Beruflich Dokumente
Kultur Dokumente
�ndice
1 Propiedades
2 Ejemplo: el desarrollo embrionario
3 La ecuaci�n Verhulst
3.1 Historia
4 Regresi�n log�stica
5 V�ase tambi�n
6 Referencias
6.1 Bibliograf�a
6.2 Enlaces externos
Propiedades
La funci�n log�stica que modeliza el crecimiento log�stico de una magnitud M(t)
tiene las siguientes propiedades:
La ecuaci�n Verhulst
El crecimiento log�stico est� relacionado con el crecimiento exponencial, de hecho
para peque�os valores de la magnitud que presenta crecimiento log�stico, el
crecimiento log�stico se asemeja mucho al crecimiento exponencial. Sin embargo, a
partir de un cierto punto el crecimiento se ralentiza, eso hace que la curva pueda
representar adecuadamente la propagaci�n de rumores, la extensi�n de una innovaci�n
tecnol�gica o una epidemia: al principio estas se propagan r�pidamente, cada
"infectado" o "afectado" por la innovaci�n es susceptible de traspasar el
"contagio" a otro individuo que tenga contacto con �l, pero cuando el n�mero de
"infectados" crece es m�s dif�cil encontrar una persona que previamente no haya
estado en contacto con la enfermedad o innovaci�n.
donde
Regresi�n log�stica
Art�culo principal: Regresi�n log�stica
En estad�stica se emplean la funci�n log�stica en el llamado an�lisis de regresi�n
log�stica. Dicho an�lisis pretende estimar la probabilidad de un determinado
evento, medible por variables categ�ricas y num�ricas, que se sabe est�
correlacionado con ciertas variables cuantitativas. Por ejemplo en el epidemiolog�a
y en la investigaci�n de mecanismos lesionales es frecuente correlacionar la
probabilidad de muerte o lesi�n con ciertos valores num�ricos mediante una ecuaci�n
del tipo:
Los datos emp�ricos constan de una lista de casos de los cuales se conocen una
serie de indicadores num�ricos para los cuales se examin� si presentaban lesi�n (o
muerte), estos datos se representan usualmente como 0 (no-lesi�n) y 1 (lesi�n) y se
estiman los par�metros {\displaystyle \scriptstyle \beta _{i}} {\displaystyle
\scriptstyle \beta _{i}}. El an�lisis de regresi�n log�stica se enmarca en el
conjunto de Modelos Lineales Generalizados (GLM) que usa como funci�n de enlace la
funci�n logit.