🔗 Función Link
Conecta el predictor lineal (η = Xβ) con la media de la variable respuesta. Link logit para binomial, log para Poisson, identity para normal. Transforma la relación no lineal en lineal.
📊 Distribución de Error (Familia)
La familia describe la distribución de la variable respuesta: Normal (regresión lineal), Binomial (logística), Poisson (conteo), Gamma (tiempos), Inverse Gaussian. Cada familia tiene su función de varianza.
📏 Deviance
Métrica de bondad de ajuste en GLM, análoga a la suma de cuadrados residual en regresión lineal. Compara el modelo ajustado contra el modelo saturado (perfecto). Se usa para test de hipótesis y comparación de modelos.
🧪 Overdispersión
Cuando la varianza observada excede la varianza teórica de la distribución. Común en Poisson con datos de conteo muy variables. Se corrige con quasipoisson, binomial negativa o modelos de dispersión adicional.
Explora los conceptos con ejemplos practicos disponibles en la simulacion interactiva de este modulo.
Intuicion
Los modelos predictivos usan datos historicos para pronosticar valores futuros o desconocidos.
Formula clave
Cada modelo tiene su formulacion matematica para relacionar predictores con respuesta.
Paso a paso
Sigue la metodologia: entrenamiento, validacion, evaluacion.
Error comun: Sobreajuste
El sobreajuste ocurre cuando el modelo aprende ruido en vez de senal.
Ejemplo concreto
Aplica cada modelo a problemas reales de prediccion.
Conexion
Estos modelos avanzan hacia ML (Curso 5) y aplicaciones (Curso 6).