Hoy, como excepción, gritaré y justificaré: ¡Malditos logaritmos!

Dados unos números positivos hay que justificar por que no tomar logaritmos y no al revés. La carga de la prueba recae sobre quien no lo hace.

No obstante:

Tenía unos datos (para cada t) que siguen (me lo juran) un modelo teórico

\log y \sim k \exp(-at)

Existen dos opciones para encontrar los parámetros deseados k y a. El primero, tomando logaritmos y aplicando lm. El segundo, ajustando un modelo no lineal con, p.e., nls.

¿La diferencia? Inapreciable a poco razonables que sean los datos y el modelo.

En mi caso, sin embargo, las diferencias entre los dos modelos eran notables. Porque en un caso se minimiza la suma de los cuadrados de

\log y_i - (\log k - a t_i)

y en el otro, la de los valores

y_i - k \exp(-a t_i).

Con el segundo planteamiento se tiende, por tanto, a ajustar mejor en la zona en la que los valores y_i son grandes. Podría decirse que uno tiene en cuenta los errores absolutos y el otro, los relativos.

¿Qué es mejor? Depende. Casi siempre (reléase el primer párrafo) el modelo lineal. Pero hoy me ha tocado tragarme mi propio logaritmo.

Comenta

Your email address will not be published.

Puedes usar estas etiquetas y atributos de HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">