Documentos de Académico
Documentos de Profesional
Documentos de Cultura
logı́stica
Escuela de Estadı́stica
Universidad del Valle
Cali-Colombia
Diciembre 18 2020
1 Introducción
2 Regresión logı́stica
3 El problema de separación
4 Ejercicio de aplicación
5 Bibliografı́a
Regresión logı́stica
Problemas de convergencia
Problemas de convergencia
Posibles soluciones
Definición
exp(ηi ) exp(xi0 β)
πi = = (1)
1 + exp(ηi ) 1 + exp(xi0 β)
n n
X πi X
l(π|y1 , ..., yn ) = yi log + log(1 − πi ) (3)
i=1
1 − πi i=1
n
X n
X
l(β|y1 , ..., yn ) = yi log xi0 β − log(1 − exp xi0 β) (4)
i=1 i=1
n n
X (yi − πi )xij ∂πi X
U(βj ) = = (yi − πi )xij (6)
π i (1 − πi ) ∂ηi
i=1 i=1
Tipos separación
Tipos separación
Tipos de separación
Causas de la separación
Según Correa & Valencia (2011), este problema tiene dos principales.
• Error de diseño: asociado a una mala planeación del
experimento y desconocimiento del comportamiento de la
variable de respuesta
• Escasez de los datos: sea mas común, sobre todo cuando se
quiere modelar poblaciones con caracterı́sticas muy especificas
Diagnostico
Soluciones al problema
Modelo a estimar
exp(β0 + β1 x1 + β2 x2 )
πi =
1 + exp(β0 + β1 x1 + β2 x2 )
Los resultados con la función glm de R son los siguientes.
Df Deviance Resid. Df Resid. Dev
NULL 78 76.79
x1 1 76.79 77 0.00
x2 1 0.00 76 0.00
estimación de parámetros
y=0
3.0
y=1
2.5
2.0
x2
1.5
1.0
0.5
0 10 20 30 40 50
x1
Aplicando Firth
Aplicando Firth
y=0
3.0
y=1
2.5
2.0
x2
1.5
1.0
0.5
0 10 20 30 40 50
x1
Conclusiones
Bibliografı́a I
Bibliografı́a II
Bibliografı́a III