Buscar
- Filtrar resultados
- Ubicación
- Clasificación
- Incluir datos adjuntos
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/04%3A_Regresion_multifactorial/4.06%3A_Cuando_las_cosas_salen_malError t value Pr(>|t|) (Intercept) -25.93278 6.56141 -3.952 0.0168 * clock 0.35422 0.02184 16.215 8.46e-05 *** threads NA NA NA NA cores NA NA NA NA transistors NA NA NA NA dieSize NA NA NA NA voltage...Error t value Pr(>|t|) (Intercept) -25.93278 6.56141 -3.952 0.0168 * clock 0.35422 0.02184 16.215 8.46e-05 *** threads NA NA NA NA cores NA NA NA NA transistors NA NA NA NA dieSize NA NA NA NA voltage NA NA NA NA featureSize NA NA NA NA channel NA NA NA NA FO4delay NA NA NA NA L1icache NA NA NA NA sqrt(L1icache) NA NA NA NA L1dcache NA NA NA NA sqrt(L1dcache) NA NA NA NA L2cache NA NA NA NA sqrt(L2cache) NA NA NA NA --- Signif.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/04%3A_Regresion_multifactorial/4.04%3A_Un_ejemplo_del_proceso_de_eliminaci%C3%B3n_hacia_atr%C3%A1sLos argumentos en la llamada a la función le dicen a lm () que calme un modelo lineal que explique la salida nperf en función de los predictores separados por los signos “+”. El argumento data=int00.d...Los argumentos en la llamada a la función le dicen a lm () que calme un modelo lineal que explique la salida nperf en función de los predictores separados por los signos “+”. El argumento data=int00.dat pasa explícitamente a la función lm () el nombre del marco de datos que se debe usar al desarrollar este modelo.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/02%3A_Comprender_sus_datos/2.01%3A_Valores_faltantesCualquier gran colección de datos es probablemente incompleta. Es decir, es probable que haya celdas sin valores en su tabla de datos. Estos valores faltantes pueden ser el resultado de un error, como...Cualquier gran colección de datos es probablemente incompleta. Es decir, es probable que haya celdas sin valores en su tabla de datos. Estos valores faltantes pueden ser el resultado de un error, como el experimentador simplemente olvidando rellenar una entrada en particular. También podrían faltar porque esa configuración particular del sistema no tenía ese parámetro disponible. Afortunadamente, R está diseñado para manejar con gracia los valores faltantes.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/03%3A_Regresion_de_un_factor/3.01%3A_Visualizar_los_datosDesde nuestra comprensión del diseño de sistemas informáticos, es decir, a partir de nuestro conocimiento específico del dominio, sabemos que la frecuencia del reloj influye fuertemente en el rendimie...Desde nuestra comprensión del diseño de sistemas informáticos, es decir, a partir de nuestro conocimiento específico del dominio, sabemos que la frecuencia del reloj influye fuertemente en el rendimiento de un sistema informático. Si superponemos una línea recta sobre este gráfico de dispersión, vemos que la relación entre el predictor (la frecuencia del reloj) y la salida (el rendimiento) es más o menos lineal.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/04%3A_Regresion_multifactorialUn modelo de regresión multifactorial es una generalización del modelo de regresión simple de un factor discutido en el Capítulo 3. donde los valores x i son las entradas al sistema, los coeficientes ...Un modelo de regresión multifactorial es una generalización del modelo de regresión simple de un factor discutido en el Capítulo 3. donde los valores x i son las entradas al sistema, los coeficientes ai son los parámetros del modelo calculados a partir de los datos medidos, e y es el valor de salida predicho por el modelo. Para desarrollar este tipo de modelo de regresión multifactorial, también debemos aprender a seleccionar predictores específicos para incluirlos en el modelo
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/01%3A_Introduccion/1.01%3A_Preludio_a_Regresion_LinealLa minería de datos es una frase que se ha utilizado popularmente para sugerir el proceso de búsqueda de información útil dentro de una gran colección de datos. Me gusta pensar que la minería de datos...La minería de datos es una frase que se ha utilizado popularmente para sugerir el proceso de búsqueda de información útil dentro de una gran colección de datos. Me gusta pensar que la minería de datos abarca una amplia gama de técnicas y herramientas estadísticas que se pueden utilizar para extraer diferentes tipos de información de sus datos. Qué técnica o herramienta en particular usar depende de tus objetivos específicos.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/05%3A_Predecir_respuestas/5.03%3A_Predecir_entre_conjuntos_de_datosDe hecho, el valor medio de las diferencias es 50.9096, lo que indica que el promedio de los valores predichos por el modelo es sustancialmente mayor que el valor promedio real. Al parecer, hay más fa...De hecho, el valor medio de las diferencias es 50.9096, lo que indica que el promedio de los valores predichos por el modelo es sustancialmente mayor que el valor promedio real. Al parecer, hay más factores que afectan el desempeño de la próxima generación de los programas de referencia, Int2006, que el modelo que desarrollamos utilizando las capturas de resultados de Int2000.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/05%3A_Predecir_respuestas/5.01%3A_Divisi%C3%B3n_de_datos_para_entrenamiento_y_pruebasEl uso de este vector como índice de fila para este marco de datos da una permutación aleatoria de todas las filas en el marco de datos, que asignamos al nuevo marco de datos, permuted_int00.dat. Las ...El uso de este vector como índice de fila para este marco de datos da una permutación aleatoria de todas las filas en el marco de datos, que asignamos al nuevo marco de datos, permuted_int00.dat. Las dos líneas siguientes asignan la porción inferior de este nuevo marco de datos al conjunto de datos de entrenamiento y la porción superior al conjunto de datos de prueba, respectivamente.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)Regresión Lineal Usando R: Una Introducción al Modelado de Datos presenta una de las técnicas fundamentales de modelado de datos en un estilo tutorial informal. Aprenda a predecir los resultados del s...Regresión Lineal Usando R: Una Introducción al Modelado de Datos presenta una de las técnicas fundamentales de modelado de datos en un estilo tutorial informal. Aprenda a predecir los resultados del sistema a partir de datos medidos usando un proceso detallado paso a paso para desarrollar, entrenar y probar modelos de regresión confiables. Los conceptos clave de modelado y programación se describen intuitivamente usando el lenguaje de programación R.
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/04%3A_Regresion_multifactorial/4.05%3A_An%C3%A1lisis_ResidualPara verificar la validez de los supuestos utilizados para desarrollar nuestro modelo, podemos aplicar nuevamente las técnicas de análisis residual que empleamos para examinar el modelo de un factor e...Para verificar la validez de los supuestos utilizados para desarrollar nuestro modelo, podemos aplicar nuevamente las técnicas de análisis residual que empleamos para examinar el modelo de un factor en la Sección 3.4. En esta trama, podemos ver un poco más de un patrón y algunas no linealidades obvias, llevándonos a ser un poco más cautelosos al concluir que los residuos son
- https://espanol.libretexts.org/Estadisticas/Computacion_y_Modelado/Libro%3A_Regresion_lineal_usando_R_-_Una_introduccion_al_modelado_de_datos_(Lilja)/03%3A_Regresion_de_un_factor/3.02%3A_La_funci%C3%B3n_del_modelo_linealdonde x 1 es la entrada al sistema, a 0 es la intercepción y de la línea, a 1 es la pendiente e y es el valor de salida que predice el modelo. Al escribir el nombre de la variable, int00.lm, por sí mi...donde x 1 es la entrada al sistema, a 0 es la intercepción y de la línea, a 1 es la pendiente e y es el valor de salida que predice el modelo. Al escribir el nombre de la variable, int00.lm, por sí mismo, se hace que R imprima el argumento con el que se llamó a la función lm (), junto con los coeficientes calculados para el modelo de regresión.
