C. Cadarso Suarez, J. Espasandín-Domínguez, F. Gude Sampedro
En la literatura estadística se han propuesto varias alternativas flexibles al Modelo Lineal Generalizado (GLM) de respuesta transformada, basadas en los Modelos Aditivos Generalizados (GAM) y Aditivos Estructurados (STAR) bayesianos. En estas modelizaciones, el predictor lineal es sustituido por uno semiparamétrico, utilizando diversas técnicas de suavización. En ocasiones, interesa modelizar no sólo el efecto de las covariables en la media, sino también en otros parámetros de la distribución de la respuesta. En este trabajo, se revisarán nuevas técnicas de regresión distribucional, en las que se asume una gran variedad de distribuciones complejas para la respuesta, usando modelos GAM de Localización, Escala y Forma (GAMLSS). Asimismo, se presentarán extensiones a respuestas multivariantes, utilizando GAMs vectoriales (VGAM) y modelos STAR, así como el software disponible para su ajuste. La utilidad de la regresión distribucional se ilustrará con datos reales biomédicos.
Palabras clave: GLM, GAM, GAMLSS, STAR, VGAM, Distributional Regression
Programado
L03 Conferencia Plenaria Sixto Ríos
5 de septiembre de 2016 10:00
Paraninfo Envases de Cartón
