Resultado de búsqueda
Los tipos de regresión dependen del tipo de escala de la variable dependiente o respuesta. Si es continua, será regresión lineal (si la respuesta distribuye paramétrica) o regresión lineal generalizada (si la respuesta distribuye no paramétrica). El modelo de regresión reporta los coeficientes βeta.
- Pregunta, Hipótesis Y Objetivos De Una Investigación
Por otra parte, desde el punto de vista estadístico, dentro...
- Pregunta, Hipótesis Y Objetivos De Una Investigación
La variable dependiente principal fue el nivel de activación para el autocuidado según la Medida de activación del paciente de 13 ítems. (PAM-13). Se realizaron modelos de regresión lineal simple y múltiple para identificar los determinantes asociados a la puntuación PAM-13.
Los principales modelos predictivos de aprendizaje automático aplicado en medicina han sido: redes neuronales (tanto redes fully connected, como las convolucionales y recurrentes), support vector machine, árboles de decisión, random-forest, regresiones lineales, modelos bayesianos (naive bayes), y vecinos
El objetivo de esta revisión es presentar recomendaciones prácticas sobre la forma de crear un modelo multivariable simplificado y efectivo. En la Tabla 1 se indican los pasos generales que deben seguirse en la elaboración de cualquier modelo de regresión.
Los modelos lineales generalizados (MLG, o GLM por sus siglas en inglés) son una extensión de la estructura de la regresión lineal ordinaria con la que se pretende analizar variables dependientes cuya distribución del error es diferente de la normal.
Por ejemplo, la ecuación y=2+5x 1-3x 2 +8x 3 es un modelo de regresión lineal, ya que relaciona matemáticamente tres variables independientes (x 1, x 2, x 3) con una variable dependiente (y) y, además, la relación entre las variables es lineal.
13 de dic. de 2020 · El objetivo del presente artículo de revisión es el de suministrar una guía teórico-práctica sobre los aspectos básicos de la regresión lineal, haciendo hincapié en el desarrollo del método de...
