Resumen de la regresión logística

Vista previa del material en texto

Resumen de la regresión logística:
La regresión logística es una técnica utilizada para modelar y predecir variables binarias o dicotómicas, es decir, variables que toman valores 0 o 1. Se utiliza en diversos campos, como la econometría, la epidemiología y el aprendizaje automático.
A diferencia del modelo de regresión lineal, la regresión logística utiliza una función logística para modelar la relación entre las variables independientes y la probabilidad de que la variable dependiente sea igual a 1.
La ecuación de regresión logística se expresa como logit(p) = β₀ + β₁X₁ + β₂X₂ + ... + βₖXₖ, donde logit(p) representa la función logística de la probabilidad p, X₁, X₂,..., Xₖ son las variables independientes, y β₀, β₁, β₂,..., βₖ son los coeficientes de regresión.
Los coeficientes de regresión en la regresión logística se estiman utilizando métodos de máxima verosimilitud. Una vez estimados los coeficientes, se pueden realizar inferencias sobre la significancia estadística de los coeficientes y realizar pronósticos de la probabilidad de que la variable dependiente sea igual a 1.
La regresión logística es útil cuando se desea modelar y predecir variables binarias, como la probabilidad de éxito o fracaso, la presencia o ausencia de un evento, o la clasificación en categorías mutuamente excluyentes.