4.

Regresin Logstica o binaria: Se ocupa para saber si ocurrir un evento, dada una serie de
variables. Existen 2 posibles casos, xito o fracaso. Las variables son independientes y pueden ser
cualitativas o cuantitativas. Este tipo de regresin se puede utilizar para variables odds ratio, ya
que estn distribuidas de forma binomial, cuando las variables no son lineales y en presencia de
heteroscedasticidad. El modelo se basa en el logaritmo natural de la probabilidad partida en su
complemento.

5. La utilidad de un modelo se puede evaluar mediante mtodos de validacin cruzada como

validation test approach o LOOCV, donde el primero se basa en dividir la muestra en dos partes,
con la primera realizar la prueba y con el segundo el ajuste o entrenamiento, este mtodo es
simple y solo tiene una iteracin. Una de sus falencias es que el error de la validacin es mayor
que el error total, y adems este vara dependiendo de que datos se usen para la prueba y cuales
para el ajuste. El LOOCV consiste en generar mltiples iteraciones con la muestra, y en cada una
tomar solo un dato para validar, con esto se soluciona el problema del error del primer mtodo. Su
falencia es que la programacin es ms compleja y dada a la magnitud de las iteraciones se
necesita ms tiempo de procesamiento o un ordenador ms potente.

6. Primero se recolectan los datos, o se sacan de una base de datos, luego se grafican para ver que
modelo pueden seguir. Se verifica si existe informacin a priori del tema para tener un punto que
seguir o rechazar. Siguientemente se verifican las condiciones, que tipos de variables se tienen,
que distribucin siguen, si cumplen los requisitos de la distribucin, etc. Luego se elige un mtodo
para realizar las pruebas y el ajuste, como el LOOCV, est har lo ya mencionado en la pregunta 5,
y finalmente obtendremos una funcin que explicara al modelo en un porcentaje dado segn la
validacin de est.