Santiago Osorio - David Cruz

Analysis of tree-based modeling techniques including random forests, gradient boosting, conditional inference trees, and Cubist using simulated data and chemical manufacturing process data. Exercises from Kuhn & Johnson's Applied Predictive Modeling.

Este documento presenta un tutorial práctico y completo sobre cómo implementar una Regresión Lineal Múltiple (RLM) en R, enfocado en un ejemplo real de salud pública. Partiendo de la teoría básica (ecuación y supuestos), el tutorial guía al usuario a través del proceso iterativo de construcción de un modelo estadístico robusto. Utilizamos un conjunto de datos de un estudio CAP (Conocimientos, Actitudes y Prácticas) sobre la prevención de COVID-19 para predecir el nivel de conocimiento de los participantes. Lo que aprenderás en este tutorial: Preparación de Datos: Cómo limpiar y transformar variables categóricas (texto) a factores, crear nuevas variables dicotómicas y reagrupar niveles lógicamente usando dplyr (case_when, relevel). Selección de Modelo (Eliminación Hacia Atrás): Cómo "limpiar" un modelo complejo inicial, interpretando p-valores para eliminar sistemáticamente las variables que no aportan poder predictivo, prestando especial atención a las variables categóricas (factores). Prueba de Hipótesis: Cómo probar hipótesis teóricas añadiendo y quitando predictores (ej. experiencia personal, demografía) para entender qué variables explican mejor la variabilidad. Validación del Modelo: Cómo interpretar los cuatro gráficos de diagnóstico (plot(lm)) para verificar que se cumplen los supuestos de linealidad, homocedasticidad, normalidad y ausencia de puntos influyentes. El objetivo final es llevar al lector desde un modelo inicial "sucio" hasta un modelo final parsimonioso, validado e interpretable, listo para un reporte o publicación.

DISCRETE-TIME PROPORTIONAL HAZARDS DENGAN GEOMETRI REGRESSION