Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me
comentas me ha salido mucho más pequeño de lo que la realidad luego refleja.
¿Cómo es esto posible??
Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y
2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3
Gracias
Jesús
From: jorgeivanvelez en gmail.com
Date: Thu, 21 Apr 2016 09:09:03 -0500
Subject: Re: [R-es] Calcular Error en modelo lineal
To: j.para.fernandez en hotmail.com
CC: r-help-es en r-project.org
Buenos dias Jesus,
Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria de
regresion, podrian obtenerse de manera puntual y construir intervalos de
_confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do tipo de
intervalos de calcula para observaciones _futuras_.
En R puedes calcularlos de la siguiente manera:
## IC de confianza## ver ?predict.lm para mas detallesR> data.frame(y,
predict(modelo, interval = "confidence"))
y fit lwr upr#1 8.35 9.938571 6.580445
13.29670#2 12.42 11.804286 9.134239 14.47433#3 18.00 15.535714 13.664949
17.40648#4 17.58 17.401429 15.396872 19.40599#5 17.97 19.267143 16.798908
21.73538#6 20.76 21.132857 18.014915 24.25080
## intervalos de prediccion para x = 25
R> predict(modelo, newdata = data.frame(x = 25), interval =
"prediction")
# fit lwr upr#1 23.93143 17.69035 30.17251
Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion del 95%
es (17.69, 30.17).
Espero sea de utilidad.
Saludos cordiales,Jorge.-
2016-04-21 8:56 GMT-05:00 Jesús Para Fernández <j.para.fernandez en
hotmail.com>:
Buenas, una pregunta.
Si yo estoy calculando un modelo lineal, el caso más simple, 1 variable
respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% y
quiero ver como es esa relacion entre las variables, para calcular el error de
predicción del modelo, basta con ver el intervalo de confianza del modelo e irme
a los extremos?
Por si no me he expresado bien, un ejemplo tonto:
y=c(8.35,12.42,18.00,17.58,17.97,20.76)
x=c(10,12,16,18,20,22)
modelo<-lm(y~x)
summary(modelo)
library(MASS)
Confint(modelo, level=0.95)
Con esto tengo un modelo :
> Confint(RegModel.1, level=0.95)
Estimate 2.5 % 97.5 %
(Intercept) 0.6100000 -6.8296312 8.049631
x 0.9328571 0.4919135 1.373801
Es decir, el intervalo de confianza de la respuesta y en función de los valores
x, sería de la forma (ymin,ymax), siendo:
ymin = -6,82 + 0,49*x
ymax = 8,05 + 1,37*x
Es esto correcto???
Gracias
Jesús
[[alternative HTML version deleted]]
_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
[[alternative HTML version deleted]]
Ah ya lo vi, es usando interval="prediction" el que se ajusta mas a lo
que busco.
Gracias!!!!
From: j.para.fernandez en hotmail.com
To: jorgeivanvelez en gmail.com
Date: Thu, 21 Apr 2016 16:49:18 +0200
CC: r-help-es en r-project.org
Subject: Re: [R-es] Calcular Error en modelo lineal
Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me
comentas me ha salido mucho m?s peque?o de lo que la realidad luego refleja.
?C?mo es esto posible??
Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y
2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3
Gracias
Jes?s
From: jorgeivanvelez en gmail.com
Date: Thu, 21 Apr 2016 09:09:03 -0500
Subject: Re: [R-es] Calcular Error en modelo lineal
To: j.para.fernandez en hotmail.com
CC: r-help-es en r-project.org
Buenos dias Jesus,
Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria de
regresion, podrian obtenerse de manera puntual y construir intervalos de
_confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do tipo de
intervalos de calcula para observaciones _futuras_.
En R puedes calcularlos de la siguiente manera:
## IC de confianza## ver ?predict.lm para mas detallesR> data.frame(y,
predict(modelo, interval = "confidence"))
y fit lwr upr#1 8.35 9.938571 6.580445
13.29670#2 12.42 11.804286 9.134239 14.47433#3 18.00 15.535714 13.664949
17.40648#4 17.58 17.401429 15.396872 19.40599#5 17.97 19.267143 16.798908
21.73538#6 20.76 21.132857 18.014915 24.25080
## intervalos de prediccion para x = 25
R> predict(modelo, newdata = data.frame(x = 25), interval =
"prediction")
# fit lwr upr#1 23.93143 17.69035 30.17251
Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion del 95%
es (17.69, 30.17).
Espero sea de utilidad.
Saludos cordiales,Jorge.-
2016-04-21 8:56 GMT-05:00 Jes?s Para Fern?ndez <j.para.fernandez en
hotmail.com>:
Buenas, una pregunta.
Si yo estoy calculando un modelo lineal, el caso m?s simple, 1 variable
respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% y
quiero ver como es esa relacion entre las variables, para calcular el error de
predicci?n del modelo, basta con ver el intervalo de confianza del modelo e irme
a los extremos?
Por si no me he expresado bien, un ejemplo tonto:
y=c(8.35,12.42,18.00,17.58,17.97,20.76)
x=c(10,12,16,18,20,22)
modelo<-lm(y~x)
summary(modelo)
library(MASS)
Confint(modelo, level=0.95)
Con esto tengo un modelo :
> Confint(RegModel.1, level=0.95)
Estimate 2.5 % 97.5 %
(Intercept) 0.6100000 -6.8296312 8.049631
x 0.9328571 0.4919135 1.373801
Es decir, el intervalo de confianza de la respuesta y en funci?n de los valores
x, ser?a de la forma (ymin,ymax), siendo:
ymin = -6,82 + 0,49*x
ymax = 8,05 + 1,37*x
Es esto correcto???
Gracias
Jes?s
[[alternative HTML version deleted]]
_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
[[alternative HTML version deleted]]
_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
[[alternative HTML version deleted]]
Hola Jesús, Lo que mencionas es posible en presencia de multicolinealidad severa. Solo en ese caso los intervalos de confianza y prediccion son equivalentes. Sin embargo, y por tu ejemplo, este parece no ser tu caso. Saludos, Jorge.- 2016-04-21 9:49 GMT-05:00 Jesús Para Fernández <j.para.fernandez en hotmail.com>:> Enun ejemplo real estoy viendo como el intervalo de confianza usando lo > que me comentas me ha salido mucho más pequeño de lo que la realidad luego > refleja. ¿Cómo es esto posible?? > > Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 > y 2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3 > > > > Gracias > Jesús > > ------------------------------ > From: jorgeivanvelez en gmail.com > Date: Thu, 21 Apr 2016 09:09:03 -0500 > Subject: Re: [R-es] Calcular Error en modelo lineal > To: j.para.fernandez en hotmail.com > CC: r-help-es en r-project.org > > > Buenos dias Jesus, > > Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria > de regresion, podrian obtenerse de manera puntual y construir intervalos de > _confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do > tipo de intervalos de calcula para observaciones _futuras_. > > En R puedes calcularlos de la siguiente manera: > > ## IC de confianza > ## ver ?predict.lm para mas detalles > R> data.frame(y, predict(modelo, interval = "confidence")) > y fit lwr upr > #1 8.35 9.938571 6.580445 13.29670 > #2 12.42 11.804286 9.134239 14.47433 > #3 18.00 15.535714 13.664949 17.40648 > #4 17.58 17.401429 15.396872 19.40599 > #5 17.97 19.267143 16.798908 21.73538 > #6 20.76 21.132857 18.014915 24.25080 > > ## intervalos de prediccion para x = 25 > R> predict(modelo, newdata = data.frame(x = 25), interval = "prediction") > # fit lwr upr > #1 23.93143 17.69035 30.17251 > > Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion > del 95% es (17.69, 30.17). > > Espero sea de utilidad. > > Saludos cordiales, > Jorge.- > > > > > 2016-04-21 8:56 GMT-05:00 Jesús Para Fernández < > j.para.fernandez en hotmail.com>: > > Buenas, una pregunta. > > Si yo estoy calculando un modelo lineal, el caso más simple, 1 variable > respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% > y quiero ver como es esa relacion entre las variables, para calcular el > error de predicción del modelo, basta con ver el intervalo de confianza del > modelo e irme a los extremos? > > Por si no me he expresado bien, un ejemplo tonto: > > y=c(8.35,12.42,18.00,17.58,17.97,20.76) > x=c(10,12,16,18,20,22) > > modelo<-lm(y~x) > summary(modelo) > library(MASS) > Confint(modelo, level=0.95) > > Con esto tengo un modelo : > > Confint(RegModel.1, level=0.95) > Estimate 2.5 % 97.5 % > (Intercept) 0.6100000 -6.8296312 8.049631 > x 0.9328571 0.4919135 1.373801 > > Es decir, el intervalo de confianza de la respuesta y en función de los > valores x, sería de la forma (ymin,ymax), siendo: > ymin = -6,82 + 0,49*x > ymax = 8,05 + 1,37*x > > Es esto correcto??? > > Gracias > Jesús > > > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > >[[alternative HTML version deleted]]
Es imposible la multicolinealidad severa cuando tienes una variablre respuesta y
una variable explicativa nada mas no???
From: jorgeivanvelez en gmail.com
Date: Thu, 21 Apr 2016 11:35:43 -0500
Subject: Re: [R-es] Calcular Error en modelo lineal
To: j.para.fernandez en hotmail.com
CC: r-help-es en r-project.org
Hola Jesús,Lo que mencionas es posible en presencia de multicolinealidad severa.
Solo en ese caso los intervalos de confianza y prediccion son equivalentes. Sin
embargo, y por tu ejemplo, este parece no ser tu caso.Saludos,Jorge.-
2016-04-21 9:49 GMT-05:00 Jesús Para Fernández <j.para.fernandez en
hotmail.com>:
Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me
comentas me ha salido mucho más pequeño de lo que la realidad luego refleja.
¿Cómo es esto posible??
Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y
2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3
Gracias
Jesús
From: jorgeivanvelez en gmail.com
Date: Thu, 21 Apr 2016 09:09:03 -0500
Subject: Re: [R-es] Calcular Error en modelo lineal
To: j.para.fernandez en hotmail.com
CC: r-help-es en r-project.org
Buenos dias Jesus,
Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria de
regresion, podrian obtenerse de manera puntual y construir intervalos de
_confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do tipo de
intervalos de calcula para observaciones _futuras_.
En R puedes calcularlos de la siguiente manera:
## IC de confianza## ver ?predict.lm para mas detallesR> data.frame(y,
predict(modelo, interval = "confidence"))
y fit lwr upr#1 8.35 9.938571 6.580445
13.29670#2 12.42 11.804286 9.134239 14.47433#3 18.00 15.535714 13.664949
17.40648#4 17.58 17.401429 15.396872 19.40599#5 17.97 19.267143 16.798908
21.73538#6 20.76 21.132857 18.014915 24.25080
## intervalos de prediccion para x = 25
R> predict(modelo, newdata = data.frame(x = 25), interval =
"prediction")
# fit lwr upr#1 23.93143 17.69035 30.17251
Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion del 95%
es (17.69, 30.17).
Espero sea de utilidad.
Saludos cordiales,Jorge.-
2016-04-21 8:56 GMT-05:00 Jesús Para Fernández <j.para.fernandez en
hotmail.com>:
Buenas, una pregunta.
Si yo estoy calculando un modelo lineal, el caso más simple, 1 variable
respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% y
quiero ver como es esa relacion entre las variables, para calcular el error de
predicción del modelo, basta con ver el intervalo de confianza del modelo e irme
a los extremos?
Por si no me he expresado bien, un ejemplo tonto:
y=c(8.35,12.42,18.00,17.58,17.97,20.76)
x=c(10,12,16,18,20,22)
modelo<-lm(y~x)
summary(modelo)
library(MASS)
Confint(modelo, level=0.95)
Con esto tengo un modelo :
> Confint(RegModel.1, level=0.95)
Estimate 2.5 % 97.5 %
(Intercept) 0.6100000 -6.8296312 8.049631
x 0.9328571 0.4919135 1.373801
Es decir, el intervalo de confianza de la respuesta y en función de los valores
x, sería de la forma (ymin,ymax), siendo:
ymin = -6,82 + 0,49*x
ymax = 8,05 + 1,37*x
Es esto correcto???
Gracias
Jesús
[[alternative HTML version deleted]]
_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
[[alternative HTML version deleted]]
¿Será que en la simulación de nuevos valores no hayas incluido el termino de error del modelo?. La predicción lineal de modelo es sobre la media condicionada. Si lo que quieres es simular una posible observación tendrás que añadir un termino aleatorio a la predicción condicionada de la media. Los IC son para medias muéstrales no para observaciones individuales On 21/04/16 16:49, Jesús Para Fernández wrote:> Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me comentas me ha salido mucho m?s peque?o de lo que la realidad luego refleja. ?C?mo es esto posible?? > > Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y 2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3 > > > > Gracias > Jes?s > > From: jorgeivanvelez en gmail.com > Date: Thu, 21 Apr 2016 09:09:03 -0500 > Subject: Re: [R-es] Calcular Error en modelo lineal > To: j.para.fernandez en hotmail.com > CC: r-help-es en r-project.org > > Buenos dias Jesus, > Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria de regresion, podrian obtenerse de manera puntual y construir intervalos de _confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do tipo de intervalos de calcula para observaciones _futuras_. > En R puedes calcularlos de la siguiente manera: > ## IC de confianza## ver ?predict.lm para mas detallesR> data.frame(y, predict(modelo, interval = "confidence")) > y fit lwr upr#1 8.35 9.938571 6.580445 13.29670#2 12.42 11.804286 9.134239 14.47433#3 18.00 15.535714 13.664949 17.40648#4 17.58 17.401429 15.396872 19.40599#5 17.97 19.267143 16.798908 21.73538#6 20.76 21.132857 18.014915 24.25080 > ## intervalos de prediccion para x = 25 > R> predict(modelo, newdata = data.frame(x = 25), interval = "prediction") > # fit lwr upr#1 23.93143 17.69035 30.17251 > Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion del 95% es (17.69, 30.17). > Espero sea de utilidad. > Saludos cordiales,Jorge.- > > > > 2016-04-21 8:56 GMT-05:00 Jes?s Para Fern?ndez <j.para.fernandez en hotmail.com>: > Buenas, una pregunta. > > > > Si yo estoy calculando un modelo lineal, el caso m?s simple, 1 variable respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% y quiero ver como es esa relacion entre las variables, para calcular el error de predicci?n del modelo, basta con ver el intervalo de confianza del modelo e irme a los extremos? > > > > Por si no me he expresado bien, un ejemplo tonto: > > > > y=c(8.35,12.42,18.00,17.58,17.97,20.76) > > x=c(10,12,16,18,20,22) > > > > modelo<-lm(y~x) > > summary(modelo) > > library(MASS) > > Confint(modelo, level=0.95) > > > > Con esto tengo un modelo : > >> Confint(RegModel.1, level=0.95) > Estimate 2.5 % 97.5 % > > (Intercept) 0.6100000 -6.8296312 8.049631 > > x 0.9328571 0.4919135 1.373801 > > > > Es decir, el intervalo de confianza de la respuesta y en funci?n de los valores x, ser?a de la forma (ymin,ymax), siendo: > > ymin = -6,82 + 0,49*x > > ymax = 8,05 + 1,37*x > > > > Es esto correcto??? > > > > Gracias > > Jes?s > > > > > > > > > > [[alternative HTML version deleted]] > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > [[alternative HTML version deleted]] > > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es-- +-------------------------------------------------------------- | Francisco J. Viciana Fernández | Coordinador del Registro de Población | Servicio de Estadísticas Demográficas y Sociales | Instituto de Estadística y Cartografía de Andalucía | Leonardo Da Vinci, nº 21. Isla de La Cartuja. | 41071 SEVILLA. | franciscoj.viciana en juntadeandalucia.es +-------------------------------------------------------------- [[alternative HTML version deleted]]
A eso me refiero, al hacer IC veo que obtengo el error "medio", pero no me interesa. Lo que quiero saber es para observaciones puntuales que error puede darme el modelo....> To: r-help-es en r-project.org > From: franciscoj.viciana en juntadeandalucia.es > Date: Mon, 25 Apr 2016 09:58:21 +0200 > Subject: Re: [R-es] Calcular Error en modelo lineal > > ¿Será que en la simulación de nuevos valores no hayas incluido el > termino de error del modelo?. La predicción lineal de modelo es sobre la > media condicionada. Si lo que quieres es simular una posible observación > tendrás que añadir un termino aleatorio a la predicción condicionada de > la media. Los IC son para medias muéstrales no para observaciones > individuales > > On 21/04/16 16:49, Jesús Para Fernández wrote: > > Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me comentas me ha salido mucho m?s peque?o de lo que la realidad luego refleja. ?C?mo es esto posible?? > > > > Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y 2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3 > > > > > > > > Gracias > > Jes?s > > > > From: jorgeivanvelez en gmail.com > > Date: Thu, 21 Apr 2016 09:09:03 -0500 > > Subject: Re: [R-es] Calcular Error en modelo lineal > > To: j.para.fernandez en hotmail.com > > CC: r-help-es en r-project.org > > > > Buenos dias Jesus, > > Esos valores son _aproximados_. Las estimaciones, de acuerdo con teoria de regresion, podrian obtenerse de manera puntual y construir intervalos de _confianza_ y _prediccion_ alrededor de estos. Ten en cuenta que el 2do tipo de intervalos de calcula para observaciones _futuras_. > > En R puedes calcularlos de la siguiente manera: > > ## IC de confianza## ver ?predict.lm para mas detallesR> data.frame(y, predict(modelo, interval = "confidence")) > > y fit lwr upr#1 8.35 9.938571 6.580445 13.29670#2 12.42 11.804286 9.134239 14.47433#3 18.00 15.535714 13.664949 17.40648#4 17.58 17.401429 15.396872 19.40599#5 17.97 19.267143 16.798908 21.73538#6 20.76 21.132857 18.014915 24.25080 > > ## intervalos de prediccion para x = 25 > > R> predict(modelo, newdata = data.frame(x = 25), interval = "prediction") > > # fit lwr upr#1 23.93143 17.69035 30.17251 > > Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion del 95% es (17.69, 30.17). > > Espero sea de utilidad. > > Saludos cordiales,Jorge.- > > > > > > > > 2016-04-21 8:56 GMT-05:00 Jes?s Para Fern?ndez <j.para.fernandez en hotmail.com>: > > Buenas, una pregunta. > > > > > > > > Si yo estoy calculando un modelo lineal, el caso m?s simple, 1 variable respuesta y una variable explicativa y creo un modelo, me da un R2 del 80% y quiero ver como es esa relacion entre las variables, para calcular el error de predicci?n del modelo, basta con ver el intervalo de confianza del modelo e irme a los extremos? > > > > > > > > Por si no me he expresado bien, un ejemplo tonto: > > > > > > > > y=c(8.35,12.42,18.00,17.58,17.97,20.76) > > > > x=c(10,12,16,18,20,22) > > > > > > > > modelo<-lm(y~x) > > > > summary(modelo) > > > > library(MASS) > > > > Confint(modelo, level=0.95) > > > > > > > > Con esto tengo un modelo : > > > >> Confint(RegModel.1, level=0.95) > > Estimate 2.5 % 97.5 % > > > > (Intercept) 0.6100000 -6.8296312 8.049631 > > > > x 0.9328571 0.4919135 1.373801 > > > > > > > > Es decir, el intervalo de confianza de la respuesta y en funci?n de los valores x, ser?a de la forma (ymin,ymax), siendo: > > > > ymin = -6,82 + 0,49*x > > > > ymax = 8,05 + 1,37*x > > > > > > > > Es esto correcto??? > > > > > > > > Gracias > > > > Jes?s > > > > > > > > > > > > > > > > > > > > [[alternative HTML version deleted]] > > > > > > > > > > _______________________________________________ > > > > R-help-es mailing list > > > > R-help-es en r-project.org > > > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > > [[alternative HTML version deleted]] > > > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > -- > +-------------------------------------------------------------- > | Francisco J. Viciana Fernández > | Coordinador del Registro de Población > | Servicio de Estadísticas Demográficas y Sociales > | Instituto de Estadística y Cartografía de Andalucía > | Leonardo Da Vinci, nº 21. Isla de La Cartuja. > | 41071 SEVILLA. > | franciscoj.viciana en juntadeandalucia.es > +-------------------------------------------------------------- > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es[[alternative HTML version deleted]]