Taller
Facultad de Ciencia
Departamento de Matem´tica y Ciencia de la Computaci´n
a
o
Ingenier´ Estad´
ıa
ıstica
Regresi´n Poisson y Binomial Negativa con
o
exceso de ceros
Alumnos:
Sebasti´n Carrasco A.
a
Francisco Castro U.
Daniela Romero H.
Profesor:
Francisco Torres.
Ayudantes:
Carla Barraza.
Ignacio D´
ıaz.
Santiago de Chile, Noviembre2012
´
Indice
1. Introducci´n
o
4
2. Objetivos
5
2.1. Objetivo General
..............................................
5
2.2. Objetivos espec´
ıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
3. Metodolog´
ıa
5
4. Conceptos Previos
6
4.1. Familia exponencial . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .
6
4.2. Sobredispersi´n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
7
5. Modelos Lineales Generalizados
8
5.1. Especificaci´n y elementos del MLG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
9
5.2. Componentes del MLG . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
6. Modelos de Regresi´n
o
10
6.1. Regresi´n de Poisson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
10
6.1.1. Modelo de regresi´n Poisson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
10
6.1.2. Estimador de m´xima verosimilitud. . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . .
a
11
6.1.3. Reparametrizaci´n para un modelo Poisson con una tasa de ocurrencia. . . . . . . . . . . . .
o
12
6.1.4. Prueba de sobredispersi´n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
12
6.2. Regresi´n Binomial Negativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .
o
13
6.2.1. Modelo de mezcla Poisson-Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
6.2.2. Modelo de Poisson-Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
6.2.3. Estimaci´n de Par´metros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
a
15
7. Regresi´n para datos deConteos con Inflaci´n de Ceros
o
o
16
7.1. Introducci´n a los Modelos con inflaci´n de ceros (ZIM) . . . . . . . . . . . . . . . . . . . . . . . . .
o
o
16
7.2. Caracter´
ısticas del modelo ZIM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
7.3. Modelo de regresi´n ZIP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .
o
18
7.3.1. Modelo de Regresi´n de Poisson con exceso de ceros (ZIP) . . . . . . . . . . . . . . . . . . . .
o
18
7.3.2. Estimadores por M´xima Verosimilitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
18
2
7.3.3. Algoritmo EM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
7.4. Modelo deregresi´n Binomial negativa con exceso de ceros (ZINB). . . . . . . . . . . . . . . . . . . .
o
22
7.4.1. Estimador de m´xima verosimilitud ZINB. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
23
7.4.2. Prueba para ajuste del mejor modelo (con o sin exceso de ceros). . . . . . . . . . . . . . . . .
24
8. Momentos de los Modelos de Regresi´n
o
26
8.1. C´lculo de losMomentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
26
8.2. Importancia de los Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
9. Ejemplificaci´n
o
29
9.1. Contexto del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
9.2. An´lisis...
Regístrate para leer el documento completo.