REGRESIÓN REGRESIÓN LOGÍSTICALOGÍSTICA

Alumna: Joana Rojas GallardoAlumna: Joana Rojas Gallardo

¿QUÉ TIENEN EN COMÚN TODOS ¿QUÉ TIENEN EN COMÚN TODOS ESTOS PROBLEMAS?ESTOS PROBLEMAS?

¿E¿Es posible predecir con antelación si s posible predecir con antelación si un cliente que solicita un préstamo un cliente que solicita un préstamo a un banco va a ser un cliente morosoa un banco va a ser un cliente moroso??

¿C¿Cuáles son los uáles son los factores que influyen en el desarrollo de un infarto de factores que influyen en el desarrollo de un infarto de miocardiomiocardio? ¿Es posible predecir de antemano que un paciente corre un ? ¿Es posible predecir de antemano que un paciente corre un riesgo cierto de infarto?riesgo cierto de infarto?

¿S¿Se puede determinar la e puede determinar la probabilidad de que una familia se suscriba a probabilidad de que una familia se suscriba a un paquete de canales de TVun paquete de canales de TV a partir del conocimiento de su nivel de a partir del conocimiento de su nivel de ingresos, el nivel educativo de los padres, su ocupación, su edad, su estado ingresos, el nivel educativo de los padres, su ocupación, su edad, su estado marital y el número de hijos que tienen?marital y el número de hijos que tienen?

¿S¿Se puede e puede predecir si una empresa va a entrar en bancarrotapredecir si una empresa va a entrar en bancarrota??

¿E¿Es posible localizar cuáles de los s posible localizar cuáles de los clientes de un banco suscribirían un clientes de un banco suscribirían un nuevo plan de pensiones con mayor probabilidad para enviarles nuevo plan de pensiones con mayor probabilidad para enviarles propagandapropaganda sobre el mismo y, de esta forma, ahorrarnos un montón de sobre el mismo y, de esta forma, ahorrarnos un montón de dinero sin tener que enviar dicha propaganda a todos los clientes? dinero sin tener que enviar dicha propaganda a todos los clientes?

La respuesta es que todos ellos podrían solucionarse por medio de un análisis La respuesta es que todos ellos podrían solucionarse por medio de un análisis de regresión logísticade regresión logística

LOGÍSTICALOGÍSTICA

Proceso de gerenciar estratégicamente el movimiento y Proceso de gerenciar estratégicamente el movimiento y almacenamiento de materias primas, partes y productos almacenamiento de materias primas, partes y productos terminados, desde los proveedores, a través de la empresa, terminados, desde los proveedores, a través de la empresa, hasta el usuario final.hasta el usuario final.

Conjunto de conocimientos, acciones y medios destinados a Conjunto de conocimientos, acciones y medios destinados a prever y proveer de recursos necesarios que posibiliten la prever y proveer de recursos necesarios que posibiliten la realización de una actividad principal en el tiempo, forma y realización de una actividad principal en el tiempo, forma y costo más oportuno en un marco de productividad y calidad.costo más oportuno en un marco de productividad y calidad.

Proceso de proyectar, implementar y controlar un flujo de Proceso de proyectar, implementar y controlar un flujo de materia primamateria prima, , inventarioinventario en proceso, productos terminados en proceso, productos terminados e información relacionada desde el punto de origen hasta el e información relacionada desde el punto de origen hasta el punto de punto de consumoconsumo de una forma eficiente y lo más de una forma eficiente y lo más económica posible con el propósito de cumplir con los económica posible con el propósito de cumplir con los requerimientos del cliente final.requerimientos del cliente final.

ORIGENES DE LA LOGISTICAORIGENES DE LA LOGISTICA

La logística como actividad empresarial es antigua y La logística como actividad empresarial es antigua y fue conocida como distribución. Tiene sus orígenes en fue conocida como distribución. Tiene sus orígenes en la actividad militar que desarrollo esta herramienta la actividad militar que desarrollo esta herramienta para abastecer alas tropas con recursos y pertrechos para abastecer alas tropas con recursos y pertrechos necesarios para afrontar las largas jornadas y los necesarios para afrontar las largas jornadas y los campamentos en situación de guerra. Al ámbito campamentos en situación de guerra. Al ámbito empresarial trascendió hace unas cuatro décadas y ha empresarial trascendió hace unas cuatro décadas y ha sido en éste donde ha encontrado su mayor campo de sido en éste donde ha encontrado su mayor campo de desarrollo.desarrollo.

PASOS PARA LLEVAR A CABO UN PASOS PARA LLEVAR A CABO UN ANÁLISIS DE REGRESIÓN LOGÍSTICAANÁLISIS DE REGRESIÓN LOGÍSTICA

1.1. Plantear el problema a resolver Plantear el problema a resolver determinando cuál es la variable determinando cuál es la variable dependiente y cuáles son las variables dependiente y cuáles son las variables independientes independientes

2.2. Estimar y seleccionar el modelo más Estimar y seleccionar el modelo más compatible con los datoscompatible con los datos

3.3. Estudiar la bondad de ajuste del modelo Estudiar la bondad de ajuste del modelo seleccionado analizando la existencia de seleccionado analizando la existencia de “outliers” y/o observaciones influyentes. “outliers” y/o observaciones influyentes.

4.4. Evaluar la bondad predictiva del modelo Evaluar la bondad predictiva del modelo utilizando métodos similares a los utilizando métodos similares a los empleados en el Análisis Discriminanteempleados en el Análisis Discriminante

5.5. Interpretar los resultados obtenidosInterpretar los resultados obtenidos

REGRESIÓN LOGÍSTICAREGRESIÓN LOGÍSTICA

El análisis de regresión logística es la técnica para el estudio de la El análisis de regresión logística es la técnica para el estudio de la relación entre una o mas relación entre una o mas variablesvariables independientes (X1, X2,X3....Xn) y una independientes (X1, X2,X3....Xn) y una variable dependiente de tipo dicotómica.variable dependiente de tipo dicotómica.

Se define como variable dicotómica aquella que solo admite dos Se define como variable dicotómica aquella que solo admite dos categorías que definen opciones o categorías que definen opciones o caractercaracterísticas mutuamente ísticas mutuamente excluyentes u opuestas tales como (Y=SI , Y=NO); (Y=0 , Y=1), (Y = excluyentes u opuestas tales como (Y=SI , Y=NO); (Y=0 , Y=1), (Y = encendido , Y = apagado).encendido , Y = apagado).

Un Un modelomodelo de regresión logística permite estimar o predecir la de regresión logística permite estimar o predecir la probabilidadprobabilidad de que un individuo posea una característica (Y= Registro , de que un individuo posea una característica (Y= Registro , Y= Y= OfertaOferta) en función de una determinada o unas determinadas ) en función de una determinada o unas determinadas características individuales (X1= Precio Unitario, X2= Edad, X3= características individuales (X1= Precio Unitario, X2= Edad, X3= Area .....Xn).Area .....Xn).

La diferencia fundamental entre el modelo de regresión lineal y de La diferencia fundamental entre el modelo de regresión lineal y de regresión logística es que el primero predice el valor medio de la variable regresión logística es que el primero predice el valor medio de la variable dependiente (Y) a partir de una o mas variables independientes (X1, X2, dependiente (Y) a partir de una o mas variables independientes (X1, X2, X3 ... Xn); mientras que el segundo permite predecir la proporción de una X3 ... Xn); mientras que el segundo permite predecir la proporción de una de las dos categorías de la variable dependiente dicotómica (Y= SI , Y= de las dos categorías de la variable dependiente dicotómica (Y= SI , Y= NO) en función de una o mas variables independientes (X1, X2, X3 ... Xn).NO) en función de una o mas variables independientes (X1, X2, X3 ... Xn).

La probabilidad, por definición, solo puede incluir un valor comprendido La probabilidad, por definición, solo puede incluir un valor comprendido entre 0 y 1; por lo tanto hay que desarrollar un modelo matemático que entre 0 y 1; por lo tanto hay que desarrollar un modelo matemático que pueda estimar pueda estimar valoresvalores de P(Y=1) dentro del rango real de 0 a 1. de P(Y=1) dentro del rango real de 0 a 1.

FUNCIÓN LOGISTICAFUNCIÓN LOGISTICA

MODELO MATEMÁTICOMODELO MATEMÁTICO

El modelo matemático El modelo matemático que mejor estima tal que mejor estima tal probabilidad, debido a probabilidad, debido a que restringe los que restringe los valores a su rango 0 < valores a su rango 0 < < 1, es el siguiente: < 1, es el siguiente:Este modelo Este modelo comúnmente presenta comúnmente presenta una forma de "S", una forma de "S", limitada en el eje de limitada en el eje de las Ordenadas entre las Ordenadas entre los valores 0 y 1los valores 0 y 1

REGRESION LOGISTICA REGRESION LOGISTICA MÚLTIPLEMÚLTIPLE

Toda la teoría vista hasta ahora (Regresión Toda la teoría vista hasta ahora (Regresión Logística Simple), aplicada a dos (2) Logística Simple), aplicada a dos (2) variables, una independiente y la otra variables, una independiente y la otra dependiente y dicotómica, es válida en el dependiente y dicotómica, es válida en el caso de la Regresión Logística Múltiple.caso de la Regresión Logística Múltiple.

La Regresión Logística Múltiple podrá La Regresión Logística Múltiple podrá expresarse de la siguiente manera: expresarse de la siguiente manera: 

Este modelo genera una Probabilidad (del 0 Este modelo genera una Probabilidad (del 0 al 1) en base a múltiples variables al 1) en base a múltiples variables independientesindependientes

BIBLIOGRAFÍABIBLIOGRAFÍA

Álvarez Caceres, R., Álvarez Caceres, R., Estadística multivariante y no Estadística multivariante y no paramétrica con SPSS, paramétrica con SPSS, Madrid, Editorial Díaz Madrid, Editorial Díaz Santos,1994.Santos,1994.

Carrasco, J. L. y Hernan, M. Carrasco, J. L. y Hernan, M. A., Estadística multivariante A., Estadística multivariante en las ciencias de la vida, en las ciencias de la vida, Madrid, Editorial Ciencia 3, Madrid, Editorial Ciencia 3, 1993.1993.

Jovell, A. J., Análisis de Jovell, A. J., Análisis de regresión logística, Madrid, regresión logística, Madrid, Ediciones del Centro de Ediciones del Centro de Investigaciones Sociológicas, Investigaciones Sociológicas, 19951995

HAIR, J., ANDERSON, R., HAIR, J., ANDERSON, R., TATHAM, R. y BLACK, W. TATHAM, R. y BLACK, W. (1999). (1999). Análisis Multivariante. Análisis Multivariante. 5ª Edición. Prentice Hall.5ª Edición. Prentice Hall.