Modelos de Regresión con R
Bienvenido
Estructura del libro
Software y convenciones
Bloques informativos
Dedicatoria
Sobre el autor
1
Introducción
1.1
Analítica de Datos
1.1.1
Conceptos básicos
1.1.2
Gráficos básicos
1.1.3
Tópicos avanzados
1.2
R
1.2.1
Por qué
R
?
1.2.2
CRAN
1.2.3
Descarga e instalación
1.2.4
Paquetes
1.2.5
Operadores básicos
1.2.6
Creación de funciones
1.2.7
Obteniendo ayuda
1.2.8
Lectura de datos
1.3
RStudio
2
Regresión Lineal Simple
2.1
Formulación básica del modelo de RLS
2.2
Estimación
2.3
Tabla ANOVA y medidas de desempeño
Estimación de
\(\sigma^2\)
Inferencia para
\(\sigma^2\)
Coeficiente de determinación
\(R^2\)
Validación del modelo de RLS
Inferencia para
\(\beta_0\)
y
\(\beta_1\)
2.4
Análisis de Residuales
Validación de Supuestos
2.5
Predicción
Intervalo de confianza para
\(E[Y|X=x_0]\)
Intervalo de predicción para
\(E[Y|X=x_0]\)
3
Regresión Lineal Múltiple
3.1
Formulación básica del modelo de RLM
3.1.1
Estimación
3.2
Propiedades de los estimadores de
\({\mathbf{\beta}}\)
3.3
Estimación de
\(\sigma^2\)
3.4
Inferencia para
\(\mathbf{\beta}\)
3.4.1
Prueba de significancia global
3.4.2
Prueba de significancia marginal
3.4.3
Intervalos de confianza para
\(\beta_j\)
3.5
Inferencia para la respuesta
3.5.1
Intervalos de confianza para
\(E[\mathbf{Y}|\mathbf{x}_0]\)
3.5.2
Intervalos de predicción para
\(E[\mathbf{Y}|\mathbf{x}_0]\)
3.6
Análisis de Residuales
3.6.1
Validación de supuestos
3.6.2
Identificación de
outliers
3.6.3
Identificación de observaciones influenciales
3.7
Análisis de Multicolinealidad
3.7.1
Cómo detectarla?
3.8
Selección de Modelos
3.8.1
Método de Todas las Regresiones Posibles
3.8.2
Selección secuencial
4
Modelos de Regresión Avanzados
4.1
Regresión No Lineal
4.1.1
Introducción
4.1.2
Por qué?
4.1.3
Ejemplo
4.1.4
Modelo ajustado
4.1.5
Inferencia
4.1.6
Medidas de desempeño
4.2
Regresión Logística
4.2.1
Introducción
4.2.2
Formulación del modelo
4.2.3
Ejemplo
4.2.4
Evaluación del modelo
4.2.5
Predicción
4.3
Regresión Poisson
4.3.1
Introducción
4.3.2
Por qué?
4.3.3
Ejemplo
4.3.4
Modelo ajustado
4.3.5
Inferencia para
\(\lambda\)
4.3.6
Estimación del número de errores
4.3.7
Cálculo de probabilidades
4.3.8
Variaciones
5
Introducción a Series de Tiempo
5.1
Qué es una Serie de Tiempo?
5.2
Definiciones básicas
5.3
Por qué y para qué?
5.4
Modelos básicos
5.4.1
Método de Descomposición
5.4.2
Métodos de Suavizamiento
5.4.3
Metodología Box-Jenkins
5.5
Validación de supuestos
5.6
Pronósticos
5.7
Ejercicios
6
Estadística No Paramétrica
6.1
Por qué y para qué?
6.2
Modelos básicos
6.2.1
Prueba de signos
6.2.2
Prueba de Rangos con Signos
6.2.3
Prueba de Mann-Whitney-Wilcoxon
6.2.4
Prueba de Kruskal-Wallis
6.3
Ejercicios
7
Palabras Finales
Referencias
Published with bookdown
Modelos de Regresión: Una aproximación práctica con R
Capítulo 6
Estadística No Paramétrica
6.1
Por qué y para qué?
6.2
Modelos básicos
6.2.1
Prueba de signos
6.2.1.1
Ejemplos
6.2.2
Prueba de Rangos con Signos
6.2.2.1
Ejemplos
6.2.3
Prueba de Mann-Whitney-Wilcoxon
6.2.3.1
Ejemplos
6.2.4
Prueba de Kruskal-Wallis
6.2.4.1
Ejemplos
6.3
Ejercicios