Modelos lineales generalizados para variables de respuesta binaria bajo planes de muestreo complejo / Alexis David Silva Barraza.
Tipo de material:
TextoIdioma: Español Editor: Valparaíso, Chile : Universidad de Valparaíso, 2014Descripción: 65 hojasTema(s): Otra clasificación: - M
| Tipo de ítem | Biblioteca actual | Colección | Signatura topográfica | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis Pregrado
|
Ciencias Tesis | Tesis | M S586m 2014 | Disponible | 00178164 |
Ingeniero en Estadística y Grado de Licenciado en Estadística.
El principal objetivo de esta tesis es estudiar la regresión logística bajo planes de muestreo complejos, pero para llegar a esto se debe realizar una descripción de la regresión logística: formulas, usos y otras cosas. Para después mostrar como se debe realizar un análisis de regresión logística cuando el muestro utilizado es un muestreo aleatorio simple, acá se verán los pasos que se deben seguir en el análisis. Ademas, se buscara un método va simulación para estimar el tama~no muestral necesario para un correcto análisis de regresión logístico, cuando el muestreo a utilizar es el muestreo aleatorio simple. Por ejemplo para una población de 10.000 individuos se deben encuestar a 4500 individuos con un error estándar de estimación del 5% y un nivel de conanza del 95 %. Al llegar al estudio de muestras complejas se analizan algunas variables de la encuesta CASEN en donde se puede ver la diferencia que existe al analizar una muestra compleja de forma errónea sin incorporar el plan de muestreo a la forma correcta incorporando el plan de muestreo. Al realizar estos análisis se pudo apreciar la gran diferencia que existe en los resultados al incorporar el plan de muestreo utilizado para la captura de los datos, comparando con no incorporarlo. Por otro lado para ver el tama~no muestral necesario cuando el plan de muestreo a utilizar es complejo, se simularon variables a partir de una base de datos real la que contena el numero de manzanas censales por comuna y el numero de viviendas, después se obtuvo una muestra ja de 10 individuos por estrato y se calcularon los coecientes de regresión logística y el efecto de diseño DEFF el que indica de cuanto mas debe ser el tamaño de la muestra, ya que, al multiplicar el DEFF por el tamaño muestral se sabra cual es el tama~no de muestra necesario para realizar un correcto análisis de regresión logístico.