Changes between Version 4 and Version 5 of GLM

Timestamp:

Aug 7, 2014, 11:17:51 AM (11 years ago)

Author:

Pedro Gea

Comment:

--

GLM

@@ -22 +22 @@
 InvLogit(z) = 1/(1+Exp(-z)) = Exp(z)/(Exp(z)+1)
 }}}
+conocida como la función de distribución logística.
 
 === Verosimilitud y derivadas ===
@@ -69 +70 @@
      = - Sum_i( Exp(B'X_i)/(1+Exp(B'X_i))^2 * X_i * X'_i )
 }}}
+
+
+== Modelo Probit ==
+
+La función de enlace del modelo probit es la inversa de la función de distribución normal (con parámetros: media 0 y varianza 1):
+{{{
+Probit(p) = InvDistNormal(p)
+}}}
+cuya inversa es:
+{{{
+InvProbit(z) = DistNormal(z)
+}}}
+
+Así, la primera derivada de la inversa de la función de enlace, no es otra que la función de densidad normal:
+{{{
+d(InvProbit(z))/dz = DensNormal(z) = 1/Sqrt(2Pi) * Exp(-z^2/2)
+}}}
+
+=== Verosimilitud y derivadas ===
+
+==== Log-Likelihood ====
+
+El logaritmo de la verosimilitud (''log-likelihood'') es:
+{{{
+LogL = Sum_i( Y_i*Log(P_i) + (1-Y_i)*Log(1-P_i) )
+}}}
+donde el subíndice {{{i}}} hace referencia a la {{{i}}}-ésima observación.
+
+Teniendo en cuenta que la probabilidad de la {{{i}}}-ésima observación viene dada por:
+{{{
+P_i = DistNormal(B'X_i)
+}}}
+podemos escribir:
+{{{
+LogL = Sum_i( Y_i*Log(DistNormal(B'X_i)) + (1-Y_i)*Log(1-DistNormal(B'X_i)) ) =
+
+     = Sum_i( Y_i*Log(DistNormal(B'X_i)) + (1-Y_i)*Log(DistNormal(-B'X_i)) )
+}}}
+
+==== Gradient ====
+
+La primera derivada respecto a la matriz de parámetros ({{{B}}}) es el gradiente del logaritmo de la verosimilitud:
+
+{{{
+G(B) = d(LogL(B))/dB =
+
+     = Sum_i( ( Y_i*DensNormal(B'X_i)/DistNormal(B'X_i) - (1-Y_i)*DensNormal(-B'X_i)/DistNormal(-B'X_i) ) * X_i )
+
+     = Sum_i( ( Y_i*Q(B'X_i) - (1-Y_i)*Q(-B'X_i) ) * X_i )
+}}}
+
+donde el cociente entre las funciones de densidad y distribución se ha definido como:
+{{{
+Q(x) = DensNormal(x)/DistNormal(x)
+}}}
+
+==== Hessian ====
+
+La segunda derivada respecto a la matriz de parámetros ({{{B}}}) es la hessiana del logaritmo de la verosimilitud:
+
+{{{
+H(B) = d^2(LogL(B))/(dB dB') =
+
+     = Sum_i( ( Y_i*Q(B'X_i)*(Q(B'X_i)+B'X_i) + (1-Y_i)*Q(-B'X_i)*(Q(-B'X_i)-B'X_i) ) * X_i * X'_i )
+}}}
+
+donde se usado que:
+{{{
+d(Q(x))/dx = (-x*DensNormal(x)*DistNormal(x)-DensNormal(x)^2)/DistNormal(x)^2 =
+
+           = - DensNormal(x)/DistNormal(x) * (x + DensNormal(x)/DistNormal(x))
+
+           = - Q(x) * (Q(x) + x)
+}}}