Software estadístico para regresión. el caso de regresión logística y regresión poisson

Abstract

Este presente trabajo se desarrolló para diseñar e implementar un software libre estadístico llamado ERLA para apoyo académico a docentes y estudiantes de la carrera de Estadística Informática del Instituto de Ciencia Matemáticas, el software fue implementado con las plataformas como son Matlab y una interfaz gráfica en .Net. Este Software trabaja con funciones propias de MATLAB y otras funciones personalizadas para propósitos estadísticos y de ingeniería. El software es un software especializado en la técnica de Regresión Lineal, es posible evaluar la calidad de los modelos obtenidos, realizar estimaciones de todos los modelos que se hayan generado y además seleccionar el mejor modelo considerando todas las variables que usted considere sean relevantes en el estudio. En el primer y segundo capítulo se presentan las técnicas de Regresión Lineal Simple y Múltiple, los cuales presentan los métodos de obtener los estimadores de los parámetros como es el de Mínimos Cuadrados. Además la construcción de la Tabla de Análisis de Varianzas. En el tercer capítulo, se presentan las familias exponenciales que permiten descomponer distribuciones exponenciales, las cuales permiten crear una función de enlace donde nace el Modelo Lineal Generalizado, luego aplicar los métodos aplicados para estimar los parámetros y también como es el método de Newton-Raphson. En el capítulo cuatro, se presentan las técnicas estadísticas de Regresión Logística y Poisson que son modelos no lineales, las cuales utilizan Modelos Lineales Generalizados, además contiene las distribuciones con la que se trabajan, la interpretación de los parámetros, las estimaciones de parámetros de cada uno de los modelos, la evaluación de cada uno de los modelos ya sea de la Regresión Logística y Poisson y una breve ilustración de ambas técnicas en el software ERLA. Para finalizar, en el capítulo cinco se presenta los algoritmos creados específicamente para los módulos de Regresión Logística y Poisson y la validación de los Modelos ya mencionados, estableciendo los valores de los parámetros betas y añadiendo una variable que será 〖N~(0,σ〗^2).