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 <[email protected] >: > 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: [email protected] > Date: Thu, 21 Apr 2016 09:09:03 -0500 > Subject: Re: [R-es] Calcular Error en modelo lineal > To: [email protected] > CC: [email protected] > > > 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 < > [email protected]>: > > 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 > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
