Modelo de poder simple
Estadísticas del modelo de potencia
¡Stack Overflow for Teams se traslada a su propio dominio! Cuando se complete la migración, accederás a tus Teams en stackoverflowteams.com, y ya no aparecerán en la barra lateral izquierda de stackoverflow.com.
No estoy seguro de que necesites la simulación para un modelo de regresión simple. Por ejemplo, véase el artículo Portable Power, de Robert E. Wheeler (Technometrics , mayo de 1974, Vol. 16, nº 2). Para modelos más complejos, específicamente efectos mixtos, el paquete pamm en R realiza análisis de potencia mediante simulaciones. Véase también el post de Todd Jobe, que contiene el código de R para la simulación.
Adaptado de Bolker 2009 Ecological Models and Data in R. Es necesario declarar la fuerza de la tendencia (es decir, la pendiente) que se desea probar. Intuitivamente, una tendencia fuerte y una baja variabilidad requerirán un tamaño de muestra pequeño, una tendencia débil y una gran variabilidad requerirán un tamaño de muestra grande.
Calculadora de modelos de potencia
En la ciencia de los datos, el término "regresión" significa, a grandes rasgos, "ajustar una ecuación para describir relaciones en los datos". Se trata de un tema muy amplio, y lo trataremos en varias lecciones. Esta lección trata sobre el tipo más básico de ecuación que se puede ajustar a un conjunto de datos: una línea recta, también conocida como "modelo de regresión lineal". Aprenderás:
Veamos primero un ejemplo sencillo del tipo al que me refiero. Es posible que hayas oído la siguiente regla en una página web o en un gurú del ejercicio: para calcular tu frecuencia cardíaca máxima, resta tu edad a 220. Esta regla puede expresarse como una ecuación:
Esta ecuación proporciona una descripción matemática de una relación en un conjunto de datos: la frecuencia cardíaca máxima (el objetivo, o la cosa que queremos predecir) tiende a hacerse más lenta con la edad (la característica, o la cosa que conocemos). También proporciona una forma de hacer predicciones. Por ejemplo, si tienes 35 años, puedes predecir tu frecuencia cardíaca máxima "introduciendo" Edad = 35 en la ecuación, lo que da como resultado FCM = 220 - 35, o 185 pulsaciones por minuto.
Calculadora del modelo de regresión de potencia
Considere el modelo de regresión Y = γ(X) + ε , donde γ(X) es alguna medida condicional de localización asociada a Y , dado X. Sea Υ̂ alguna estimación de Y, dado X, y sea τ2 (Y) alguna medida de variación. La potencia explicativa es η2 = τ2 (Υ̂) /τ2(Y) . Cuando γ(X) = β0 + β1X y τ2(Y) es la varianza de Y , η2 = ρ2 , donde ρ es la correlación de Pearson. Se investigan las propiedades en muestras pequeñas de algunos métodos para estimar un análogo robusto de la potencia explicativa mediante suavizadores. La versión robusta de un suavizador propuesto por Cleveland resulta ser la mejor en la mayoría de los casos.
Regresión de potencia a mano
\( \qquad P_{mbox{piernas}} = \left(1 - \frac{{mbox{pérdida}_{mbox{dt}}{100}{right)^{-1} \cdot \left[ \left(9,8067 \cdot W \cdot \left[\sin(\arctan(\frac{G}{100}) + C_{{mbox{rr}} \cdot \cos(\arctan(\frac{G}{100}))\right] \derecha) + izquierda (0,5 C_{d}) \A. \cdot \left(V_{mbox{gs}} + V_{mbox{hw}}\c) ^2\c) \c] \cdot V_{mbox{gs}} \)
\qquad c = \left(9.8067 \cdot W \cdot \left[\sin(\arctan(\frac{G}{100})) + C_{{mbox{rr}} \cdot \cos(\arctan(\frac{G}{100}))\c] + \left(0,5 \cdot C_{d} \cdot A \cdot \mbox{Rho} \cdot V_{mbox{hw}}^2 \c)