Ejemplo: regresión logística
Utilice la función lgsfit para ajustar los datos para un ajuste logístico.
1. Defina un conjunto de datos.
Estos datos son el resultado de un estudio NIST que implica el modelado de la magnetización de la superconductividad. La variable de respuesta es el magnetismo (columna 0), y la variable predictora es el logaritmo del tiempo en minutos (columna 1).
2. Defina un vector de aproximaciones.
Seleccionar los valores de prueba adecuados para una regresión logística puede suponer todo un reto:
◦ El primer valor debería ser la intercepción aproximada de una curva que atraviese los datos.
◦ El segundo valor de prueba debería ser menor que 1 si el centro de los datos está a la derecha del origen, y mayor que 1 si los datos están a la izquierda del origen. En este caso, este valor de prueba se calcula de forma aproximada buscando la media de la variable independiente. Normalmente, este número es demasiado grande si los datos independientes corresponden a un número entero, pero este no es el caso.
◦ El último valor de prueba debería ser grande si hay una proyección brusca de los datos altos a los bajos (mayor que 1), y pequeño si la transición es más gradual (menor que 1). Además, el coeficiente debería ser negativo si los datos disminuyen de izquierda a derecha, y positivo si aumentan de izquierda a derecha. En muchos casos, se puede utilizar 1 o -1 como valor de prueba.
3. Llame a la función lgsfit para buscar los parámetros de un ajuste logístico.
Los parámetros se ajustan a la siguiente ecuación logística:
4. Trace los datos y el ajuste logístico.
