Mostrar el registro sencillo del documento
Estudio comparativo de los métodos de diagnóstico para modelos lineales mixtos y modelos lineales generalizados
dc.rights.license | Reconocimiento 4.0 Internacional |
dc.contributor.advisor | Esteban Duarte, Nubia |
dc.contributor.author | Morales Foronda, Andrés Felipe |
dc.date.accessioned | 2023-05-26T23:17:42Z |
dc.date.available | 2023-05-26T23:17:42Z |
dc.date.issued | 2022 |
dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/83885 |
dc.description | graficas, tablas |
dc.description.abstract | Muchos fenómenos de la naturaleza pueden ser representados por medio de modelos estadísticos de forma satisfactoria y, para validar estos modelos, los métodos de diagnóstico resultan ser herramientas muy útiles para la verificación de un buen ajuste. La aplicación de los métodos de diagnóstico es relativamente sencilla para modelos de regresión lineal clásicos, sin embargo el proceso es más complicado cuando se consideran modelos más generales y con fuentes adicionales de variabilidad, como es el modelo lineal mixto o modelos con respuesta binaria o de conteo, como es el caso de modelos lineales generalizados y modelos lineales generalizados mixtos, que en general requieren el uso de técnicas de análisis de residuales y de sensibilidad más complejas. En este trabajo se presentan diferentes estrategias relacionadas con el diagnóstico de modelos, introduciendo tanto los enfoques clásicos, que son habitualmente utilizados, así como los enfoques más recientes. Las metodologías derivadas serán estudiadas para modelos lineales mixtos, modelos lineales generalizados y modelos lineales generalizados mixtos, enfatizando su utilización en diferentes aplicaciones. (Texto tomado de la fuente) |
dc.description.abstract | Many natural phenomena can be represented by means of statistical models in a satisfactory way and, to validate such models, diagnostic methods are very useful tools for the verification of a good fit. The application of diagnostic methods is relatively simple for classical linear regression models, however the process becomes more complicated when considering more general models with additional sources of variability, such as the linear mixed model or models with a binary or counting response as in the case of generalized linear models and generalized linear mixed models, which in general require the use of more complex residual and sensitivity analysis techniques. In this paper different strategies related to model diagnostics are presented, introducing both classical approaches, which are commonly used as well as more recent approaches. The derived methodologies will be studied for linear mixed models, generalized linear models and generalized linear mixed models emphasizing their use in different applications. |
dc.format.extent | 119 páginas |
dc.format.mimetype | application/pdf |
dc.language.iso | spa |
dc.publisher | Universidad Nacional de Colombia |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ |
dc.subject.ddc | 500 - Ciencias naturales y matemáticas |
dc.title | Estudio comparativo de los métodos de diagnóstico para modelos lineales mixtos y modelos lineales generalizados |
dc.type | Trabajo de grado - Maestría |
dc.type.driver | info:eu-repo/semantics/masterThesis |
dc.type.version | info:eu-repo/semantics/acceptedVersion |
dc.publisher.program | Manizales - Ciencias Exactas y Naturales - Maestría en Ciencias - Matemática Aplicada |
dc.description.degreelevel | Maestría |
dc.description.degreename | Magíster en Ciencias - Matemática Aplicada |
dc.identifier.instname | Universidad Nacional de Colombia |
dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl | https://repositorio.unal.edu.co/ |
dc.publisher.faculty | Facultad de Ciencias Exactas y Naturales |
dc.publisher.place | Manizales, Colombia |
dc.publisher.branch | Universidad Nacional de Colombia - Sede Manizales |
dc.relation.references | Banerjee, M., & Frees, E. W. (1997). Influence diagnostics for linear longitudinal models. Journal of the American Statistical Association, 92 (439), 999-1005. |
dc.relation.references | Bates, D., M¨achler, M., Bolker, B., & Walker, S. (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67 (1), 1-48. https://doi.org/10.18637/jss.v067.i01 |
dc.relation.references | Bates, D., Maechler, M., & Bolker, B. (2019). MEMSS: Data Sets from Mixed-Effects Models in S [R package version 0.9-3]. https://CRAN. R-project.org/package=MEMSS |
dc.relation.references | Bates, D., Maechler, M., & Bolker, B. (2020). mlmRev: Examples from Multilevel Modelling Software Review [R package version 1.0-8]. https: //CRAN.R-project.org/package=mlmRev |
dc.relation.references | Beckman, R. J., Nachtsheim, C. J., & Cook, R. D. (1987). Diagnostics for mixed–model analysis of variance. Technometrics, 29 (4), 413-426. |
dc.relation.references | Breslow, N. E., & Clayton, D. G. (1993). Approximate inference in generalized linear mixed models. Journal of the American statistical Association, 88 (421), 9-25. |
dc.relation.references | Brown, C. C. (1982). On a goodness of fit test for the logistic model based on score statistics. Communications in Statistics-Theory and Methods, 11 (10), 1087-1105. |
dc.relation.references | Brown, H., & Prescott, R. (2015). Applied mixed models in medicine. John Wiley & Sons. |
dc.rights.accessrights | info:eu-repo/semantics/openAccess |
dc.subject.proposal | Modelo lineal mixto |
dc.subject.proposal | Modelo lineal generalizado |
dc.subject.proposal | Modelo lineal generalizado mixto |
dc.subject.proposal | Residuales |
dc.subject.proposal | Diagnóstico |
dc.subject.proposal | Análisis de influencia |
dc.subject.proposal | Datos longitudinales |
dc.subject.proposal | Medidas repetidas |
dc.subject.proposal | Linear mixed model |
dc.subject.proposal | Generalized linear model |
dc.subject.proposal | Generalized linear mixed model |
dc.subject.proposal | Residuals |
dc.subject.proposal | Diagnostic |
dc.subject.proposal | Influence analysis |
dc.subject.proposal | Longitudinal Data |
dc.subject.proposal | Repeated measures |
dc.title.translated | Comparative study of diagnostic methods for linear mixed models and generalized linear models. |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa |
dc.type.content | Image |
dc.type.content | Text |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 |
dcterms.audience.professionaldevelopment | Bibliotecarios |
dcterms.audience.professionaldevelopment | Estudiantes |
dcterms.audience.professionaldevelopment | Investigadores |
dcterms.audience.professionaldevelopment | Maestros |
dcterms.audience.professionaldevelopment | Público general |
dc.description.curriculararea | Matemáticas Y Estadística.Sede Manizales |
Archivos en el documento
Este documento aparece en la(s) siguiente(s) colección(ones)
![Reconocimiento 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-generic.png)