Actualmente estoy trabajando para modelar muertes por SIDA a lo largo del tiempo usando un GLM en R. Sé que hay dos opciones posibles para la función de enlace para datos de Poisson, log y raíz cuadrada. Sé que la raíz cuadrada incluso resolvería los problemas de variabilidad, mientras que el...
¿Por qué un GLM predice la media y no el modo de una señal? ¿Esto no contradice la base misma detrás del GLM, es decir, la máxima probabilidad? Las ecuaciones para resolver los parámetros del modelo en un GLM se basan en la maximización de la probabilidad según lo descrito por la distribución de...
Tengo una regresión logística binaria con solo un predictor binario de factor fijo. La razón por la que no lo hago como un Chi cuadrado o la prueba exacta de Fisher es que también tengo una serie de factores aleatorios (hay múltiples puntos de datos por individuo y los individuos están en grupos,...
Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado el año pasado . Estoy tratando de ajustar el modelo lineal...
Primero déjame darte algunos antecedentes; Resumiré mis preguntas al final. La distribución Beta, parametrizada por su media yμμ\muϕϕ\phi, tiene Var( Y) = V( μ ) / ( ϕ + 1 )Var(Y)=V(μ)/ /(ϕ+1)\operatorname{Var}(Y) = \operatorname{V}(\mu)/(\phi+1), donde es la función de variación.V( μ ) = μ ( 1...
Considere la siguiente regresión binomial: # Create some data set.seed(10) n <- 500 x <- runif(n,0,100) y <- x + rnorm(n,sd=100) < 0 # Fit a binomial regression model model <- glm(y ~ x, family="binomial") summary(model) La summaryfunción devuelve un valor p de 1.03e-05. Cuando...
Estaba leyendo esta página en Princeton.edu . Están realizando una regresión logística (con R). En algún momento, calculan la probabilidad de obtener una desviación residual mayor que la que obtuvieron en una con grados de libertad iguales a los grados de libertad del modelo. Copiar-pegar desde su...
Considere el siguiente ejemplo sencillo: library( rms ) library( lme4 ) params <- structure(list(Ns = c(181L, 191L, 147L, 190L, 243L, 164L, 83L, 383L, 134L, 238L, 528L, 288L, 214L, 502L, 307L, 302L, 199L, 156L, 183L), means = c(0.09, 0.05, 0.03, 0.06, 0.07, 0.07, 0.1, 0.1, 0.06, 0.11,...
En la "Guía de un practicante de modelos lineales generalizados" en el párrafo 1.83 se afirma que: "En el caso particular de un GLM multiplicativo de Poisson, se puede demostrar que el reclamo de modelado cuenta con un término de compensación igual al logaritmo de la exposición que produjo...
Así que aquí estoy estudiando modelos lineales generalizados. Sé que esta pregunta es bastante ingenua y simple, pero no sé exactamente por qué la función canónica de enlace es tan útil. ¿Podría alguien proporcionarme una intuición sobre este