Arturo Erdely Ruiz

La regresión binaria suele formularse mediante modelos lineales generalizados, como la regresión logística o probit, en los que la probabilidad de éxito se expresa mediante una función de enlace aplicada a una combinación lineal de covariables. En esta presentación se propone una perspectiva alternativa más general basada en funciones subcópula, entendidas como la herramienta natural para describir dependencia entre variables aleatorias.

Como consecuencia del Teorema de Sklar (1959), existe una única subcópula definida sobre el producto de los rangos de las distribuciones marginales de las variables involucradas. A partir de esta estructura de dependencia, la probabilidad condicional de una respuesta Bernoulli puede expresarse en términos de los valores de la subcópula asociada a la distribución conjunta de la respuesta y las covariables.

Se discutirá cómo este enfoque permite separar el comportamiento marginal de la estructura de dependencia, ofreciendo una vía flexible para modelizar asociaciones no necesariamente lineales ni monótonas, así como su inferencia estadística.

Palabras clave: regresión binaria, subcópulas, teorema de Sklar.