HTML Microdata document

This HTML5 document contains 14 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Prefix	Namespace IRI
category-es	http://es.dbpedia.org/resource/CategorÃa:
dct	http://purl.org/dc/terms/
wikipedia-es	http://es.wikipedia.org/wiki/
dbo	http://dbpedia.org/ontology/
foaf	http://xmlns.com/foaf/0.1/
n9	http://www.siam.org/books/textbooks/fr18_book.
dbpedia-es	http://es.dbpedia.org/resource/
n11	http://es.wikipedia.org/wiki/MÃnimos_cuadrados_no_lineales?oldid=117728251&ns=
rdfs	http://www.w3.org/2000/01/rdf-schema#
n12	http://rdf.freebase.com/ns/m.
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
owl	http://www.w3.org/2002/07/owl#
prov	http://www.w3.org/ns/prov#
xsdh	http://www.w3.org/2001/XMLSchema#
dbr	http://dbpedia.org/resource/

Subject Item: dbpedia-es:MÃnimos_cuadrados_no_lineales
rdfs:label: Mínimos cuadrados no lineales
rdfs:comment: Los Mínimos cuadrados no lineales es la forma de análisis de mínimos cuadrados que se usa para encajar un conjunto de m observaciones con un modelo que es no lineal en n parámetros desconocidos (m > n). Se utiliza en algunas formas de regresión no lineal. La base del método es para aproximar el modelo por uno lineal y para refinar los parámetros por iteraciones sucesivas. Hay muchas similitudes con mínimos cuadrados lineales, pero también algunas diferencias importantes.
owl:sameAs: n12:03nnpt0
dct:subject: category-es:EconometrÃa category-es:AnÃ¡lisis_de_la_regresiÃ³n
foaf:isPrimaryTopicOf: wikipedia-es:MÃnimos_cuadrados_no_lineales
dbo:wikiPageID: 5964594
dbo:wikiPageRevisionID: 117728251
dbo:wikiPageExternalLink: n9:pdf
dbo:wikiPageLength: 9092
prov:wasDerivedFrom: n11:0
dbo:abstract: Los Mínimos cuadrados no lineales es la forma de análisis de mínimos cuadrados que se usa para encajar un conjunto de m observaciones con un modelo que es no lineal en n parámetros desconocidos (m > n). Se utiliza en algunas formas de regresión no lineal. La base del método es para aproximar el modelo por uno lineal y para refinar los parámetros por iteraciones sucesivas. Hay muchas similitudes con mínimos cuadrados lineales, pero también algunas diferencias importantes.