Scribd
Cargar
32 vistas1 página

Modelos de Regresión y Análisis Estadístico

El documento aborda diferentes tipos de modelos de regresión, incluyendo regresión lineal y logística, así como la selección de variables y regresión penalizada como LASSO. Se discuten las diferencias entre métodos paramétricos y no paramétricos, así como entre enfoques supervisados y no supervisados en el análisis de datos. Además, se menciona la importancia de las correlaciones en la relación entre variables, enfatizando que la correlación no implica causalidad.

Cargado por

MAria JOse
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
32 vistas1 página

Modelos de Regresión y Análisis Estadístico

El documento aborda diferentes tipos de modelos de regresión, incluyendo regresión lineal y logística, así como la selección de variables y regresión penalizada como LASSO. Se discuten las diferencias entre métodos paramétricos y no paramétricos, así como entre enfoques supervisados y no supervisados en el análisis de datos. Además, se menciona la importancia de las correlaciones en la relación entre variables, enfatizando que la correlación no implica causalidad.

Cargado por

MAria JOse
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Regression models

• Regresión lineal
• Medidas de desempeño: Variación explicada (R2)
• Regresión logística
• Estudios de asociación genética con SNPs
• Selección de variables
• Regresión penalizada: LASSO (Regresión con selección de variables)

Paramétrico No paramétrico
Se asume que un modelo específico para los datos que Son más flexibles y menos
depende de un parámetro que podría ser estimado. restrictivos, pero cuando se
asume que el modelo es
Método supervisado vs sin supervisar: válido, los modelos
Los métodos supervisados estudian la asociación de un paramétricos son más
conjunto de variables (covariables) potentes.
X1, ..., Xk con una respuesta o variable dependiente Y.
Ej: regresión lineal
Los métodos no supervisados exploran patrones/relación
entre un conjunto de variables
X1, ..., Xk (no hay variable dependiente)
Ej: agrupamiento, PCA

Método multivariado vs univariado:


Muchos covariados (multivariado) vs univariado.

Regresión lineal

El análisis de regresión es la técnica estadística utilizada para modelar las relaciones entre un

conjunto de variables de entrada (o predictoras) y una o más variables de salida (respuesta).

Correlaciones: Las métricas de correlación son medidas de asociaciones entre variables. Es


importante señalar que la asociación es un concepto que no implica causalidad. Dos variables
pueden correlacionarse bastante bien, pero no tener causa/efecto relación.

También podría gustarte