Modelado

1
Modelado estadstico de datos

conducta = f ( variables) y = f (x1, x2,..., xn)
Curso de doctorado (Anlisis estadstico de datos). Universidad de Mlaga Marcos Ruiz Soler
Objetivos
Adoptar un enfoque de explicacin de los fenmenos como bsqueda de un modelo simple y eficaz para describir conjuntos de datos Conocer los elementos constituyentes de todo modelo estadstico-matemtico Aprender las etapas seguidas en el proceso de modelizacin matemtica de fenmenos comportamentales
Esquema
1. Realidad, conocimiento y matemticas 2. La construccin de modelos matemticos 2.1. Modelos como integracin de teora y datos 2.2. Elementos de un modelo matemtico 2.2.1. Los elementos empricos del modelo 2.2.2. Los elementos tericos del modelo 2.2.3. La estructura del modelo 2.3. Etapas del modelado estadstico 2.3.1. Especificacin de modelos 2.3.2. Estimacin de parmetros 2.3.3. Seleccin de un modelo 2.3.4. Evaluacin del modelo 2.3.5. Interpretacin del modelo 4. Los MLGs como enfoque unificado para la modelizacin
Realidad, conocimiento y matemticas

R
Pues resulta que hacer un doctorado est muy bien porque bla bla bla...
M
modelo matemtico
Yi = i + i
Los modelos como sntesis comunicativa

Cuando se enfrentan con los hechos brutos de la experiencia, nuestras mentes buscan pautas y abreviaturas de la informacin que estos hechos proporcionan. Si la secuencia de experiencias no es aleatoria, entonces poseer alguna pauta que permita que la informacin que contiene sea representada en forma abreviada sin ninguna degradacin de su contenido. Si no hay disponible tal regla mnemotcnica, la secuencia de experiencias ser considerada aleatoria y no podr ser comunicada de forma alguna excepto mediante una repeticin exacta. La ciencia es la bsqueda de tales abreviaturas, o compresiones, de los frutos de la experiencia. Esta bsqueda es notablemente exitosa, un hecho que da testimonio de la extraordinaria compresibilidad del universo en el que vivimos.
La construccin de modelos matemticos

modelos matemticos
determinsticos
estadsticos
explicativos
descriptivos
Modelos como integracin de teoras y datos

Nivel terico ideas
Nivel emprico
manipulacin
aleatorizacin
experimentacin experimentacin
observacin observacin
Representacin formal MODELO MODELO

Elementos de un modelo matemtico
elementos elementosempricos empricos
elementos elementos tericos tericos
estructura estructura
Elementos empricos del modelo

variable dependiente o de respuesta fenmeno causas
codificacin ficticia (dummy coding)
variables independientes o explicativas
codificacin de efectos (effect coding)
Elementos tericos del modelo
Vector Vector de de la la respuesta respuesta media media Variables mtricas variables de frecuencia y conteo variables categricas ordinales nominales Vector Vector del del predictor predictor lineal lineal componente sistemtico + componente aleatorio
de qu variable estamos hablando?

Variables de investigacin
LATENTE (investigada) continua
OBSERVADA (registrada) ordinal

Respuesta dada en una escala de Likert (v.g. favorable)
MODELADA (analizada) logit
Actitud hacia el enfoque del modelado estadstico
Valores de tasa de cambio resultado del anlisis estadstico
La estructura del modelo
g ( i ) = i = 0 + 1 X i + i
funcin de enlace componente sistemtico componente aleatorio
identidad simple transf. logartmica transformacin logit tr. logit generalizada transformacin probit
regresin lineal regresin de Poisson regresin de Cox regresin logstica regresin logit etctera
Modelo de probabilidad normal binomial multinomial Poisson etc.
Etapas del modelado estadstico

Especificacin de modelos Estimacin de parmetros Seleccin de un modelo Evaluacin del modelo Interpretacin del modelo
Especificacin del modelo

Nivel conceptual Nivel matemtico Modelo general
Datos = Modelo + Error Datos = Ajuste + Residual
Yi = i + i
parmetros poblacionales estimadores muestrales
i = 0 + 1 X i
i = b0 + b1 x i
Estimacin de parmetros
Procedimientos de estimacin
Mnimos cuadrados ordinarios (Ordinary Least Squares, OLS) Mxima Verosimilitud (Maximum Likelihood, ML) Algoritmo: Mnimos cuadrados iterativamente ponderados (Iterative Weighted Least Squares, IWLS)
STOP
estimacin inicial (j) clculo de valores predichos (i) v. de respuesta de trabajo (Zi) estimacin por IWLS
se cumple criterio de convergencia? NO
Seleccin de un modelo
Estrategias de comparacin Estrategia de ajuste global
Bondad de ajuste = v.observados - v. esperados = yi - m i
Parsimonia del modelo
Discrepancia D = MS - MT <
Estrategia de ajuste condicional D = MA - MR
MS = Modelo saturado MN = Modelo nulo

Reduccin del error
Test de la razn de verosimilitud (Likelihood ratio test)
MT = Modelo de trabajo MA = Modelo ampliado MR = Modelo restringido
Evaluacin del modelo

Errores procedimentales o de modelado
Errores de medida de las variables Errores de especificacin de la distribucin de probabilidad Errores de especificacin del componente sistemtico Error de especificacin de la funcin de enlace
Evaluacin del modelo

Anlisis de observaciones individuales
observaciones aberrantes
outliers
influentials
Interpretacin del modelo

criterio criterio lgico lgico criterio criterio estadstico estadstico criterio criterio sustantivo sustantivo
parsimonia parsimonia
ajuste ajuste
explicacin explicacin
Conclusiones
Los modelos son simplificaciones de la realidad que nos ayudan a comprenderla y explicarla Un modelo estadstico-matemtico captura gran parte de la variabilidad del fenmeno estudiado El modelado estadstico constituye una excelente estrategia de anlisis de datos en ciencias del comportamiento

Modelado

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modelado

Загружено:

Авторское право:

Доступные форматы

1

Modelado estadstico de datos

Realidad, conocimiento y matemticas

Los modelos como sntesis comunicativa

La construccin de modelos matemticos

Modelos como integracin de teoras y datos

Representacin formal MODELO MODELO

Elementos de un modelo matemtico

elementos elementosempricos empricos

elementos elementos tericos tericos

Elementos empricos del modelo

variables independientes o explicativas

codificacin de efectos (effect coding)

Elementos tericos del modelo

de qu variable estamos hablando?

LATENTE (investigada) continua

OBSERVADA (registrada) ordinal

MODELADA (analizada) logit

Actitud hacia el enfoque del modelado estadstico

Valores de tasa de cambio resultado del anlisis estadstico

La estructura del modelo

Modelo de probabilidad normal binomial multinomial Poisson etc.

Etapas del modelado estadstico

Especificacin del modelo

Datos = Modelo + Error Datos = Ajuste + Residual

Estrategia de ajuste condicional D = MA - MR

MS = Modelo saturado MN = Modelo nulo

Test de la razn de verosimilitud (Likelihood ratio test)

MT = Modelo de trabajo MA = Modelo ampliado MR = Modelo restringido

Evaluacin del modelo

Evaluacin del modelo

Interpretacin del modelo

Вам также может понравиться