RT Generic
T1 Regresión xeralizada aplicada
A1 Camino Enriquez, Alba
AB Os modelos de regresión serven para explicar e modelar a relación que existe entre unhavariable resposta e unha ou máis variables explicativas. Tomando como base o modelo de regresiónlineal simple clásico presentaremos distintas extensións que permitan xeralizar dito modelo. Enconcreto, expoñeremos dous modelos de regresión sobre unha variable resposta discreta: o modelode regresión loxística e o modelo de Poisson. É dicir, estes modelos en lugar de presentar unhadistribución continua como era a normal para o caso lineal, presentan distribucións discretas comoé a de Bernoulli e distribución de Poisson respectivamente. Ademais, cada un destes modelospresenta características e aplicacións particulares que se expoñen ao longo do traballo. O modelode regresión loxística aplícase cando a nosa variable resposta categórica é dicotómica. Mentresque, o modelo de Poisson é común empregalo para datos de conteo. Ámbolos dous modelos,serán empregados sobre diferentes bases de datos relacionadas co ámbito da saúde e poderemostratar as mesmas cuestións que para os modelos lineais. Incluso, algunhas destas cuestións seanalizarán dun xeito moi similar. Sen embargo, debido a presenza da variable resposta discretaque os caracteriza, acharemos aspectos onde surxirán máis dificultades.
AB Regression models serve to explain and shape the relationship between a response variableand one or more explanatory variables. This essay shows the different extensions that allow us togeneralize this model taking the simple classic linear regression model as a reference. Specifically,interpreting two regression models on a discrete response variable: logistic regression model andPoisson’s model. Meaning these models instead of presenting a continuous distribution as thenormal distribution in the linear case, they present discrete distributions such as the Bernoullidistribution and the Poisson distribution respectively. In addition, each of these models haveparticular characteristics and applications that will be examined. The logistic regression model is applied when our categorical response variable is dichotomous. Whereas, Poisson’s model iscommonly used for count data. Both models will be implemented using different health-relateddatabases and it is possible to address the same questions that for linear models. Even someof those questions can be studied in a very similar way. However, owing to the presence of thediscrete response of variable that portrayed them, it is possible to attribute some aspects wheremore difficulties will emerge.
YR 2022
FD 2022-07
LK http://hdl.handle.net/10347/30181
UL http://hdl.handle.net/10347/30181
LA glg
NO Traballo Fin de Grao en Matemáticas. Curso 2021-2022
DS Minerva
RD 24 abr 2026