Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROBLEMAS
C17.1 Use los datos en PNTSPRD.RAW para este ejercicio.
i) La variable favwin es una variable binaria si el equipo favorecido
por la diferencia de puntos (spread) predicha por Las Vegas gana. Un
modelo de probabilidad lineal para estimar si el equipo favorecido
gana es
P (f avwin = 1 | spread) = 0 + 1 spread
H0 : 0 = 0
Ha : 0 6= 0
t = (0, 07116)/0, 17322 = 0, 41
3
vi) Agregue las variables favhome, fav25 y und25 al modelo pro-
bit y pruebe la signicancia conjunta de estas variables mediante la
prueba de razn de verosimilitudes. (Cuntos gl hay en la distribu-
cin ji-cuadrada?) Interprete este resultado enfocndose en la pre-
gunta de si la diferencia de puntos incorpora toda la informacin
observable antes de un juego.
Call:
glm(formula = favwin ~ spread + fav25 + favhome + und25, family =
binomial(link = "logit"))
Deviance Residuals:
Min 1Q Median 3Q Max
-2.6223 0.1502 0.4592 0.8058 1.2230
Coecients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.16342 0.21698 -0.753 0.451
spread 0.15477 0.02367 6.538 6.22e-11 ***
fav25 0.04827 0.27617 0.175 0.861
favhome 0.27047 0.23146 1.169 0.243
und25 -0.36849 0.41501 -0.888 0.375
Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 605.50 on 552 degrees of freedom
Residual deviance: 525.89 on 548 degrees of freedom
AIC: 535.89
with(modelo17lv,null,deviance-deviance)
[1] 79.60808
with(modelo17lv,pchisq(null,deviance-deviance,df.null-df.residual))
[1] 1
1-with(modelo17lv,pchisq(null,deviance-deviance,df.null-df.residual))
[1] 2.220446e-16
La mejora del modelo fue de 79,61 al aumentar las variables fav25, favhome
y und25. El modelo es signicativo.
Hiptesis nula ambos coecentes son 0
Hiptesis alternativa: Al menos uno de los 2 debe ser diferente de cero.
Se rechaza Ho, por lo tanto las variables son signicativas.
C17.2 Use los datos en LOANAPP.RAW para este ejercicio; vea tam-
bin el ejercicio en computadora C7.8.
4
i) Estime un modelo probit de approve sobre white. Encuentre
la probabilidad de que se apruebe un prstamo tanto para blancos
como para no blancos. Cmo se compara esto con las estimaciones
de probabilidad lineal?
5
Aadiendo todas estas varibales podemos ver que si existe una fuerte discrim-
inacin contra los no blancos. Los blancos tienen ms del 50% de probabilidades
de ser aceptado.
iii) Estime el modelo de la parte ii) mediante logit. Compare el
coeciente de white respecto a la estimacin probit.