📌 Efectos Fijos
Son los efectos de los predictores que nos interesan y que asumimos constantes para toda la población. Ej: efecto del tratamiento, edad, género. Se estiman directamente como coeficientes β.
🔀 Efectos Aleatorios
Capturan la variabilidad entre grupos o unidades de muestreo. Se asumen como una muestra aleatoria de una población de efectos. Ej: variación entre escuelas, pacientes, lotes. Se estiman como varianzas.
📏 REML (Restricted ML)
Método de estimación preferido para varianzas en modelos mixtos. REML = ML restringido: estima componentes de varianza sin sesgo, a diferencia de ML que subestima varianzas. Se usa en lme4, SAS, SPSS.
📊 ICC (Intraclass Correlation)
Mide la proporción de varianza total que se debe a diferencias entre grupos. ICC = σ²_entre / (σ²_entre + σ²_dentro). Valores cercanos a 1 indican alta homogeneidad intra-grupo.
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).