L. Naranjo, C. J. Pérez Sánchez, J. Martín Jiménez
Los modelos lineales generalizados permiten describir la dependencia de datos sobre variables explicativas cuando la variable respuesta es binaria. La elección de la liga es un tema importante. Las más usadas son las inversas de la cdf logística y normal. Ambas ligas son simétricas, por lo que el ajuste de un modelo puede ser mejorado mediante ligas asimétricas. La proporción de cambio en la cual la probabilidad de que una respuesta binaria dada se aproxime a 1 o 0 ayuda para describir la liga. En este trabajo se presenta un modelo Bayesiano de regresión binaria que utiliza como liga a la inversa de la cdf de la distribución potencial-exponencial asimétrica. Esta familia de distribuciones incluye como caso particular a la distribución potencial-exponencial simétrica y, además, incorpora distribuciones con formas platicúrticas y/o leptocúrticas. La introducción de variables latentes y el uso de una representación de mixturas permiten desarrollar algoritmos de Gibbs eficientes.
Palabras clave: datos binarios, distribución potencial-exponencial asimétrica, regresión bayesiana, modelos lineales generalizados
Programado
XC1a Pósters (Estadística)
18 de abril de 2012 12:00
Salón Madrid
