Loading [MathJax]/jax/output/CommonHTML/jax.js
+ - 0:00:00
Notes for current slide
Notes for next slide

Modelización estadística de la población para apoyar los censos

Cuestionario 3

Edith Darin

1 / 23

Cuestionario

2 / 23

Escribir el modelo Stan

// Stan code
data{}
transformed parameters{}
parameters{}
model{}
generated quantities{}


Si quiero incluir predicciones en la estimación de Stan, ¿qué bloque debo utilizar?

1.datos
2.parámetro
3.parámetro transformado
4.modelo
5.cantidades generadas

3 / 23

Modelo de población

populationPoisson(pop_densitysettled_area)

pop_densityLognormal(μ,σ) μ=αt,r+βX

4 / 23

Modelo de población

populationPoisson(pop_densitysettled_area)

pop_densityLognormal(μ,σ) μ=αt,r+βX

Si hemos seleccionado seis covariables, ¿cuántas distribuciones a priori beta necesitamos?

1.0
2.1
3.6

5 / 23

Modelo Stan

for(i in 1:n){
mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

¿Cuál es el tamaño de type[i]

  1. 0
  2. 1
  3. Número de tipo de asentamiento
  4. Número de observaciones
6 / 23

Modelo Stan

for(i in 1:n){
mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

¿Cuál es el tamaño de alpha_t_r

  1. Número de tipo de asentamiento
  2. Número de regiones
  3. Número de tipo de asentamiento x, número de región
  4. (Número de tipo de asentamiento, número de región)
7 / 23

Modelo Stan

for(i in 1:n){
mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

¿Cuál es el tamaño de cov[i,]

  1. 0
  2. 1
  3. Número de covariables
  4. (Número de observaciones, número de covariables)
8 / 23

Modelo Stan

for(i in 1:n){
mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

¿Cuál es el tamaño de beta

  1. 0
  2. 1
  3. Número de covariables
  4. (Número de observaciones, número de covariables)
9 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/ Calcula los salarios del profesorado en función de los años de experiencia:

10 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/ Calcula los salarios del profesorado en función de los años de experiencia:

drawing

11 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/ Calcula los salarios del profesorado en función de los años de experiencia:

drawing

salary=α+βexperience
12 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Estimación de los salarios del profesorado cuando se desempeña en diferentes departamentos

drawing

13 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

14 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

15 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

Los datos están representados en:

  1. Supuestos de agrupación completa
  2. Supuestos sin agrupación
  3. Supuestos de agrupación parcial
16 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

Se trata de un:

  1. Modelo jerárquico
  2. Modelo de intercepción aleatoria
  3. Modelo de pendiente aleatoria
17 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

Se trata de un:

  1. Modelo jerárquico
  2. Modelo de intercepción aleatoria
  3. Modelo de pendiente aleatoria

salary=αf+βexperience

18 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Los salarios del profesorado aumentan a ritmos diferentes en función del departamento

19 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Los salarios del profesorado aumentan a ritmos diferentes en función del departamento

20 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Los salarios del profesorado aumentan a ritmos diferentes en función del departamento

Se trata de un:

  1. Modelo jerárquico
  2. Modelo de intercepción aleatoria
  3. Modelo de pendiente aleatoria
21 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Los salarios del profesorado aumentan a ritmos diferentes en función del departamento

Se trata de un:

  1. Modelo jerárquico
  2. Modelo de intercepción aleatoria
  3. Modelo de pendiente aleatoria

salary=α+βfexperience

22 / 23

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/

drawing

salary=αf+βfexperience

23 / 23

Cuestionario

2 / 23
Paused

Help

Keyboard shortcuts

, , Pg Up, k Go to previous slide
, , Pg Dn, Space, j Go to next slide
Home Go to first slide
End Go to last slide
Number + Return Go to specific slide
b / m / f Toggle blackout / mirrored / fullscreen mode
c Clone slideshow
p Toggle presenter mode
t Restart the presentation timer
?, h Toggle this help
sToggle scribble toolbox
Esc Back to slideshow