los cuadrados un paso
por delante de los errores de pronóstico.
El resultado de un pronóstico de Holt-Winters incluye tres curvas distintas: una curva
ajustada que muestra la variación general de la medida de interés, una curva de pronóstico
que predice las tendencias futuras y el intervalo de confianza que muestra cómo aumenta la
inseguridad a medida que se aleja de los valores conocidos que incluye el pronóstico.
Los parámetros usados se pueden mostrar en las etiquetas o la información sobre
herramientas.
TIBCO Enterprise Runtime para R y R de código abierto devuelven distintos intervalos de
predicción para los modelos estacionales multiplicativos. TIBCO Enterprise Runtime para R
supone que los componentes estacional y de error son multiplicativos en efecto y utiliza la
fórmula para la variación de la predicción que se encuentra en la sección 6.4.2 de Hyndman,
et al., 2008.
3.- Ejercicio
Solver resulta útil para encontrar la curva que ajuste a un conjunto de datos, cuando estos
son no lineales. Supongamos que tenemos el siguiente conjunto de datos:
Vamos a tratar de ajustar estos datos a la curva logística con ecuación:
Valores Iniciales
a = -0.8
b = -1
c = 0.5
d = 10.5
4.- Resolución de Ejercicios
5.- Conclusiones
- Se logro que el estudiante pueda tener un mejor manejo de las herramientas SPSS y excel
con la practica y objetivos que se llevaran a acabo
-Se pudo tener un conocimiento base del tema para poder ser llevados acabo en futuros
ámbitos laborales o de estudio
6.- Bibliografía
[Link]
WebHelp/[Link]
