Ahora mismo no dispongo del software apropiado en mi equipo pero he probado a tomar logaritmos de la primera variable con una hoja de cálculo: una regresión lineal del tipo y= a + b * log(x) + e parece que se aproximaría bastanta (aunque hace algún pico extraño. Ya se que el log de 0 no existe, pero puedes poner un 0 (o dado el dominio de la variable X supón que en lugar de 0, vale 1, y ya tienes logaritmo y un error despreciable).
Un saludo
Me contesto yo mismo con una observación más... si eliminas el dato atípico de 8200-1.40 la grafica de y - log(x) es una recta casi perfecta. No se de donde salen los datos pero esa observación es extraña en el conjunto de datos.
Otra aproximación...
(Puntos:2)( http://barrapunto.com/ | Última bitácora: Jueves, 13 Abril de 2006, 15:10h )
Re:Otra aproximación...
(Puntos:2)( http://barrapunto.com/ | Última bitácora: Jueves, 13 Abril de 2006, 15:10h )
Un saludo
Re:Otra aproximación...
(Puntos:1)( Última bitácora: Miércoles, 01 Enero de 2014, 16:46h )
f(x)=a+b*log(x-c)
fit f(x) 'a.txt' via a,b,c
Me da
After 10 iterations the fit converged.
final sum of squares of residuals : 0.000660977
rel. change during last iteration : -5.82509e-06
degrees of freedom (ndf) : 10
rms of residuals (stdfit) = sqrt(WSSR/ndf) : 0.00813005
variance of residuals (reduced chisquare) = WSSR/ndf : 6.60977e-05
Final set of parameters Asymptotic Standard Error
======================= ==========================
a = 1.71952 +/- 0.01079 (0.6274%)
b = -0.0333329 +/- 0.0009407 (2.822%)
c = 721.241 +/- 179.9 (24.94%)
Con errores bastante más potables. Y si lo representamos gráficamente
plot 'a.txt', f(x)
el ajuste (a simple vista) es bastante bueno.