Publicación:
Generalidades de la regresión cuantil y aplicaciones en R

Vista sencilla de ítem
dc.contributor.advisorBru Cordero, Osnamir Elíasspa
dc.contributor.authorSoto Garcés, Rafael Enrique
dc.date.accessioned2023-06-08T21:03:30Z
dc.date.available2023-06-08T21:03:30Z
dc.date.issued2023-06-08
dc.description.abstractEn este trabajo presentamos algunas aplicaciones y generalidades de la regresión cuantil. Se puntualizan los escenarios en los que es pertinente utilizar este tipo de herramientas en contextos donde la regresión clásica no es adecuada. Además, se evidencia la preeminencia y efectividad de la regresión cuantil sobre la regresión lineal clásica, especialmente cuando se busca conocer o evaluar un parámetro diferente a la respuesta media de la variable dependiente. Un ejemplo de su utilidad es en el análisis de supervivencia, donde se puede utilizar la regresión cuantil para estimar la mediana de la duración de una enfermedad o el tiempo hasta un evento de interés, como la muerte. Además, cabe destacar que la regresión cuantil no precisa de supuestos distribuciona les, lo que la diferencia de la regresión clásica cuyos supuestos son extremadamente restrictivos: homocedasticidad, ausencia de correlación y normalidad en los errores del modelo. Por último, se presentan dos aplicaciones en R, conteo de daño celular pa ra evaluar el riesgo de cáncer en cuatro departamentos de Colombia y otra aplicación del precio de viviendas bajo el software Python con el fin de resaltar la capacidad y la versatilidad de la regresión cuantil.spa
dc.description.degreelevelPregradospa
dc.description.degreenameEstadístico(a)spa
dc.description.modalityMonografíasspa
dc.description.tableofcontents1. Introducción..................................8spa
dc.description.tableofcontents2. Modelo e inferencia de la regresión cuantil..........11spa
dc.description.tableofcontents2.1. Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13spa
dc.description.tableofcontents2.2. Regresión cuantil para comparar medianas .. . . . . 13spa
dc.description.tableofcontents2.3. Regresión cuantil y regresión lineal simple en distribuciones normales......... . 14spa
dc.description.tableofcontents2.4. Regresión cuantil en modelos binarios .. . . . . . . . . 15spa
dc.description.tableofcontents2.5. Regresión cuantil de coeficiente variable . . . . . . 16spa
dc.description.tableofcontents2.6. Regresión cuantil parcial . . .. . . . . . . . . . . . . . . 16spa
dc.description.tableofcontents2.7. Regresión de cuantiles penalizados .. . . . . . . . . . 17spa
dc.description.tableofcontents3. Aplicaciones de la regresión cuantil.............19spa
dc.description.tableofcontents3.1. Aplicación 1 en Sofware R . . . . . . . . . . . . . . . . . . . 22spa
dc.description.tableofcontents3.2. Aplicación 2 en Python . . . . . . . . . . . . . . . . . . 28spa
dc.description.tableofcontents3.2.1. Cargar módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29spa
dc.description.tableofcontents3.2.2. Contexto de los datos . . . . . . . . . . . . . . . . . . . . . . . . . 29spa
dc.description.tableofcontents3.2.3. Análisis descriptivo . . . . . . . . . . . . . . . . . . . . . . . . . . 34spa
dc.description.tableofcontents3.2.4. Análisis descriptivo para la variable a predecir (SalePrive) . . . . 36spa
dc.description.tableofcontents3.2.5. Análisis de la correlación SalePrince con GrLivArea . . . . . . . . 38spa
dc.description.tableofcontents3.2.6. Prueba de correlación . . . . . . . . . . . . . . . . . . . . . . . . . 39spa
dc.description.tableofcontents3.2.7. Prueba de normalidad . . . . . . . . . . . . . . . . . . . . . . . . . 40spa
dc.description.tableofcontents3.2.8. Modelo de regresión lineal simple . . . . . . 41spa
dc.description.tableofcontents3.2.9. Modelo de regresión cuantil (Q2) . . . . . . . . 43spa
dc.description.tableofcontents4. Conclusiones...........................47spa
dc.description.tableofcontentsReferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/7387
dc.language.isospaspa
dc.publisher.facultyFacultad de Ciencias Básicasspa
dc.publisher.placeMontería, Córdoba, Colombiaspa
dc.publisher.programEstadísticaspa
dc.rightsCopyright Universidad de Córdoba, 2023spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.keywordsQuantile regressioneng
dc.subject.keywordsLinear regressioneng
dc.subject.keywordsMNBNeng
dc.subject.proposalRegresión cuantilspa
dc.subject.proposalRegresión linealspa
dc.subject.proposalMNBNspa
dc.titleGeneralidades de la regresión cuantil y aplicaciones en Rspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dcterms.references[1] C. Ablaza yW. Tomaszewski. Buenos y malos empleos informales en Indonesia. Revista internacional del Teabajo , 2021. 140(1): 155-182spa
dcterms.references[2] J. D. Angrist y J. S. Pischke. Quantile Regression. Mostly Harmless Econometrics, 2019. 15(4): 269-291spa
dcterms.references[3] Cade, Brian S.; Noon, Barry R. (2003). .A gentle introduction to quantile regression for ecologists". Frontiers in Ecology and the Environment. 1 (8): 412–420. doi:10.2307/3868138. JSTOR 3868138spa
dcterms.references[4] Z. Cai. Trending time-varying coefficient time series models with serially correlated errors. Journal Econometrics. 2007. 136(1): 163-188spa
dcterms.references[5] J. A. Cifuentes Garzón. Predicción del resultado en la prueba Saber Pro para la economía a partir de la información disponible en el proceso de admisión. 2013. Pág. 40spa
dcterms.references[6] Conover,W. J. (1999). Practical nonparametric statistic. Third Edition.Wiley series in probability and statistic: Applied probability and statistics section. John Wiley and song, Inc. Texas Tech University (1999)spa
dcterms.references[7] De Castilla Vásquez, C. L., y Laos, P. A. L. Una aplicación del modelo de regresión lineal con errores ajustados bajo la distribución Skew-Normal. In Anales científicos. Universidad Nacional Agraria La Molina. (2016). (Vol. 77, No. 2, pp. 319-328)spa
dcterms.references[8] J. G. De Gooijer y D. Zerom. On additive conditional quantiles with high-dimensional covariantes. Journal of the American Statistical Association. 2003. 98(461): 135-146.spa
dcterms.references[9] J. Fan y H. Lin y Y. Zhou. Local partial-likenhood estimation for lifetime data. Annals of Statistics, 2006. 34(1): 290-325spa
dcterms.references[10] J. Fan y R. Li. New estimation and model selection procedures for semiparametric modeling in longitudinal data analysis. Journal of the American Statistical Association. 2004. 99(467): 710-723spa
dcterms.references[11] Fenech M., Chang W.P., Kirsch-Volders M., Holland N., Bonassi S., Zeiger E. HUMN project: Detailed description of the scoring criteria for the cytokinesis-block micronucleus assay using isolated human lymphocyte cultures. Mutat Res. 2003; 534:65–75. doi: 10.1016/S1383-5718(02)00249-8. - DOI - PubMedspa
dcterms.references[12] N. A. Fuentes. Desigualdades de crecimiento municipal en México: Un análisis mediante regresión cuantil. Ensayos Revista de Economía. 2007. 26(2): 19-42spa
dcterms.references[13] H. Gertel y R. Giuliodori y V. Bastos y S. Costanzo. Heterogeneidad en el desempeño académico de los estudiantes de Argentina: Evidencia a partir de regresión por cuantiles. Econpappers. 2010. Pág. 117-138spa
dcterms.references[14] T. Honda. Quantile Regression in varying coefficient models. Journal Statistical Planning and Inference. 2004. 121(1): 113-125spa
dcterms.references[15] Y. Huang. Quantile calculus and censored regression. Annals of Statistics. 2010. 38(3): 1607-1637spa
dcterms.references[16] M. Kim. Quantile regression with varying coefficients. Annals of Statistics. 2007. 35(1): 92–108spa
dcterms.references[17] R. Koenker. Regression Quantiles. Journal of Chemical Information and Modeling. 2013. 53(9):1689–1699spa
dcterms.references[18] R. Koenker. Quantile Regression. Journal of Economic Perspectives. 2000spa
dcterms.references[19] R. Koenker., Portnoy, S., Ng, P. T., Zeileis, A., Grosjean, P., y Ripley, B. D.. Package ‘quantreg’. Reference manual available at R-CRAN: https://cran. rproject. org/web/packages/quantreg/quantreg. pdf. 2018spa
dcterms.references[20] Koenker, R. Quantile Regression. Cambridge University Press. 2005. (No. 38)spa
dcterms.references[21] Manski, C. F. y Thompson, T.S.(1986) “Operational Characteristics of Maximum Score Estimation”, Journal of Econometrics, 32, pp. (85-108)spa
dcterms.references[22] I. Martínez. Regresión Cuantil. 2010spa
dcterms.references[23] E. Medina. Factores determinantes de la demanda eléctrica de los hogares en España: Una aproximación mediante regresión cuantilica. Estudios de Economía Aplicada. 2011. 29(2): 515–538spa
dcterms.references[24] L. Peng y Y. Huang. Survival analysis with quantile regression models. Journal of the American Statistical Association. 2008. 103(482): 637–649spa
dcterms.references[25] J. Quian y L. Peng. Censored quantile regression with partially functional effects. Biometrika. 2010. 97(4): 839–850spa
dcterms.references[26] R. Huiman. Análisis de la regresión cuantílica para la distribución del ingreso total mensual de la población económicamente activa ocupada de Lima Metropolitana. 2016spa
dcterms.references[27] G. Perry y J. Vélez. Esfuerzo Innovador en el sector servicios en Colombia: Estimaciones a través de regresiones cuantílicas. 2013spa
dcterms.references[28] A. Cortés. Regresión cuantílica para la cuantificación de riesgo. Projecte Final de Máster Oficial. 2019spa
dcterms.references[29] Manuel, A. Econometría de la desigualdad: de la persona promedio a la persona cuantil. 2016spa
dcterms.references[30] M. A. Ospina. Una aplicación de la regresión cuantilica a la estimación de los percentiles de coste total de los siniestros. Máster en Ciencias Actuariales y Financieras. 2020spa
dcterms.references[31] Vicéns, J. Sánchez, B. (2012). Regresión cuantílica: estimación y contrastes. Instituto L.R. Klein – Centro Gauss. U.A.M. D.T. N◦ 21spa
dcterms.references[32] Sáez, A. M., y Rescalvo, M. D. P. R. Determinación de factores influyentes en al fraude fiscal mediante la estimación por máxima verosimilitud de un modelo de datos de panel con residuos variantes en el tiempo y distribución normal. In XXVI Congreso Nacional de Estadística e Investigación Operativa: Úbeda, 6-9 de noviembre de 2001 (p. 135)spa
dcterms.references[33] L. Sánchez y V. Leiva y M. Galea y H. Saulo. Birnbaum-Saunders quantile regression models with application to spatial data. Mathematics. 2020. 8(6): 1000spa
dcterms.references[34] F. A. Vélez. Robustez a distribución para regresión cuantilica en datos longitudinales. Tesis presentada como requisito parcial para optar al título de: Magister en Estadítica. 2011.spa
dcterms.references[35] Y.Wei y X. He. Conditional growth charts. Annals of Statistics. 2006. 34(5): 2069–2097.spa
dcterms.references[36] Y. Wu y J. Fan y H-G. Mu¨ller. Varying-coefficient functional linear regression. 2010. Bernoulli, 16(3):730–758spa
dcterms.references[37] S. Xie y A.Wan y Y. Zhou. Quantile regression methods with varying-coefficient models for censored data. Computational Statistics and Data Analysis. 2015. 88: 154–172spa
dcterms.references[38] Yu, K., y Moyeed, R. A. Bayesian quantile regression. Statistics and Probability Letters. (2001). 54(4), 437-447spa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
SotoGarces,RafaelEnrique.pdf
Tamaño:
2.12 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
FormatodeAutorización.pdf
Tamaño:
254.68 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
B.F.B. Monografías