#*********************************************************************** # Laboratorio 16: Regresion logistica # Edgar Acuna, Marzo 2003 # #********************************************************************* #Leyendo el archivo de datos de millaje directamente

de la internet pesobebe<-read.table(file="http://math.uprm.edu/~edgar/bajopeso.txt",header=T) #pesobebe<-read.table(file="c:/bajopeso.txt",header=T) # la primera columna de pesobebe contiene la variable bajopeso que se obtiene #codificando la ultima variable peso. Si peso<2500 entonces bajopeso es 0 de lo #contario vale 1 #Haciendo la regresion de bajopeso versus pesomama l1=lm(bajopeso~pesomama,data=pesobebe) #Ploteando bajopeso versus pesomama y la linea de regresion win.graph() plot(pesobebe$pesomama,pesobebe$bajopeso) title("bajopeso versus pesomama") abline(l1) #Ploteando los residuales de la regresion win.graph() par(mfrow=c(1,2)) plot(l1$fitted,rstandard(l1)) abline(h=0) plot(pesobebe$pesomama,rstandard(l1)) abline(h=0) #Ploteando la curva logistica F(x)=1/(1+exp(-x)) en el rango (-10,10) puntos<-seq(-10,10,length=100) win.graph() par(mfrow=c(1,1)) plot(puntos,1/(1+exp(-puntos)),type="l") title("plot de la curva logistica en (-10,10)") #Notar que hay algo de similtud con el plot anterior #Agrupando la variable pesomama en 5 intervalos para sacar estimaciones de #las probabilidades de bajopeso ngrupos<-5 # el metodo de scott no conviene aqui grupos<-cut(pesobebe[,3],ngrupos) datos1<-cbind(pesobebe[,1],pesobebe[,3],grupos) proby<-rep(0,ngrupos) for(i in 1:ngrupos) {datos2<-datos1[datos1[,3]==i,] proby[i]<-sum(datos2[,1])/length(datos2[,1]) } cat("las probabilidades estimadas en cada grupos son:",proby,"\n") #Desafortunadamente los grupos no son homogeneos y no se prestan para #aplicar regresion logistica en datos agrupados #De ahora en adelante vamos a excluir la columna peso de pesobebe pesobebe<-pesobebe[,-10] # Haciendo la regresion logistica simple logis1<-glm(bajopeso~pesomama,data=pesobebe,family=binomial) summary(logis1) #Haciendo la regresion logistica multiple logis2<-glm(bajopeso~.,data=pesobebe,family=binomial) summary(logis2) #Haciendo otra vez la regresion logistica incluyendo solo las variables mas #sig nificativas logis3<-glm(bajopeso~pesomama+raza+fuma+hipertensio,data=pesobebe,family=binomia l) summary(logis3) #Observando el valor de la devianza y del AIC el tercer modelo seria el mejor mo delo

#sin embargo en lo que sigue vamos a considerar los resultados del segundo model o #******************************************************** #Prediciendo las clases con el segundo modelo #Haciendo la clasificacion por el metodo mas simple comparando con p=0.5 #******************************************************** phat<-fitted.values(logis2) nobs<-dim(pesobebe)[1] clases<-rep(0,nobs) for(i in 1:nobs) {if(phat[i]>=0.5){clases[i]<-1} } errores<-sum(clases!=pesobebe[,1]) rate<-errores/nobs cat("la tasa de mala clasificacion es=",rate,"\n") #************************************************* # Haciendo la clasificacion con el metodo mas complicado calculando la sensitivi dad y #especificidad #******************************** p<-seq(.1,.9,length=9) sensit<-rep(0,9) especif<-rep(0,9) for(j in 1:9) {clases1<-rep(0,nobs) for(i in 1:nobs) {if(phat[i]>=p[j]){clases1[i]<-1} } pesobebe1<-cbind(pesobebe[,1],clases1) sibajo<-pesobebe1[pesobebe1[,1]==1,] nobajo<-pesobebe1[pesobebe1[,1]==0,] sensit[j]<-mean(sibajo[,1]==sibajo[,2]) especif[j]<-mean(nobajo[,1]==nobajo[,2]) } tabla<-cbind(p,sensit,especif) cat("Sensitividad y especifidad para varios valores de p\n") print(tabla) #Haciendo el plot para hallar el p optimo win.graph() plot(p,sensit,type="l") lines(p,especif) text(p,sensit,labels=p) title("Ploteando la sentividad y especificidad para varios p") # p=0.30 parece ser el optimo #Ploteaando la curva ROC win.graph() plot(1-especif,sensit,type="l") text(1-especif,sensit,labels=p) title("La curva ROC") #Notar que para p=.30 la curva esta mas cerca a la esquina superior izquierda #Clasificacion final clasesf<-rep(0,nobs) for(i in 1:nobs) {if(phat[i]>=0.3){clasesf[i]<-1} } erroresf<-sum(clasesf!=pesobebe[,1]) ratef<-erroresf/nobs cat("la tasa de mala clasificacion optima es=",ratef,"\n")