Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
X2 ,
X3 ,
Asumiendo una distribucin a priori conjunta para , 2 , ajuste un modelo de regresin lineal desde el
enfoque bayesiano, utilizando 20000 (20 mil) iteraciones para las simulaciones necesarias.
>
>
>
>
datosbayes<-read.table(file.choose(),T)
attach(datosbayes)
modelo<-lm(Y~X1+X2+X3+X4+X5,x=T,y=T)
summary(modelo)
Call:
lm(formula = Y ~ X1 + X2 + X3 + X4 + X5, x = T, y = T)
Residuals:
Min
1Q
-11.6079 -4.4207
Median
-0.5711
3Q
2.4104
Max
23.8961
Coefficients:
Estimate Std. Error t value
(Intercept) 3.70822
5.84778
0.634
X1
-0.63093
0.29999 -2.103
X2
0.11689
0.09515
1.228
X3
-0.60021
0.13393 -4.482
X4
0.25742
0.04467
5.762
X5
0.50710
0.16766
3.025
--Signif. codes: 0 *** 0.001 ** 0.01
Pr(>|t|)
0.52980
0.04213
0.22684
6.60e-05
1.21e-06
0.00445
*
***
***
**
* 0.05 . 0.1 1
XX3
-0.5912291
XX4
0.2562497
XX5
0.5099773
> apply(muestra_sim$beta,2,median)
X(Intercept)
XX1
XX2
3.3809757
-0.6129440
0.1216525
XX3
-0.6100381
XX4
0.2598017
XX5
0.4921846
XX3
0.019002360
XX4
0.002551170
XX5
0.030537450
Una ciudad cuenta con 10 000 habitantes, de los cuales el 25% son menores de edad, slo el 13.5% paga
puntualmente sus arbitrios y el 34% aprueba la gestin del alcalde. Adems se sabe que esta ciudad ha
experimentado un incremento del 1.5% en su poblacin respecto de hace 10 aos.
> X_nuevo<-c(1,10,1.5,25,13.5,34)
> estim_media<-blinregexpected(rbind(X_nuevo),muestra_sim)
> apply(estim_media,2,mean)
[1] 3.345408
> apply(estim_media,2,median)
[1] 3.269348
> estim_pred<-blinregpred(rbind(X_nuevo),muestra_sim)
> apply(estim_pred,2,mean)
[1] 3.247669
> apply(estim_pred,2,median)
[1] 3.303752
2 | y ~ 2 n k , s 2
s2
1
T
y - X y - X
nk
> n<-44
> k<-6
> n-k
[1] 38
> X<-cbind(1,X1,X2,X3,X4,X5)
> Beta_clas<-solve(t(X)%*%X)%*%t(X)%*%Y
> Beta_clas
[,1]
3.7082178
X1 -0.6309261
X2 0.1168855
X3 -0.6002120
X4 0.2574180
X5 0.5071035
> beta<-coef(modelo)
> beta
(Intercept)
X1
X2
X3
X4
3.7082178 -0.6309261
0.1168855 -0.6002120
0.2574180
> s2<-1/38*t(Y-X%*%Beta_clas)%*%(Y-X%*%Beta_clas)
> s2
[,1]
[1,] 45.06599
> s2<-1/38*t(Y-X%*%beta)%*%(Y-X%*%beta)
> s2
[,1]
[1,] 45.06599
X5
0.5071035
2000
Frequency
5000
2000
0
Frequency
INTERCEPTO
-20
-10
10
20
30
-2.0
-1.5
-1.0
-0.5
5000
2000
0
2000
Frequency
4000
% MENORES DE EDAD
Frequency
0.5
-0.2
0.0
0.2
0.4
0.6
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
2000
Frequency
4000
0
4000
SD
8000
% PAGADORES PUNTUALES
Frequency
0.0
0.0
0.1
0.2
0.3
4
0.4
0.5
10
12
40
20
0
-20
% crmenes
60
80
10
20
30
ndice
40
5
8.202940e-24
11
1.839872e-04
17
3.068316e-07
23
5.404714e-09
29
7.975468e-06
35
1.772597e-09
41
6.083591e-11
1.0
> x1<-datosbayes[,1]
> plot(x1,prob.out)
> identify(x1,prob.out,label=ID,n=3)
[1] 7 19 32
0.4
prob.out
0.6
0.8
19
0.0
0.2
32
10
x1
15
6
3.498434e-02
12
5.473361e-08
18
4.162419e-08
24
1.188468e-03
30
6.170319e-02
36
2.927904e-10
42
4.112193e-05