En estadística , un modelo lineal generalizado (GLM) es una generalización flexible de la regresión lineal clásica que permite el uso de variables de respuesta que tienen patrones de distribución de error que no se distribuyen normalmente . GLM generaliza la regresión lineal al permitir que un modelo lineal se relacione con una variable de respuesta a través de una función. Los modelos lineales fueron formulados por John Nelder y Robert Wedderburn como una forma de combinar varios otros modelos estadísticos , incluida la regresión lineal , la regresión logística yRegresión de Poisson . Propusieron un método de mínimos cuadrados para estimar la máxima verosimilitud de los parámetros del modelo. La estimación de máxima verosimilitud sigue siendo popular y es el método predeterminado en muchos paquetes de computación estadística . Se han desarrollado otros enfoques, incluidos los enfoques bayesianos y los métodos de mínimos cuadrados para obtener respuestas estabilizadas en varianza .
| Mínimos cuadrados y análisis de regresión | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| Estadísticas computacionales |
| ||||||||
| Correlación y dependencia |
| ||||||||
| Análisis de regresión |
| ||||||||
| La regresión como modelo estadístico |
| ||||||||
| descomposición de la varianza |
| ||||||||
| estudio modelo |
| ||||||||
| requisitos previos |
| ||||||||
| Planificación de experimentos |
| ||||||||
| Aproximación numérica | |||||||||
| Aplicaciones |
| ||||||||