Jesús David Mosquera
2011-May-12 18:27 UTC
[R-es] Calibración y predicción de intervalos de confianza
Buenas tardes, Recurro a ustedes para solicitarles su ayuda con información sobre paquetes en R que trabajen el tema de calibración y predicción de intervalos de confianza en regresión no lineal. Muchas gracias. Jesús David Mosquera Mosquera Estudiante Estadística Universidad Nacional de Colombia Sede Medellín " Deberíamos vivir más sencillamente para que otros puedan sencillamente viviR" - Anónimo [[alternative HTML version deleted]]
Jorge Ivan Velez
2011-May-12 19:01 UTC
[R-es] Calibración y predicción de intervalos de confianza
Jesus, Mi experiencia es poca en este tipo de modelos, pero podrias comenzar dandole una mirada a "nls2" (ver [1]), en particular a la funcion "nls". Si tienes una variable respuesta "y", covariables X = (x1, ..., xk) en un data.frame() llamado "tusdatos" y quieres estimar los parametros de una funcion f(X) tal que y = f(X), entonces lo siguiente podria darte una idea: library(nls2) modelo <- nls(y ~ f(x1, x2, ..., xn), data = tusdatos) predict(as.lm(modelo), interval = "confidence") # para intervalos de confianza predict(as.lm(modelo), interval = "prediction") # para intervalos de prediccion Otra alternativa es usar bootstrap. Basicamente debes aplicar muestreo sobre "y" en tus datos manteniendo las X''s fijas, ajustar el modelo no lineal sobre estos "nuevos" datos y luego calcular los valores predichos. Finalmente repites el proceso B veces y calculas los percentiles alpha/2 y 1-alpha/2 para cada valor de "y" basado en esas B replicas. Una manera sencilla de hacer todo este proceso es usando la funcion "boot" que se encuentra en el paquete con el mismo nombre: require(boot) ?boot En stats la funcion "simulate" puede servirte tambien. A traves de ella podrias simular un vector de respuestas y* basado en el modelo ajustado y finalmente calcular los percentiles. Puedes encontrar mas informacion en ?simulate Un saludo, Jorge Ivan Velez [1] http://cran.r-project.org/web/packages/nls2/ 2011/5/12 Jesús David Mosquera <>> > Buenas tardes, > Recurro a ustedes para solicitarles su ayuda con información sobre paquetes > en R que trabajen el tema de calibración y predicción de intervalos de > confianza en regresión no lineal. > Muchas gracias. > > Jesús David Mosquera Mosquera > Estudiante Estadística > Universidad Nacional de Colombia > Sede Medellín > " Deberíamos vivir más sencillamente para que otros puedan sencillamente > viviR" - Anónimo > > > > > > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >[[alternative HTML version deleted]]
Jorge Ivan Velez
2011-May-12 19:48 UTC
[R-es] Calibración y predicción de intervalos de confianza
Kenneth, La linea myboot <- bs(datos, unvalor, R = 1000, x1 = mivalordex1, x2 = mivalordex2) deberia haber sido myboot <- boot(datos, unvalor, R = 1000, x1 = mivalordex1, x2 = mivalordex2) Lo siento. Creo que es hora de ir por cafe. --JIV 2011/5/12 Jorge Ivan Velez <>> Apreciado Kenneth, > > Basicamente debes crear una funcion que tome como argumento un conjunto de > datos "d" y prediga el valor "y" para los valores de X=(x1,x2,...,xn) que te > interesan. Este proceso lo repites B veces y luego usas quantile (o boot) > para estimar lo que necesitas. Como menciono abajo, boot() resuelve mucho > de esto. > > El IC para el valor especifico podrias estimarlo con BS manteniendo fijos > x1 y x2 como en la siguiente funcion que predice el valor medio de "y" > cuando x1 y x2 son fijos. Espero te de una idea: > > unvalor <- function(datos, index, x1new, x2new){ > datos <- datos[index, ] > modelo <- lme(y ~ x1 + x2, data = datos) > newd <- data.frame(x1 = x1new, x2 = x2new) > predict(modelo, data = newd) > } > > luego usas boot() para obtener el IC: > > myboot <- bs(datos, unvalor, R = 1000, x1 = mivalordex1, x2 = mivalordex2) > myboot$t # para obtener los valores predichos en cada simulacion > myci <- boot.ci(myboot, type = ''basic'') > myci # IC > > > Podrias ser un poco mas especifico en cuanto los IC para "el valor medio"? > Te refieres al IC para cada valor predicho de "y" usando el modelo nlme? > > Cuidate, > Jorge > > * > > * > 2011/5/12 Kenneth Roy Cabrera Torres <> > > Hola Jorge Iván: >> >> Te pregunto: En un modelo mixto estimado mediante lme() de la biblioteca >> nlme, ¿Cómo sería hacer los intervalos por boostrap para el valor medio >> y para un valor específico? >> >> Porque el "predict()" de los modelos lme no tienen el cálculo >> de los intervalos de confianza. >> >> Muchas gracias por tu ayuda. >> >> >> >> El jue, 12-05-2011 a las 15:01 -0400, Jorge Ivan Velez escribió: >> > Jesus, >> > >> > Mi experiencia es poca en este tipo de modelos, pero podrias comenzar >> > dandole una mirada a "nls2" (ver [1]), en particular a la funcion "nls". >> Si >> > tienes una variable respuesta "y", covariables X = (x1, ..., xk) en un >> > data.frame() llamado "tusdatos" y quieres estimar los parametros de una >> > funcion f(X) tal que y = f(X), entonces lo siguiente podria darte una >> idea: >> > >> > library(nls2) >> > modelo <- nls(y ~ f(x1, x2, ..., xn), data = tusdatos) >> > predict(as.lm(modelo), interval = "confidence") # para intervalos de >> > confianza >> > predict(as.lm(modelo), interval = "prediction") # para intervalos de >> > prediccion >> > >> > Otra alternativa es usar bootstrap. Basicamente debes aplicar muestreo >> sobre >> > "y" en tus datos manteniendo las X''s fijas, ajustar el modelo no lineal >> > sobre estos "nuevos" datos y luego calcular los valores predichos. >> > Finalmente repites el proceso B veces y calculas los percentiles alpha/2 >> y >> > 1-alpha/2 para cada valor de "y" basado en esas B replicas. Una manera >> > sencilla de hacer todo este proceso es usando la funcion "boot" que se >> > encuentra en el paquete con el mismo nombre: >> > >> > require(boot) >> > ?boot >> > >> > En stats la funcion "simulate" puede servirte tambien. A traves de ella >> > podrias simular un vector de respuestas y* basado en el modelo ajustado >> y >> > finalmente calcular los percentiles. Puedes encontrar mas informacion en >> > ?simulate >> > >> > Un saludo, >> > Jorge Ivan Velez >> > >> > [1] http://cran.r-project.org/web/packages/nls2/ >> > >> > >> > 2011/5/12 Jess David Mosquera <> >> > >> > > >> > > Buenas tardes, >> > > Recurro a ustedes para solicitarles su ayuda con informacin sobre >> paquetes >> > > en R que trabajen el tema de calibracin y prediccin de intervalos de >> > > confianza en regresin no lineal. >> > > Muchas gracias. >> > > >> > > Jess David Mosquera Mosquera >> > > Estudiante Estadstica >> > > Universidad Nacional de Colombia >> > > Sede Medelln >> > > " Deberamos vivir ms sencillamente para que otros puedan >> sencillamente >> > > viviR" - Annimo >> > > >> > > >> > > >> > > >> > > >> > > >> > > >> > > [[alternative HTML version deleted]] >> > > >> > > >> > > _______________________________________________ >> > > R-help-es mailing list >> > > R-help-es@r-project.org >> > > https://stat.ethz.ch/mailman/listinfo/r-help-es >> > > >> > > >> > >> > [[alternative HTML version deleted]] >> > >> > _______________________________________________ >> > R-help-es mailing list >> > R-help-es@r-project.org >> > https://stat.ethz.ch/mailman/listinfo/r-help-es >> >> >> >[[alternative HTML version deleted]]
Kenneth Roy Cabrera Torres
2011-May-12 20:18 UTC
[R-es] Calibración y predicción de intervalos de confianza
Hola hombre Jorge:> > > Podrias ser un poco mas especifico en cuanto los IC para "el > valor medio"? Te refieres al IC para cada valor predicho de > "y" usando el modelo nlme? >Hola hombre, me refiero a que en regresión lineal uno tienen dos intervalos: El IC para la media de la predicción y el IC para un valor específico, Gracias por tu ayuda, hombre Jorge. Kenneth
Jorge Ivan Velez
2011-May-12 20:30 UTC
[R-es] Calibración y predicción de intervalos de confianza
Hola Kenneth, Me confundi ;-) Es posible calcular ambos via bootstrap. Eso si, hay que tener mucho cuidado al construir las funciones, e.g., que tan generales quieres que sean, numero de simulaciones, argumentos y reutilizacion de codigo. Un saludo, Jorge 2011/5/12 Kenneth Roy Cabrera Torres <>> Hola hombre Jorge: > > > > > > Podrias ser un poco mas especifico en cuanto los IC para "el > > valor medio"? Te refieres al IC para cada valor predicho de > > "y" usando el modelo nlme? > > > Hola hombre, me refiero a que en regresión lineal uno tienen dos > intervalos: El IC para la media de la predicción y el IC para > un valor específico, > > Gracias por tu ayuda, hombre Jorge. > > Kenneth > > >[[alternative HTML version deleted]]
Kenneth Roy Cabrera Torres
2011-May-12 20:38 UTC
[R-es] Calibración y predicción de intervalos de confianza
El jue, 12-05-2011 a las 16:30 -0400, Jorge Ivan Velez escribió:> Hola Kenneth, > > > Me confundi ;-) > > > Es posible calcular ambos via bootstrap. Eso si, hay que tener mucho > cuidado al construir las funciones, e.g., que tan generales quieres > que sean, numero de simulaciones, argumentos y reutilizacion de > codigo.¿Cuando dices generales te refieres a la contribución de la parte aleatoria del diseño mixto a la predicción del modelos?> > > Un saludo, > Jorge > > > > 2011/5/12 Kenneth Roy Cabrera Torres <> > Hola hombre Jorge: > > > > > > Podrias ser un poco mas especifico en cuanto los IC > para "el > > valor medio"? Te refieres al IC para cada valor > predicho de > > "y" usando el modelo nlme? > > > > Hola hombre, me refiero a que en regresión lineal uno tienen > dos > intervalos: El IC para la media de la predicción y el IC para > un valor específico, > > Gracias por tu ayuda, hombre Jorge. > > Kenneth > > > >
Jorge Ivan Velez
2011-May-12 21:02 UTC
[R-es] Calibración y predicción de intervalos de confianza
Hola Kenneth 2011/5/12 Kenneth Roy Cabrera Torres <>> El jue, 12-05-2011 a las 16:30 -0400, Jorge Ivan Velez escribió: > > Hola Kenneth, > > > > > > Me confundi ;-) > > > > > > Es posible calcular ambos via bootstrap. Eso si, hay que tener mucho > > cuidado al construir las funciones, e.g., que tan generales quieres > > que sean, numero de simulaciones, argumentos y reutilizacion de > > codigo. > > ¿Cuando dices generales te refieres a la contribución de la parte > aleatoria del diseño mixto a la predicción del modelos? >Si, asi es. Aunque en la prediccion (usando bootstrap) podrias estimar el mismo modelo (que incluiria los efectos aleatorios/mixtos que necesites) una y otra vez sin necesidad de especificarlos como un argumento mas de tu funcion. --JIV> > > > > > > Un saludo, > > Jorge > > > > > > > > 2011/5/12 Kenneth Roy Cabrera Torres <> > > Hola hombre Jorge: > > > > > > > > > Podrias ser un poco mas especifico en cuanto los IC > > para "el > > > valor medio"? Te refieres al IC para cada valor > > predicho de > > > "y" usando el modelo nlme? > > > > > > > Hola hombre, me refiero a que en regresión lineal uno tienen > > dos > > intervalos: El IC para la media de la predicción y el IC para > > un valor específico, > > > > Gracias por tu ayuda, hombre Jorge. > > > > Kenneth > > > > > > > > > > >[[alternative HTML version deleted]]