Credit Value

Télécharger au format xlsx, pdf ou txt
Télécharger au format xlsx, pdf ou txt
Vous êtes sur la page 1sur 89

Modelo de Máxima Verosimilitud: LOGIT, PROBIT, TOBIT

LOGIT & PROBIT

Deuda de la
Incumplimiento Nivel Años con el Años en la Ingresos del Razón de la Tarjeta de
Edad empleador Dirección Hogar Deuda/Ingre
de pago (Default) Educativo actual Actual (Miles $) sos ( %) crédito
(Miles $)

1 41 3 17 12 176 9.3 11.36


0 27 1 10 6 31 17.3 1.36
0 40 1 15 14 55 5.5 0.86
0 41 1 15 14 120 2.9 2.66
1 24 2 2 0 28 17.3 1.79
0 41 2 5 5 25 10.2 0.39
0 39 1 20 9 67 30.6 3.83
0 43 1 12 11 38 3.6 0.13
1 24 1 3 4 19 24.4 1.36
0 36 1 0 13 25 19.7 2.78
0 27 1 0 1 16 1.7 0.18
0 25 1 4 0 23 5.2 0.25
0 52 1 24 14 64 10 3.93
0 37 1 6 9 29 16.3 1.72
0 48 1 22 15 100 9.1 3.7
1 36 2 9 6 49 8.6 0.82
1 36 2 13 6 41 16.4 2.92
0 43 1 23 19 72 7.6 1.18
0 39 1 6 9 61 5.7 0.56
0 41 3 0 21 26 1.7 0.1
0 39 1 22 3 52 3.2 1.15
0 47 1 17 21 43 5.6 0.59
0 28 1 3 6 26 10 0.43
0 29 1 8 6 27 9.8 0.4
1 21 2 1 2 16 18 0.24
0 25 4 0 2 32 17.6 2.14
0 45 2 9 26 69 6.7 0.71
0 43 1 25 21 64 16.7 0.95
0 33 2 12 8 58 18.4 3.08
0 26 3 2 1 37 14.2 0.2
0 45 1 3 15 20 2.1 0.11
0 30 1 1 10 22 10.5 1.14
0 27 3 2 7 26 6 0.72
0 25 1 8 4 27 14.4 1.02
0 25 1 8 1 35 2.9 0.08
0 26 2 6 7 45 26 6.05
0 30 2 10 4 22 16.1 1.41
0 32 2 12 1 54 14.4 3.2
1 28 2 1 8 24 17.1 1.34
0 45 1 23 5 50 4.2 0.56
0 23 1 7 2 31 6.6 0.34
0 34 1 17 3 59 8 1.81
0 42 2 7 23 41 4.6 0.94
0 39 1 19 5 48 13.1 1.93
1 26 1 0 0 14 7.5 0.3
0 21 2 0 1 16 6.8 0.15
0 35 1 13 15 35 4.5 0.43
0 47 1 4 2 26 10.4 0.12
1 23 2 0 2 21 11.4 0.78
0 35 1 18 2 42 7.4 0.21
1 34 1 2 11 25 12.6 0.57
0 46 1 1 12 20 14 0.81
1 46 1 16 18 52 12.9 3.03
0 38 3 3 18 25 3.7 0.31
0 40 2 3 2 28 9.5 0.55
1 37 1 1 3 24 15.1 1.8
0 35 1 9 1 34 5 0.4
0 39 2 16 13 69 2.4 1.06
0 40 3 18 6 100 2.5 1.49
0 50 3 10 20 80 12.2 2.48
0 31 1 9 10 28 2.4 0.05
1 29 1 13 1 42 7.4 1.46
0 37 1 4 0 23 12.4 0.87
0 33 2 4 9 55 7 2.16
0 26 2 5 7 28 7.8 1.02
1 32 2 11 6 75 23.3 7.76
1 28 2 2 3 23 6.4 0.19
0 39 1 19 8 46 9.1 2.52
1 28 2 8 3 31 8.2 1.49
1 29 1 1 2 20 18.6 0.57
0 34 2 3 8 21 23.1 1.4
0 28 2 5 9 34 23.8 3.1
0 47 1 26 21 100 12.8 4.58
0 43 4 1 5 26 10.6 1.52
0 41 1 13 10 44 1.7 0.07
0 47 1 13 25 51 23.8 3.74
0 24 1 2 1 21 0.6 0.03
0 29 1 1 9 17 6.7 0.16
0 33 1 14 2 37 2.6 0.2
0 36 1 15 10 39 3.2 0.69
1 26 1 4 3 27 10.5 2.47
0 31 1 11 12 45 17 2.74
0 37 1 7 3 32 19.6 2.7
0 35 4 4 16 29 11 1.84
0 26 1 4 3 20 5.4 0.32
0 40 1 10 15 45 18.8 2.01
1 29 2 5 4 36 12.4 3.49
0 37 3 5 17 29 24.6 1.41
0 32 1 12 12 28 2.9 0.12
1 23 2 0 1 17 27.7 2.04
0 32 1 3 10 23 6.2 0.05
1 25 1 1 6 15 11.4 0.37
0 38 1 5 5 54 10.6 1.5
1 32 2 0 6 18 5.8 0.3
1 41 3 2 0 15 26.3 1.96
0 36 1 17 6 54 4.4 0.73
0 42 3 13 0 82 3.3 1.32
0 41 1 14 8 52 7.3 0.93
0 29 2 4 9 19 6.3 0.68
1 38 3 4 6 31 9.3 1.33
0 39 1 22 9 113 2.6 0.99
0 36 1 6 9 26 8.3 0.03
0 33 1 8 7 27 5.8 0.78
0 42 2 21 11 121 3.1 1.37
0 41 2 22 17 75 23.6 9.88
0 40 1 8 17 28 3.6 0.53
1 53 1 9 18 50 11.2 2.02
0 28 1 4 7 26 13.5 1.3
0 36 2 12 13 60 7.9 1.72
0 34 2 9 13 45 10.1 1.12
0 45 3 2 5 39 4.9 0.46
0 38 1 6 0 41 8.9 0.27
0 21 3 0 2 24 7.7 0.83
0 42 1 12 11 51 21.4 2.41
0 52 1 16 25 64 8.6 1.87
0 25 2 4 6 33 5.2 0.55
0 34 2 9 9 65 6.2 2.11
0 40 2 15 16 73 3.4 1.03
1 31 2 0 4 27 12.8 1.09
1 25 1 1 0 20 6.7 0.47
0 45 1 12 19 37 9.5 1.34
1 23 1 3 0 19 8.4 0.28
1 34 4 6 3 27 35.3 1.98
1 31 1 2 4 22 12.7 1.09
0 28 1 5 9 22 2.8 0.14
0 41 1 7 11 43 4.4 0.69
1 39 2 7 2 68 13 1.02
0 29 2 9 3 36 1.4 0.13
0 21 1 5 1 25 9 0.37
0 41 2 19 2 68 5.8 1.51
0 26 4 1 7 27 2.9 0.31
0 33 1 5 10 18 12.9 0.98
0 45 2 18 19 35 17.4 0.55
0 39 1 17 20 60 13.7 2.45
0 24 1 7 2 21 6.3 0.52
0 29 2 6 7 57 2.2 0.45
0 27 2 1 0 23 12.4 0.29
0 40 1 13 2 28 5.9 0.96
0 29 1 8 10 24 6.7 0.47
1 29 2 4 3 37 6.6 1.16
1 24 1 0 2 16 16 1.01
1 27 1 9 6 45 17.8 2.85
0 41 3 16 22 135 4.4 1.28
0 31 1 11 8 25 9.1 0.14
0 41 1 16 17 68 5.4 0.45
0 42 2 5 3 41 3.4 0.36
0 28 4 1 3 26 12.4 0.38
0 30 4 2 8 25 10 1.77
0 30 1 11 1 33 8.4 0.68
0 31 1 8 4 44 8 1.72
0 45 2 15 14 51 18.1 1.55
1 43 1 13 23 76 6.1 2.15
0 36 1 4 10 23 16.3 1.33
0 28 1 8 6 30 7.2 0.61
0 27 2 3 5 33 13.2 1.63
0 36 3 13 3 39 19.2 2.8
0 33 1 12 11 32 11.3 2.1
1 54 1 9 2 28 14.8 1.56
1 33 1 9 4 29 13.8 1.35
0 31 1 9 5 26 4.5 0.31
0 21 1 4 0 26 8.9 1.42
0 28 3 5 9 44 8.7 0.77
1 31 2 2 1 26 6.8 0.28
0 32 1 8 6 26 4.1 0.33
1 35 2 1 8 24 12.5 0.59
1 40 2 13 11 102 18.9 6.23
1 22 1 4 2 24 15.6 1.64
0 39 1 4 9 38 6.5 1.18
0 41 4 14 3 44 1.7 0.35
0 34 1 16 9 79 4 1.73
0 29 1 7 9 22 9.7 0.55
0 31 1 4 10 28 11.3 0.29
1 32 1 1 0 20 4.8 0.31
0 32 1 14 7 73 8.8 3.75
0 33 1 6 14 21 7.5 0.57
0 26 1 6 0 22 10.3 0.72
0 21 1 1 1 18 17.3 0.16
0 28 2 7 2 34 7 0.36
0 37 1 13 5 24 8.9 0.6
1 33 2 2 14 35 22.9 2.12
0 39 1 12 10 46 5 0.56
0 40 2 8 19 57 5.6 0.88
0 45 3 16 21 80 3 0.91
0 27 1 10 6 34 6.5 0.85
0 28 4 0 7 29 24.2 1.42
0 39 1 13 9 27 8 0.97
1 40 1 14 21 43 15 2.79
0 27 1 11 8 56 16.9 4.64
0 36 1 1 4 16 9.3 0.43
0 55 1 19 2 78 15.6 4.4
1 27 2 4 3 22 13.2 1.09
0 30 1 1 8 17 11 0.75
1 36 1 10 0 28 11.2 0.82
1 31 1 1 6 21 2.5 0.28
0 33 2 13 2 40 7.2 0.18
0 30 1 4 0 33 4.2 0.5
1 24 1 1 0 18 5.9 0.24
0 33 4 9 10 28 4.3 0.38
0 50 1 8 27 47 6.9 0.4
1 31 2 6 6 32 23.1 3.34
0 28 1 3 7 19 4.1 0.26
1 44 3 8 10 88 6.1 0.28
0 48 4 3 23 45 9.8 0.97
0 36 2 0 17 30 9.7 0.33
0 29 3 7 1 63 5.5 0.57
0 40 3 17 11 116 6 2.56
0 33 1 7 6 26 6 0.54
0 26 2 6 6 30 1 0.14
0 36 1 14 11 81 7.2 1.78
0 26 2 6 0 35 1.9 0.09
0 40 3 16 6 116 12.1 1.61
1 44 1 5 3 48 9 1.97
0 29 3 1 10 30 4.5 0.28
1 35 3 5 3 37 5.4 0.58
0 34 1 16 3 75 10.4 3.95
0 34 3 12 8 47 6.7 1.3
0 46 1 14 25 35 10.2 1.35
0 41 2 21 22 145 12.2 3.24
1 27 2 7 8 30 4 0.45
1 27 4 0 6 70 8 1.62
0 28 1 11 6 24 2.4 0.11
0 48 3 0 27 19 10.8 0.85
0 48 3 17 26 113 12 3.38
1 29 3 5 6 70 19.9 3.18
1 43 2 9 5 60 20.4 4.04
0 23 1 5 2 17 7.9 0.3
0 29 2 10 8 44 18.1 3.7
0 40 4 5 6 75 1.9 0.88
0 22 2 0 3 20 5.6 0.21
0 23 1 7 3 22 14.4 0.85
0 46 3 9 10 60 15.3 1.61
1 55 1 3 11 40 8 0.56
0 38 2 8 16 38 0.6 0.03
0 35 2 5 1 33 2.8 0.1
0 30 1 11 9 27 0.9 0.07
0 24 1 7 0 18 6.5 0.53
0 26 2 4 3 28 9.5 0.23
1 32 2 2 11 15 9.1 0.12
0 37 2 11 4 75 3.5 0.63
1 39 1 6 19 42 19.9 2.54
0 30 2 4 4 21 18.3 0.49
0 30 1 10 11 39 9.5 2.06
0 32 2 7 10 32 4.3 0.43
0 54 3 21 20 118 14.4 9.6
0 27 3 3 4 35 13.3 1.6
0 31 1 12 4 31 23.7 2.06
0 39 1 15 16 39 1.8 0.14
0 31 1 5 3 25 14.1 1.18
0 35 1 15 11 40 18.5 1.21
0 35 2 10 16 98 13.3 4.87
0 46 2 22 17 144 11.1 3.32
1 33 1 13 3 52 21.3 2.71
0 35 2 13 3 105 1.9 1.42
0 35 2 1 1 21 7.9 0.37
0 38 1 5 13 21 9 0.45
0 41 1 19 1 96 7.8 2.25
0 38 1 18 19 44 4.5 0.61
0 34 3 2 14 39 13.2 1.14
0 51 3 16 25 82 4.4 2.6
0 34 2 10 2 33 9.5 0.57
0 47 1 15 1 30 24.5 2.21
0 34 2 8 6 78 5.4 2.16
0 27 2 8 7 18 11.9 0.4
1 52 1 9 11 24 19.2 0.8
0 39 1 9 6 35 5 0.23
0 33 1 7 0 22 6.4 0.63
0 34 1 0 1 21 7.2 0.19
1 31 3 9 7 59 14.6 3.11
0 28 1 2 9 16 15.2 0.87
0 39 1 19 16 45 3.7 0.92
0 51 2 22 23 120 7.6 4.14
0 22 1 4 1 16 1.2 0.08
0 27 3 6 4 26 10.4 0.93
0 32 1 16 10 38 21 0.69
0 28 2 6 7 38 7.2 0.77
1 27 2 1 0 20 10.3 0.38
1 26 2 2 6 24 13.6 1.58
0 32 1 14 0 36 2.4 0.27
1 30 1 0 11 17 3.7 0.45
0 39 1 13 1 38 8.9 1.9
1 31 1 11 6 28 4.8 0.35
1 34 1 15 2 39 24.7 4.37
0 31 1 8 3 41 12.6 0.13
0 29 2 1 7 25 10.4 0.57
0 29 1 9 0 25 13.9 1.07
0 35 2 9 16 30 7.6 0.65
0 29 1 11 7 32 6 0.93
1 38 2 2 16 22 22.7 1.21
0 35 1 16 15 36 3.4 0.18
0 29 1 11 5 36 6.1 0.71
0 23 2 3 4 34 4.4 0.26
0 33 4 9 8 32 5.5 0.5
0 51 2 19 25 159 2.8 1.07
0 24 1 4 2 21 2.6 0.1
1 31 1 10 12 49 9.8 3.24
0 45 1 10 14 52 5.4 0.93
0 29 1 3 1 17 9 0.47
0 34 1 0 10 20 17.1 2.05
1 25 2 4 5 27 5 0.55
0 37 1 20 2 56 1.9 0.54
1 47 1 29 18 129 25.3 20.56
0 43 2 6 24 54 9.6 0.62
0 47 1 22 19 81 5.5 1.51
0 24 1 6 2 21 5.2 0.11
0 27 3 5 1 75 6.3 2.21
0 25 1 9 4 18 1.2 0.07
0 36 3 11 12 44 14.7 0.45
0 39 1 16 20 57 19.4 1.56
0 26 1 10 1 25 7.1 1.31
0 41 1 4 19 25 10.1 1.06
1 39 1 19 15 60 27.1 9.59
0 37 1 18 8 54 12.1 4.59
1 29 1 2 0 14 14.4 0.59
0 42 1 6 9 31 11.6 1.02
0 31 4 1 6 29 11.1 1.07
0 36 1 4 15 17 17.3 0.52
0 39 1 16 4 52 20 4.16
0 23 4 0 2 23 6.7 0.47
0 39 1 4 15 33 7 0.4
1 27 3 4 1 40 3.1 0.28
0 24 1 8 4 24 5 0.38
1 27 3 3 4 45 11 0.29
0 41 1 16 22 49 1.6 0.43
1 38 1 0 8 23 8.1 0.9
1 40 2 5 12 35 16.4 1.58
1 54 1 25 12 120 26.5 14.6
0 40 1 12 6 89 17.4 2.77
0 40 1 2 4 32 3.7 0.85
0 29 1 1 8 31 8 0.16
0 30 1 8 6 23 12 0.76
0 29 1 1 1 18 1.1 0.03
1 29 3 3 3 50 2.4 0.26
1 28 4 2 4 41 2.5 0.46
0 28 4 0 5 38 10.4 0.64
0 39 2 16 9 89 14.3 5
0 32 1 11 2 53 3.3 0.09
0 36 2 7 16 43 15.4 2.65
0 39 1 20 12 39 8.2 0.77
1 28 3 6 8 47 19.8 5.57
1 28 1 4 2 28 14.2 0.44
0 46 1 6 19 31 12.2 1.99
0 30 2 4 8 15 6.5 0.35
0 39 2 15 19 32 4.9 0.42
1 40 3 5 3 220 16 8.17
0 44 2 18 4 74 13.4 4.52
1 30 1 0 8 19 16.6 0.62
0 24 2 3 0 19 4.3 0.36
0 32 1 10 13 32 11.3 1.17
0 29 2 3 8 15 2.6 0.15
0 40 2 2 1 36 3.8 0.28
0 41 2 8 21 43 0.7 0.09
0 22 1 1 3 17 18.6 0.81
0 38 1 10 8 34 1.2 0.04
0 37 2 6 13 62 8.5 1.19
1 41 3 18 6 71 15.7 6.57
1 41 3 7 6 56 14.5 0.37
1 39 1 2 15 22 23.1 1.92
1 24 2 0 2 15 16.1 0.32
0 32 3 9 10 51 23 2.69
0 21 3 0 1 26 7.7 1.53
0 29 1 13 7 27 2.3 0.07
0 35 2 14 3 82 0.8 0.47
0 29 1 6 7 21 18.1 1.11
0 41 2 2 22 30 6.7 0.11
1 37 1 0 18 18 12.9 1.58
0 32 2 3 13 47 1.9 0.43
0 36 5 5 12 20 8.1 0.73
0 39 2 18 9 44 2.1 0.37
0 36 1 18 9 67 11.2 5.25
0 46 3 22 4 99 2.3 0.83
0 34 1 13 11 51 9.6 1.88
0 27 1 7 4 26 9.1 0.64
0 43 1 8 11 45 3.3 0.68
1 33 1 14 8 72 41.3 15.02
0 39 2 20 17 101 1.4 0.34
0 29 1 1 4 17 2.5 0.13
0 34 4 7 15 40 6.4 0.95
0 26 1 1 0 21 4.9 0.61
0 31 1 15 2 60 4.8 0.8
0 26 1 10 6 24 2.7 0.31
0 28 1 12 7 45 7.7 1.85
1 48 1 13 20 50 30.8 6.11
1 39 2 2 12 46 16 4
0 37 1 3 3 25 3.7 0.28
1 52 5 9 0 70 9.4 1.33
0 48 1 3 11 27 21.3 1.4
0 26 1 7 3 22 5.1 0.21
0 46 5 15 0 126 3.1 0.48
0 31 1 7 10 23 4.9 0.23
0 34 1 13 8 56 6.1 0.86
0 40 1 22 4 95 3.6 0.63
1 24 3 2 5 16 6.4 0.27
0 33 1 2 14 44 3.1 0.53
1 53 4 5 29 78 17.3 6.94
1 47 3 9 1 52 20.1 2.54
0 35 1 5 5 32 13 0.17
0 34 1 14 8 28 17 1.14
0 49 1 11 5 39 10.1 2.46
0 26 2 0 7 28 9.3 1.27
1 23 1 2 2 16 9.6 0.8
0 23 2 0 4 21 8.7 0.45
0 38 2 4 13 56 1.6 0.44
0 28 2 5 2 37 8.3 1.12
1 30 3 0 8 65 29.7 3.9
0 34 1 18 10 34 15.4 2.1
0 50 2 16 14 71 11.1 1.66
0 29 1 12 2 40 6.7 1.63
0 42 3 0 9 64 6.6 0.28
0 31 1 13 12 27 5 0.24
0 39 1 10 4 31 4.8 0.18
0 45 2 21 26 132 3 2.56
0 45 1 22 24 91 11.7 1.26
0 36 1 14 17 53 5.7 1.89
1 25 4 0 6 24 12.1 1.6
1 29 2 1 7 29 21.2 2.33
0 30 2 8 4 56 6.4 0.33
0 31 1 1 1 24 4.5 0.22
0 43 1 4 2 29 4.6 0.05
1 32 2 11 4 57 23.8 5.44
0 47 1 19 7 50 30.1 3.18
1 46 1 1 15 21 14.8 1.38
0 43 2 16 10 83 4.1 0.26
0 48 1 3 7 24 7 0.76
0 30 3 8 7 61 2.8 0.55
1 23 4 0 4 32 18.4 0.82
0 36 4 8 0 32 1.6 0.02
0 20 3 0 1 17 2.3 0.04
0 43 1 16 7 89 0.4 0.16
1 23 1 2 1 25 4.5 0.12
0 41 1 21 2 76 20.5 6.95
1 34 1 12 5 68 25.1 7.82
0 50 1 11 5 36 4.8 0.83
0 40 1 9 4 64 6.6 0.79
1 29 2 0 8 22 12.9 1.04
0 39 2 9 16 56 18.7 4.76
0 24 2 1 2 42 5.7 0.84
0 27 1 0 5 16 1.1 0.13
0 40 3 18 14 157 6.6 3.33
0 32 2 8 2 45 3.7 0.98
0 39 2 16 12 53 3.7 0.69
0 40 1 22 1 100 14.6 5.4
0 32 1 10 11 42 9.1 1.54
0 39 1 23 1 75 18.9 3.13
1 24 1 3 3 21 28.9 2.68
1 43 4 18 14 446 6.5 16.03
0 56 1 11 20 59 15 4.67
0 32 3 5 9 23 4.5 0.33
0 42 1 7 12 25 10.2 1.63
1 46 3 3 13 43 13.2 3.04
1 31 1 2 2 22 16.4 1.74
0 43 1 25 16 242 2.6 1.64
0 28 2 6 9 22 11.5 0.65
0 39 3 11 17 39 12.9 2.56
0 39 1 0 8 39 7.9 1.07
1 37 4 1 14 33 16.1 2.69
0 30 1 0 11 17 12 0.3
0 37 5 9 16 177 5.9 0.89
0 22 1 4 3 14 17.5 0.23
0 50 1 1 26 26 14.3 1.85
0 30 1 10 2 19 4.4 0.34
0 39 1 8 0 21 4 0.28
1 21 2 0 2 21 12.5 0.49
0 31 3 9 2 28 2.6 0.12
0 31 2 9 1 30 5.8 0.6
0 48 1 0 23 30 22.3 2.66
0 28 1 4 1 16 23.8 1.09
1 47 3 16 26 221 17.6 15.79
0 27 2 6 1 34 4.4 0.24
0 29 2 6 10 65 18.4 1.99
1 21 2 2 0 20 4.5 0.29
1 29 1 7 5 20 19.8 1.01
1 24 4 0 3 29 6.6 0.59
0 44 1 12 3 31 9.7 0.36
0 22 1 1 0 18 4.4 0.27
0 38 2 13 0 59 2.4 0.41
0 52 2 12 16 76 7.7 0.99
1 25 1 3 2 18 16.3 0.35
0 25 1 5 5 22 10.9 0.4
0 51 2 27 21 166 11.5 0.82
0 38 1 21 16 58 16.5 4.58
0 44 1 9 20 33 5.2 0.55
1 24 2 2 3 26 9.7 0.89
0 34 1 5 3 33 7.3 0.78
0 25 2 6 2 26 4.5 0.07
1 45 3 5 17 94 10.5 3.61
0 34 2 4 10 25 5.8 0.57
1 27 4 2 8 23 5.7 0.32
1 33 2 10 13 57 20.9 6.11
1 35 2 0 16 22 15 1.97
0 50 2 15 31 60 1.1 0.47
0 33 1 13 13 42 3.6 0.23
1 41 3 13 13 91 25.2 2.32
1 28 1 0 2 28 33.3 2.28
1 38 3 12 14 63 16 5.72
1 25 1 3 2 16 17.8 1.01
1 47 2 4 9 33 7.1 1.19
0 30 2 12 9 98 7.2 2.94
0 44 2 12 5 86 13 1.48
1 25 1 0 2 18 18.9 0.51
1 41 2 6 0 36 19.5 4.51
OBIT, TOBIT

Otras
Deuda
(Miles $)

5.01
4
2.17
0.82
3.06
2.16
16.67
1.24
3.28
2.15
0.09
0.94
2.47
3.01
5.4
3.4
3.81
4.29
2.91
0.34
0.51
1.82
2.17
2.24
2.64
3.49
3.92
9.74
7.59
5.05
0.32
1.17
0.84
2.87
0.94
5.65
2.13
4.58
2.77
1.54
1.71
2.91
0.94
4.36
0.75
0.94
1.14
2.58
1.62
2.9
2.58
1.99
3.68
0.61
2.11
1.82
1.3
0.59
1.01
7.28
0.62
1.65
1.98
1.69
1.16
9.72
1.29
1.67
1.05
3.15
3.45
4.99
8.22
1.24
0.68
8.4
0.1
0.98
0.76
0.56
0.36
4.91
3.58
1.35
0.76
6.45
0.97
5.73
0.7
2.67
1.37
1.34
4.22
0.75
1.98
1.65
1.39
2.87
0.52
1.55
1.95
2.13
0.79
2.39
7.82
0.47
3.58
2.21
3.02
3.43
1.45
3.38
1.01
8.5
3.64
1.16
1.92
1.45
2.37
0.87
2.17
1.32
7.55
1.7
0.48
1.2
7.82
0.38
1.88
2.44
0.47
1.34
5.54
5.77
0.8
0.8
2.57
0.69
1.14
1.28
1.55
5.16
4.66
2.13
3.22
1.04
2.85
0.73
2.09
1.8
7.68
2.48
2.42
1.55
2.72
4.69
1.51
2.59
2.65
0.86
0.89
3.05
1.49
0.74
2.41
13.05
2.11
1.29
0.39
1.43
1.58
2.87
0.65
2.67
1.01
1.55
2.96
2.02
1.53
5.89
1.74
2.31
1.49
1.36
5.59
1.19
3.66
4.83
1.05
7.76
1.82
1.12
2.32
0.25
2.7
0.89
0.82
0.83
2.84
4.05
0.52
5.08
3.44
2.58
2.89
4.4
1.02
0.16
4.05
0.58
12.42
2.35
1.07
1.42
3.85
1.85
2.22
14.45
0.75
3.98
0.47
1.2
10.18
10.75
8.2
1.04
4.26
0.54
0.91
2.32
7.57
2.64
0.2
0.82
0.17
0.64
2.43
1.25
1.99
5.82
3.35
1.65
0.94
7.39
3.05
5.29
0.56
2.35
6.19
8.16
12.66
8.36
0.58
1.29
1.44
5.23
1.37
4.01
1
2.56
5.14
2.06
1.74
3.81
1.52
0.78
1.32
5.5
1.56
0.75
4.98
0.11
1.77
7.29
1.96
1.68
1.69
0.59
0.18
1.48
1
5.26
5.03
2.03
2.4
1.63
0.99
3.79
1.05
1.49
1.23
1.26
3.38
0.45
1.57
1.88
1.06
1.37
0.8
0.52
12.08
4.56
2.95
0.98
2.52
0.15
6.02
9.5
0.47
1.46
6.67
1.94
1.43
2.57
2.15
2.42
6.24
1.07
1.91
0.96
0.82
4.66
0.35
0.97
4.16
17.2
12.71
0.33
2.32
2
0.17
0.94
0.57
3.32
7.73
1.66
3.97
2.42
3.73
3.54
1.8
0.62
1.15
27.03
5.39
2.53
0.46
2.45
0.24
1.09
0.22
2.36
0.37
4.08
4.58
7.75
3.17
2.09
9.04
0.47
0.55
0.19
2.69
1.9
0.74
0.46
0.89
0.56
2.26
1.45
3.02
1.72
0.81
14.72
1.07
0.29
1.61
0.42
2.08
0.34
1.61
9.29
3.36
0.65
5.25
4.35
0.91
3.43
0.9
2.55
2.79
0.75
0.84
6.56
7.91
3.99
3.62
1.48
1.33
0.73
1.37
0.45
1.95
15.41
3.14
6.22
1.05
3.95
1.11
1.3
1.4
9.39
1.13
1.31
3.82
3.25
0.86
1.28
8.13
11.87
1.73
3.14
0.92
1.16
5.07
0.49
0.35
0.2
1
8.63
9.25
0.89
3.43
1.8
5.71
1.56
0.05
7.04
0.68
1.27
9.2
2.28
11.04
3.39
12.96
4.18
0.71
0.92
2.63
1.87
4.66
1.88
2.47
2.01
2.62
1.74
9.56
2.22
1.87
0.5
0.56
2.14
0.61
1.14
4.03
2.72
23.1
1.26
9.97
0.61
2.95
1.32
2.65
0.52
1.01
4.86
2.58
2
18.27
4.99
1.17
1.63
1.63
1.1
6.26
0.88
0.99
5.8
1.33
0.19
1.28
20.62
7.04
4.36
1.84
1.15
4.12
9.7
2.89
2.51
Logit, Probit/Normit, Tobit: Variables Dependientes Limitadas utilizando Estimación por Máxima Verosimilitud

Las Variables Dependientes Limitadas describen las situaciones donde la variable dependiente contiene datos que están limitados en alcance y rango, como binarias (0 o 1), truncadas,
ordenadas o datos censurados. Por ejemplo, dado un conjunto de variables independientes (p.ej., edad, ingreso, educación, cupo de tarjeta de crédito o tenencia de préstamo
hipotecario), podemos calcular la probabilidad de incumplimiento utilizando la estimación de máxima verosimilitud (MLE – por sus siglas en ingles). La respuesta o variable dependiente
Y es binaria, es decir, puede tener solamente dos posibles resultados que denotaremos como 1 y 0 (p.ej., Y puede representar la ausencia/presencia de una condición especifica,
cumplimiento/incumplimiento de un préstamo previo, éxito/fracaso de algunos dispositivos, respuesta si/no en estudios, etc.). También tenemos un vector de variables independientes o
regresores de X, los cuales se asumen con influencia en el resultado Y. Una típica aproximación con una regresión de mínimos cuadrados ordinarios es incorrecta porque los errores de
la regresión son heteroscedasticos y no normales; y los resultados estimados de probabilidad resultantes serian valores sin sentido sobre 1 o debajo de 0. MLE se ocupa de estos
problemas de análisis utilizando una rutina de optimización iterativa que maximiza la función logarítmica de verosimilitud cuando las variables dependientes son limitadas.

Una regresión Logit o Logística es usada para predecir la probabilidad de ocurrencia de un evento para datos ajustados a una curva logística. Esto es generalizado en el modelo lineal
utilizado para la regresión binomial. MLE aplicado en un análisis logístico multivariado binario es usado para modelar variables dependientes para determinar la probabilidad esperada de
éxito de pertenecer a un cierto grupo. Los coeficientes estimados por el modelo Logit son cocientes logarítmicos de probabilidad, y no pueden interpretarse directamente como
probabilidades. Un rápido calculo es requerido primero y luego la aproximación es sencilla.

Específicamente, el modelo Logit es especificado como Estimado Y= LN[Pi/(1–Pi)] o en cambio, , Pi = EXP(Estimado Y)/(1+EXP(Y Estimado)), y los coeficientes βi son cocientes
logarítmicos de probabilidad, a fin de tomar el antilogaritmo o EXP(βi) obtenemos los cocientes de probabilidad de Pi/(1–Pi). Esto significa que un incremento en una unidad de βi
incrementa la probabilidad en este monto. Finalmente, la tasa de cambio en la probabilidad dP/dX = βiPi(1–Pi). El Error Estándar mide la precisión de los coeficientes, y la t-estadística
son los coeficientes de cada Coeficiente respecto a sus errores estándar, los cuales son usados en la prueba de hipótesis para calcular el nivel de significancia de cada parámetro
estimado. Para estimar la probabilidad éxito de pertenecer a un grupo especifico (p. ej., predecir si un fumador desarrollara complicaciones pulmonares dado el monto de cigarrillos
consumidos por año), simplemente calcule el valor Estimado Y utilizando los coeficientes MLE. Por ejemplo, si el modelo es Y = 1.1 + 0.005 (Cigarrillos) entonces para una persona que
fume paquetes de cigarrillos por año tiene un Y Estimado de 1.1 + 0.005(100) = 1.6. Después, calcule la inversa del antilogaritmo para el valor encontrado previamente de probabilidad
EXP(Y Estimado)/[1 + EXP(Y Estimado)] = EXP(1.6)/(1+ EXP(1.6)) = 0.8320. Por lo tanto una persona tiene un 82.20% de probabilidad de desarrollar algun tipo de complicación
pulmonar en vida.

Un modelo Probit (algunas veces conocido como modelo Normit) es una alternativa popular de especificación para un modelo binario en cual emplea una función probit utilizando una
estimación de máxima verosimilitud y la aproximación es llamada regresión probit. Los modelos de regresión Probit o Logistica tienden a producir predicciones similares, donde los
parámetros estimados en una regresión logística son entre 1.6 y 1.8 veces más altos que los correspondientes a los coeficientes de un modelo Probit. La elección de un modelo Probit o
Logit es enteramente relacionado con la conveniencia particular, y la principal distinción entre ambos se basa en el hecho que la distribución logística tiene una mayor curtosis (colas
gordas) para tener en cuenta en los valores extremos. Por ejemplo, suponga que una familia tiene la decisión de adquirir una vivienda y su respuesta es una variable binaria (comprar o
no comprar la vivienda) y depende de una serie de variables independientes Xi como son el ingreso, la edad, tal que Ii = β0 + β1X1 +...+ βnXn, donde el mayor valor de li, significa una
mayor probabilidad de ser propietario de la vivienda. Para cada familia, existe un umbral crítico I*, donde si es superado la casa es comprada por alguien más, es decir, la cas ano es
comprada, y la probabilidad de salida (P) se asume distribuida normalmente, tal que Pi=CDF(I) utilizando una función de distribución acumulada normal estándar (CDF). Por lo tanto, usa
los coeficientes estimados exactamente igual a los de un modelo de regresión, utilizando el valor Estimado Y, y aplicar la distribución normal estándar (usted puede usar la función Excel
DISTR.NORM.ESTAND o la herramienta de Análisis de Distribución seleccionando la distribución Normal y ajustando la media en 0 y la desviación estándar en 1). Finalmente, para
obtener un Probit o unidad de probabilidad, defina li + 5 (esto es porque siempre la probabilidad Pi < 0.5, el estimado li es negativo, debido al hecho que la distribución normal es
simétrica alrededor de una media de cero).

El modelo Tobit (Tobit Censurado) es un método de modelación biométrica y econométrica usada para describir la relación entre una variable dependiente no-negativa Yi y una o más
variables independientes Xi. Un modelo Tobit es un modelo econométrico en el cual la variable dependiente es censurada; esto es, la variable dependiente es censurada porque los
valores debajo de cero no son observados. El modelo Tobit asume que existe una variable inobservable latente Y*. Esta variable es linealmente dependiente de las variables Xi vía un
vector de coeficientes βi, que determina sus interrelaciones. En adición, el término del error Ui está distribuido normalmente para capturar la influencia aleatoria en esta relación. La
variable observable Yi es definida como la igualdad de la variable latente siempre que las variables latentes sean superiores a cero y Yi es asumido como cero en otro caso. Esto es, Yi =
Y* si Y* > 0 y Yi = 0 si Y* = 0. Si el parámetro de relación βi es estimado utilizando una regresión de mínimos cuadrados ordinarios de los observados Yi en Xi, los estimadores de la
regresión calculada son inconsistentes y el coeficiente de la pendiente se encuentra insesgada hacia abajo y el intercepto insesgado hacia arriba. Únicamente el MLE podría ser
consistente para un modelo Tobit. En el modelo Tobit, se tiene un complemento estadístico llamado Sigma, el cual e equivalente al error estándar de la estimación en una regresión de
mínimos cuadrados ordinarios y los coeficientes estimados son usados en el mismo sentido que en el análisis de regresión.

Resultados

Valor del Logaritmo de Verosimili -200.50772 Aproximación Logit

Variable Coeficientes Error Estandar Estadistico - Z p-Value


CONSTANTE -1.6981 0.7512 -2.2606 0.0238 significativo
Edad 0.0278 0.0205 1.3563 0.1750 se acepta
Nivel Educativo 0.0727 0.1447 0.5024 0.6154 se acepta
Años con el empleador actual -0.2528 0.0391 -6.4642 0.0000 significativo
Años en la Dirección Actual -0.0952 0.0271 -3.5056 0.0005 significativo
Ingresos del Hogar (Miles $) 0.0009 0.0125 0.0748 0.9404 se acepta
Razón de la Deuda/Ingresos ( %) 0.0750 0.0396 1.8925 0.0584 se acepta
Deuda de la Tarjeta de crédito (Miles 0.5525 0.1324 4.1712 0.0000 significativo
Otras Deuda (Miles $) 0.0463 0.1005 0.4607 0.6450 se acepta

H0 > 5% se acepta
Ha <= 5% significativa
Modelo de Máxima Verosimilitud: LOGIT, PROBIT, TOBIT
LOGIT & PROBIT

Deuda de la
Incumplimiento Nivel Años con el Años en la Razón de la Tarjeta de Otras
Edad empleador Dirección Deuda/Ingre Deuda
de pago (Default) Educativo actual Actual sos ( %) crédito (Miles $)
(Miles $)

1 41 3 17 12 9.3 11.36 5.01


0 27 1 10 6 17.3 1.36 4
0 40 1 15 14 5.5 0.86 2.17
0 41 1 15 14 2.9 2.66 0.82
1 24 2 2 0 17.3 1.79 3.06
0 41 2 5 5 10.2 0.39 2.16
0 39 1 20 9 30.6 3.83 16.67
0 43 1 12 11 3.6 0.13 1.24
1 24 1 3 4 24.4 1.36 3.28
0 36 1 0 13 19.7 2.78 2.15
0 27 1 0 1 1.7 0.18 0.09
0 25 1 4 0 5.2 0.25 0.94
0 52 1 24 14 10 3.93 2.47
0 37 1 6 9 16.3 1.72 3.01
0 48 1 22 15 9.1 3.7 5.4
1 36 2 9 6 8.6 0.82 3.4
1 36 2 13 6 16.4 2.92 3.81
0 43 1 23 19 7.6 1.18 4.29
0 39 1 6 9 5.7 0.56 2.91
0 41 3 0 21 1.7 0.1 0.34
0 39 1 22 3 3.2 1.15 0.51
0 47 1 17 21 5.6 0.59 1.82
0 28 1 3 6 10 0.43 2.17
0 29 1 8 6 9.8 0.4 2.24
1 21 2 1 2 18 0.24 2.64
0 25 4 0 2 17.6 2.14 3.49
0 45 2 9 26 6.7 0.71 3.92
0 43 1 25 21 16.7 0.95 9.74
0 33 2 12 8 18.4 3.08 7.59
0 26 3 2 1 14.2 0.2 5.05
0 45 1 3 15 2.1 0.11 0.32
0 30 1 1 10 10.5 1.14 1.17
0 27 3 2 7 6 0.72 0.84
0 25 1 8 4 14.4 1.02 2.87
0 25 1 8 1 2.9 0.08 0.94
0 26 2 6 7 26 6.05 5.65
0 30 2 10 4 16.1 1.41 2.13
0 32 2 12 1 14.4 3.2 4.58
1 28 2 1 8 17.1 1.34 2.77
0 45 1 23 5 4.2 0.56 1.54
0 23 1 7 2 6.6 0.34 1.71
0 34 1 17 3 8 1.81 2.91
0 42 2 7 23 4.6 0.94 0.94
0 39 1 19 5 13.1 1.93 4.36
1 26 1 0 0 7.5 0.3 0.75
0 21 2 0 1 6.8 0.15 0.94
0 35 1 13 15 4.5 0.43 1.14
0 47 1 4 2 10.4 0.12 2.58
1 23 2 0 2 11.4 0.78 1.62
0 35 1 18 2 7.4 0.21 2.9
1 34 1 2 11 12.6 0.57 2.58
0 46 1 1 12 14 0.81 1.99
1 46 1 16 18 12.9 3.03 3.68
0 38 3 3 18 3.7 0.31 0.61
0 40 2 3 2 9.5 0.55 2.11
1 37 1 1 3 15.1 1.8 1.82
0 35 1 9 1 5 0.4 1.3
0 39 2 16 13 2.4 1.06 0.59
0 40 3 18 6 2.5 1.49 1.01
0 50 3 10 20 12.2 2.48 7.28
0 31 1 9 10 2.4 0.05 0.62
1 29 1 13 1 7.4 1.46 1.65
0 37 1 4 0 12.4 0.87 1.98
0 33 2 4 9 7 2.16 1.69
0 26 2 5 7 7.8 1.02 1.16
1 32 2 11 6 23.3 7.76 9.72
1 28 2 2 3 6.4 0.19 1.29
0 39 1 19 8 9.1 2.52 1.67
1 28 2 8 3 8.2 1.49 1.05
1 29 1 1 2 18.6 0.57 3.15
0 34 2 3 8 23.1 1.4 3.45
0 28 2 5 9 23.8 3.1 4.99
0 47 1 26 21 12.8 4.58 8.22
0 43 4 1 5 10.6 1.52 1.24
0 41 1 13 10 1.7 0.07 0.68
0 47 1 13 25 23.8 3.74 8.4
0 24 1 2 1 0.6 0.03 0.1
0 29 1 1 9 6.7 0.16 0.98
0 33 1 14 2 2.6 0.2 0.76
0 36 1 15 10 3.2 0.69 0.56
1 26 1 4 3 10.5 2.47 0.36
0 31 1 11 12 17 2.74 4.91
0 37 1 7 3 19.6 2.7 3.58
0 35 4 4 16 11 1.84 1.35
0 26 1 4 3 5.4 0.32 0.76
0 40 1 10 15 18.8 2.01 6.45
1 29 2 5 4 12.4 3.49 0.97
0 37 3 5 17 24.6 1.41 5.73
0 32 1 12 12 2.9 0.12 0.7
1 23 2 0 1 27.7 2.04 2.67
0 32 1 3 10 6.2 0.05 1.37
1 25 1 1 6 11.4 0.37 1.34
0 38 1 5 5 10.6 1.5 4.22
1 32 2 0 6 5.8 0.3 0.75
1 41 3 2 0 26.3 1.96 1.98
0 36 1 17 6 4.4 0.73 1.65
0 42 3 13 0 3.3 1.32 1.39
0 41 1 14 8 7.3 0.93 2.87
0 29 2 4 9 6.3 0.68 0.52
1 38 3 4 6 9.3 1.33 1.55
0 39 1 22 9 2.6 0.99 1.95
0 36 1 6 9 8.3 0.03 2.13
0 33 1 8 7 5.8 0.78 0.79
0 42 2 21 11 3.1 1.37 2.39
0 41 2 22 17 23.6 9.88 7.82
0 40 1 8 17 3.6 0.53 0.47
1 53 1 9 18 11.2 2.02 3.58
0 28 1 4 7 13.5 1.3 2.21
0 36 2 12 13 7.9 1.72 3.02
0 34 2 9 13 10.1 1.12 3.43
0 45 3 2 5 4.9 0.46 1.45
0 38 1 6 0 8.9 0.27 3.38
0 21 3 0 2 7.7 0.83 1.01
0 42 1 12 11 21.4 2.41 8.5
0 52 1 16 25 8.6 1.87 3.64
0 25 2 4 6 5.2 0.55 1.16
0 34 2 9 9 6.2 2.11 1.92
0 40 2 15 16 3.4 1.03 1.45
1 31 2 0 4 12.8 1.09 2.37
1 25 1 1 0 6.7 0.47 0.87
0 45 1 12 19 9.5 1.34 2.17
1 23 1 3 0 8.4 0.28 1.32
1 34 4 6 3 35.3 1.98 7.55
1 31 1 2 4 12.7 1.09 1.7
0 28 1 5 9 2.8 0.14 0.48
0 41 1 7 11 4.4 0.69 1.2
1 39 2 7 2 13 1.02 7.82
0 29 2 9 3 1.4 0.13 0.38
0 21 1 5 1 9 0.37 1.88
0 41 2 19 2 5.8 1.51 2.44
0 26 4 1 7 2.9 0.31 0.47
0 33 1 5 10 12.9 0.98 1.34
0 45 2 18 19 17.4 0.55 5.54
0 39 1 17 20 13.7 2.45 5.77
0 24 1 7 2 6.3 0.52 0.8
0 29 2 6 7 2.2 0.45 0.8
0 27 2 1 0 12.4 0.29 2.57
0 40 1 13 2 5.9 0.96 0.69
0 29 1 8 10 6.7 0.47 1.14
1 29 2 4 3 6.6 1.16 1.28
1 24 1 0 2 16 1.01 1.55
1 27 1 9 6 17.8 2.85 5.16
0 41 3 16 22 4.4 1.28 4.66
0 31 1 11 8 9.1 0.14 2.13
0 41 1 16 17 5.4 0.45 3.22
0 42 2 5 3 3.4 0.36 1.04
0 28 4 1 3 12.4 0.38 2.85
0 30 4 2 8 10 1.77 0.73
0 30 1 11 1 8.4 0.68 2.09
0 31 1 8 4 8 1.72 1.8
0 45 2 15 14 18.1 1.55 7.68
1 43 1 13 23 6.1 2.15 2.48
0 36 1 4 10 16.3 1.33 2.42
0 28 1 8 6 7.2 0.61 1.55
0 27 2 3 5 13.2 1.63 2.72
0 36 3 13 3 19.2 2.8 4.69
0 33 1 12 11 11.3 2.1 1.51
1 54 1 9 2 14.8 1.56 2.59
1 33 1 9 4 13.8 1.35 2.65
0 31 1 9 5 4.5 0.31 0.86
0 21 1 4 0 8.9 1.42 0.89
0 28 3 5 9 8.7 0.77 3.05
1 31 2 2 1 6.8 0.28 1.49
0 32 1 8 6 4.1 0.33 0.74
1 35 2 1 8 12.5 0.59 2.41
1 40 2 13 11 18.9 6.23 13.05
1 22 1 4 2 15.6 1.64 2.11
0 39 1 4 9 6.5 1.18 1.29
0 41 4 14 3 1.7 0.35 0.39
0 34 1 16 9 4 1.73 1.43
0 29 1 7 9 9.7 0.55 1.58
0 31 1 4 10 11.3 0.29 2.87
1 32 1 1 0 4.8 0.31 0.65
0 32 1 14 7 8.8 3.75 2.67
0 33 1 6 14 7.5 0.57 1.01
0 26 1 6 0 10.3 0.72 1.55
0 21 1 1 1 17.3 0.16 2.96
0 28 2 7 2 7 0.36 2.02
0 37 1 13 5 8.9 0.6 1.53
1 33 2 2 14 22.9 2.12 5.89
0 39 1 12 10 5 0.56 1.74
0 40 2 8 19 5.6 0.88 2.31
0 45 3 16 21 3 0.91 1.49
0 27 1 10 6 6.5 0.85 1.36
0 28 4 0 7 24.2 1.42 5.59
0 39 1 13 9 8 0.97 1.19
1 40 1 14 21 15 2.79 3.66
0 27 1 11 8 16.9 4.64 4.83
0 36 1 1 4 9.3 0.43 1.05
0 55 1 19 2 15.6 4.4 7.76
1 27 2 4 3 13.2 1.09 1.82
0 30 1 1 8 11 0.75 1.12
1 36 1 10 0 11.2 0.82 2.32
1 31 1 1 6 2.5 0.28 0.25
0 33 2 13 2 7.2 0.18 2.7
0 30 1 4 0 4.2 0.5 0.89
1 24 1 1 0 5.9 0.24 0.82
0 33 4 9 10 4.3 0.38 0.83
0 50 1 8 27 6.9 0.4 2.84
1 31 2 6 6 23.1 3.34 4.05
0 28 1 3 7 4.1 0.26 0.52
1 44 3 8 10 6.1 0.28 5.08
0 48 4 3 23 9.8 0.97 3.44
0 36 2 0 17 9.7 0.33 2.58
0 29 3 7 1 5.5 0.57 2.89
0 40 3 17 11 6 2.56 4.4
0 33 1 7 6 6 0.54 1.02
0 26 2 6 6 1 0.14 0.16
0 36 1 14 11 7.2 1.78 4.05
0 26 2 6 0 1.9 0.09 0.58
0 40 3 16 6 12.1 1.61 12.42
1 44 1 5 3 9 1.97 2.35
0 29 3 1 10 4.5 0.28 1.07
1 35 3 5 3 5.4 0.58 1.42
0 34 1 16 3 10.4 3.95 3.85
0 34 3 12 8 6.7 1.3 1.85
0 46 1 14 25 10.2 1.35 2.22
0 41 2 21 22 12.2 3.24 14.45
1 27 2 7 8 4 0.45 0.75
1 27 4 0 6 8 1.62 3.98
0 28 1 11 6 2.4 0.11 0.47
0 48 3 0 27 10.8 0.85 1.2
0 48 3 17 26 12 3.38 10.18
1 29 3 5 6 19.9 3.18 10.75
1 43 2 9 5 20.4 4.04 8.2
0 23 1 5 2 7.9 0.3 1.04
0 29 2 10 8 18.1 3.7 4.26
0 40 4 5 6 1.9 0.88 0.54
0 22 2 0 3 5.6 0.21 0.91
0 23 1 7 3 14.4 0.85 2.32
0 46 3 9 10 15.3 1.61 7.57
1 55 1 3 11 8 0.56 2.64
0 38 2 8 16 0.6 0.03 0.2
0 35 2 5 1 2.8 0.1 0.82
0 30 1 11 9 0.9 0.07 0.17
0 24 1 7 0 6.5 0.53 0.64
0 26 2 4 3 9.5 0.23 2.43
1 32 2 2 11 9.1 0.12 1.25
0 37 2 11 4 3.5 0.63 1.99
1 39 1 6 19 19.9 2.54 5.82
0 30 2 4 4 18.3 0.49 3.35
0 30 1 10 11 9.5 2.06 1.65
0 32 2 7 10 4.3 0.43 0.94
0 54 3 21 20 14.4 9.6 7.39
0 27 3 3 4 13.3 1.6 3.05
0 31 1 12 4 23.7 2.06 5.29
0 39 1 15 16 1.8 0.14 0.56
0 31 1 5 3 14.1 1.18 2.35
0 35 1 15 11 18.5 1.21 6.19
0 35 2 10 16 13.3 4.87 8.16
0 46 2 22 17 11.1 3.32 12.66
1 33 1 13 3 21.3 2.71 8.36
0 35 2 13 3 1.9 1.42 0.58
0 35 2 1 1 7.9 0.37 1.29
0 38 1 5 13 9 0.45 1.44
0 41 1 19 1 7.8 2.25 5.23
0 38 1 18 19 4.5 0.61 1.37
0 34 3 2 14 13.2 1.14 4.01
0 51 3 16 25 4.4 2.6 1
0 34 2 10 2 9.5 0.57 2.56
0 47 1 15 1 24.5 2.21 5.14
0 34 2 8 6 5.4 2.16 2.06
0 27 2 8 7 11.9 0.4 1.74
1 52 1 9 11 19.2 0.8 3.81
0 39 1 9 6 5 0.23 1.52
0 33 1 7 0 6.4 0.63 0.78
0 34 1 0 1 7.2 0.19 1.32
1 31 3 9 7 14.6 3.11 5.5
0 28 1 2 9 15.2 0.87 1.56
0 39 1 19 16 3.7 0.92 0.75
0 51 2 22 23 7.6 4.14 4.98
0 22 1 4 1 1.2 0.08 0.11
0 27 3 6 4 10.4 0.93 1.77
0 32 1 16 10 21 0.69 7.29
0 28 2 6 7 7.2 0.77 1.96
1 27 2 1 0 10.3 0.38 1.68
1 26 2 2 6 13.6 1.58 1.69
0 32 1 14 0 2.4 0.27 0.59
1 30 1 0 11 3.7 0.45 0.18
0 39 1 13 1 8.9 1.9 1.48
1 31 1 11 6 4.8 0.35 1
1 34 1 15 2 24.7 4.37 5.26
0 31 1 8 3 12.6 0.13 5.03
0 29 2 1 7 10.4 0.57 2.03
0 29 1 9 0 13.9 1.07 2.4
0 35 2 9 16 7.6 0.65 1.63
0 29 1 11 7 6 0.93 0.99
1 38 2 2 16 22.7 1.21 3.79
0 35 1 16 15 3.4 0.18 1.05
0 29 1 11 5 6.1 0.71 1.49
0 23 2 3 4 4.4 0.26 1.23
0 33 4 9 8 5.5 0.5 1.26
0 51 2 19 25 2.8 1.07 3.38
0 24 1 4 2 2.6 0.1 0.45
1 31 1 10 12 9.8 3.24 1.57
0 45 1 10 14 5.4 0.93 1.88
0 29 1 3 1 9 0.47 1.06
0 34 1 0 10 17.1 2.05 1.37
1 25 2 4 5 5 0.55 0.8
0 37 1 20 2 1.9 0.54 0.52
1 47 1 29 18 25.3 20.56 12.08
0 43 2 6 24 9.6 0.62 4.56
0 47 1 22 19 5.5 1.51 2.95
0 24 1 6 2 5.2 0.11 0.98
0 27 3 5 1 6.3 2.21 2.52
0 25 1 9 4 1.2 0.07 0.15
0 36 3 11 12 14.7 0.45 6.02
0 39 1 16 20 19.4 1.56 9.5
0 26 1 10 1 7.1 1.31 0.47
0 41 1 4 19 10.1 1.06 1.46
1 39 1 19 15 27.1 9.59 6.67
0 37 1 18 8 12.1 4.59 1.94
1 29 1 2 0 14.4 0.59 1.43
0 42 1 6 9 11.6 1.02 2.57
0 31 4 1 6 11.1 1.07 2.15
0 36 1 4 15 17.3 0.52 2.42
0 39 1 16 4 20 4.16 6.24
0 23 4 0 2 6.7 0.47 1.07
0 39 1 4 15 7 0.4 1.91
1 27 3 4 1 3.1 0.28 0.96
0 24 1 8 4 5 0.38 0.82
1 27 3 3 4 11 0.29 4.66
0 41 1 16 22 1.6 0.43 0.35
1 38 1 0 8 8.1 0.9 0.97
1 40 2 5 12 16.4 1.58 4.16
1 54 1 25 12 26.5 14.6 17.2
0 40 1 12 6 17.4 2.77 12.71
0 40 1 2 4 3.7 0.85 0.33
0 29 1 1 8 8 0.16 2.32
0 30 1 8 6 12 0.76 2
0 29 1 1 1 1.1 0.03 0.17
1 29 3 3 3 2.4 0.26 0.94
1 28 4 2 4 2.5 0.46 0.57
0 28 4 0 5 10.4 0.64 3.32
0 39 2 16 9 14.3 5 7.73
0 32 1 11 2 3.3 0.09 1.66
0 36 2 7 16 15.4 2.65 3.97
0 39 1 20 12 8.2 0.77 2.42
1 28 3 6 8 19.8 5.57 3.73
1 28 1 4 2 14.2 0.44 3.54
0 46 1 6 19 12.2 1.99 1.8
0 30 2 4 8 6.5 0.35 0.62
0 39 2 15 19 4.9 0.42 1.15
1 40 3 5 3 16 8.17 27.03
0 44 2 18 4 13.4 4.52 5.39
1 30 1 0 8 16.6 0.62 2.53
0 24 2 3 0 4.3 0.36 0.46
0 32 1 10 13 11.3 1.17 2.45
0 29 2 3 8 2.6 0.15 0.24
0 40 2 2 1 3.8 0.28 1.09
0 41 2 8 21 0.7 0.09 0.22
0 22 1 1 3 18.6 0.81 2.36
0 38 1 10 8 1.2 0.04 0.37
0 37 2 6 13 8.5 1.19 4.08
1 41 3 18 6 15.7 6.57 4.58
1 41 3 7 6 14.5 0.37 7.75
1 39 1 2 15 23.1 1.92 3.17
1 24 2 0 2 16.1 0.32 2.09
0 32 3 9 10 23 2.69 9.04
0 21 3 0 1 7.7 1.53 0.47
0 29 1 13 7 2.3 0.07 0.55
0 35 2 14 3 0.8 0.47 0.19
0 29 1 6 7 18.1 1.11 2.69
0 41 2 2 22 6.7 0.11 1.9
1 37 1 0 18 12.9 1.58 0.74
0 32 2 3 13 1.9 0.43 0.46
0 36 5 5 12 8.1 0.73 0.89
0 39 2 18 9 2.1 0.37 0.56
0 36 1 18 9 11.2 5.25 2.26
0 46 3 22 4 2.3 0.83 1.45
0 34 1 13 11 9.6 1.88 3.02
0 27 1 7 4 9.1 0.64 1.72
0 43 1 8 11 3.3 0.68 0.81
1 33 1 14 8 41.3 15.02 14.72
0 39 2 20 17 1.4 0.34 1.07
0 29 1 1 4 2.5 0.13 0.29
0 34 4 7 15 6.4 0.95 1.61
0 26 1 1 0 4.9 0.61 0.42
0 31 1 15 2 4.8 0.8 2.08
0 26 1 10 6 2.7 0.31 0.34
0 28 1 12 7 7.7 1.85 1.61
1 48 1 13 20 30.8 6.11 9.29
1 39 2 2 12 16 4 3.36
0 37 1 3 3 3.7 0.28 0.65
1 52 5 9 0 9.4 1.33 5.25
0 48 1 3 11 21.3 1.4 4.35
0 26 1 7 3 5.1 0.21 0.91
0 46 5 15 0 3.1 0.48 3.43
0 31 1 7 10 4.9 0.23 0.9
0 34 1 13 8 6.1 0.86 2.55
0 40 1 22 4 3.6 0.63 2.79
1 24 3 2 5 6.4 0.27 0.75
0 33 1 2 14 3.1 0.53 0.84
1 53 4 5 29 17.3 6.94 6.56
1 47 3 9 1 20.1 2.54 7.91
0 35 1 5 5 13 0.17 3.99
0 34 1 14 8 17 1.14 3.62
0 49 1 11 5 10.1 2.46 1.48
0 26 2 0 7 9.3 1.27 1.33
1 23 1 2 2 9.6 0.8 0.73
0 23 2 0 4 8.7 0.45 1.37
0 38 2 4 13 1.6 0.44 0.45
0 28 2 5 2 8.3 1.12 1.95
1 30 3 0 8 29.7 3.9 15.41
0 34 1 18 10 15.4 2.1 3.14
0 50 2 16 14 11.1 1.66 6.22
0 29 1 12 2 6.7 1.63 1.05
0 42 3 0 9 6.6 0.28 3.95
0 31 1 13 12 5 0.24 1.11
0 39 1 10 4 4.8 0.18 1.3
0 45 2 21 26 3 2.56 1.4
0 45 1 22 24 11.7 1.26 9.39
0 36 1 14 17 5.7 1.89 1.13
1 25 4 0 6 12.1 1.6 1.31
1 29 2 1 7 21.2 2.33 3.82
0 30 2 8 4 6.4 0.33 3.25
0 31 1 1 1 4.5 0.22 0.86
0 43 1 4 2 4.6 0.05 1.28
1 32 2 11 4 23.8 5.44 8.13
0 47 1 19 7 30.1 3.18 11.87
1 46 1 1 15 14.8 1.38 1.73
0 43 2 16 10 4.1 0.26 3.14
0 48 1 3 7 7 0.76 0.92
0 30 3 8 7 2.8 0.55 1.16
1 23 4 0 4 18.4 0.82 5.07
0 36 4 8 0 1.6 0.02 0.49
0 20 3 0 1 2.3 0.04 0.35
0 43 1 16 7 0.4 0.16 0.2
1 23 1 2 1 4.5 0.12 1
0 41 1 21 2 20.5 6.95 8.63
1 34 1 12 5 25.1 7.82 9.25
0 50 1 11 5 4.8 0.83 0.89
0 40 1 9 4 6.6 0.79 3.43
1 29 2 0 8 12.9 1.04 1.8
0 39 2 9 16 18.7 4.76 5.71
0 24 2 1 2 5.7 0.84 1.56
0 27 1 0 5 1.1 0.13 0.05
0 40 3 18 14 6.6 3.33 7.04
0 32 2 8 2 3.7 0.98 0.68
0 39 2 16 12 3.7 0.69 1.27
0 40 1 22 1 14.6 5.4 9.2
0 32 1 10 11 9.1 1.54 2.28
0 39 1 23 1 18.9 3.13 11.04
1 24 1 3 3 28.9 2.68 3.39
1 43 4 18 14 6.5 16.03 12.96
0 56 1 11 20 15 4.67 4.18
0 32 3 5 9 4.5 0.33 0.71
0 42 1 7 12 10.2 1.63 0.92
1 46 3 3 13 13.2 3.04 2.63
1 31 1 2 2 16.4 1.74 1.87
0 43 1 25 16 2.6 1.64 4.66
0 28 2 6 9 11.5 0.65 1.88
0 39 3 11 17 12.9 2.56 2.47
0 39 1 0 8 7.9 1.07 2.01
1 37 4 1 14 16.1 2.69 2.62
0 30 1 0 11 12 0.3 1.74
0 37 5 9 16 5.9 0.89 9.56
0 22 1 4 3 17.5 0.23 2.22
0 50 1 1 26 14.3 1.85 1.87
0 30 1 10 2 4.4 0.34 0.5
0 39 1 8 0 4 0.28 0.56
1 21 2 0 2 12.5 0.49 2.14
0 31 3 9 2 2.6 0.12 0.61
0 31 2 9 1 5.8 0.6 1.14
0 48 1 0 23 22.3 2.66 4.03
0 28 1 4 1 23.8 1.09 2.72
1 47 3 16 26 17.6 15.79 23.1
0 27 2 6 1 4.4 0.24 1.26
0 29 2 6 10 18.4 1.99 9.97
1 21 2 2 0 4.5 0.29 0.61
1 29 1 7 5 19.8 1.01 2.95
1 24 4 0 3 6.6 0.59 1.32
0 44 1 12 3 9.7 0.36 2.65
0 22 1 1 0 4.4 0.27 0.52
0 38 2 13 0 2.4 0.41 1.01
0 52 2 12 16 7.7 0.99 4.86
1 25 1 3 2 16.3 0.35 2.58
0 25 1 5 5 10.9 0.4 2
0 51 2 27 21 11.5 0.82 18.27
0 38 1 21 16 16.5 4.58 4.99
0 44 1 9 20 5.2 0.55 1.17
1 24 2 2 3 9.7 0.89 1.63
0 34 1 5 3 7.3 0.78 1.63
0 25 2 6 2 4.5 0.07 1.1
1 45 3 5 17 10.5 3.61 6.26
0 34 2 4 10 5.8 0.57 0.88
1 27 4 2 8 5.7 0.32 0.99
1 33 2 10 13 20.9 6.11 5.8
1 35 2 0 16 15 1.97 1.33
0 50 2 15 31 1.1 0.47 0.19
0 33 1 13 13 3.6 0.23 1.28
1 41 3 13 13 25.2 2.32 20.62
1 28 1 0 2 33.3 2.28 7.04
1 38 3 12 14 16 5.72 4.36
1 25 1 3 2 17.8 1.01 1.84
1 47 2 4 9 7.1 1.19 1.15
0 30 2 12 9 7.2 2.94 4.12
0 44 2 12 5 13 1.48 9.7
1 25 1 0 2 18.9 0.51 2.89
1 41 2 6 0 19.5 4.51 2.51
IT, TOBIT
Logit, Probit/Normit, Tobit: Variables Dependientes Limitadas utilizando Estimación por Máxima Verosimilitud

Las Variables Dependientes Limitadas describen las situaciones donde la variable dependiente contiene datos que están limitados en alcance y rango, como binarias (0 o 1), truncadas,
ordenadas o datos censurados. Por ejemplo, dado un conjunto de variables independientes (p.ej., edad, ingreso, educación, cupo de tarjeta de crédito o tenencia de préstamo
hipotecario), podemos calcular la probabilidad de incumplimiento utilizando la estimación de máxima verosimilitud (MLE – por sus siglas en ingles). La respuesta o variable dependiente
Y es binaria, es decir, puede tener solamente dos posibles resultados que denotaremos como 1 y 0 (p.ej., Y puede representar la ausencia/presencia de una condición especifica,
cumplimiento/incumplimiento de un préstamo previo, éxito/fracaso de algunos dispositivos, respuesta si/no en estudios, etc.). También tenemos un vector de variables independientes o
regresores de X, los cuales se asumen con influencia en el resultado Y. Una típica aproximación con una regresión de mínimos cuadrados ordinarios es incorrecta porque los errores de
la regresión son heteroscedasticos y no normales; y los resultados estimados de probabilidad resultantes serian valores sin sentido sobre 1 o debajo de 0. MLE se ocupa de estos
problemas de análisis utilizando una rutina de optimización iterativa que maximiza la función logarítmica de verosimilitud cuando las variables dependientes son limitadas.

Una regresión Logit o Logística es usada para predecir la probabilidad de ocurrencia de un evento para datos ajustados a una curva logística. Esto es generalizado en el modelo lineal
utilizado para la regresión binomial. MLE aplicado en un análisis logístico multivariado binario es usado para modelar variables dependientes para determinar la probabilidad esperada de
éxito de pertenecer a un cierto grupo. Los coeficientes estimados por el modelo Logit son cocientes logarítmicos de probabilidad, y no pueden interpretarse directamente como
probabilidades. Un rápido calculo es requerido primero y luego la aproximación es sencilla.

Específicamente, el modelo Logit es especificado como Estimado Y= LN[Pi/(1–Pi)] o en cambio, , Pi = EXP(Estimado Y)/(1+EXP(Y Estimado)), y los coeficientes βi son cocientes
logarítmicos de probabilidad, a fin de tomar el antilogaritmo o EXP(βi) obtenemos los cocientes de probabilidad de Pi/(1–Pi). Esto significa que un incremento en una unidad de βi
incrementa la probabilidad en este monto. Finalmente, la tasa de cambio en la probabilidad dP/dX = βiPi(1–Pi). El Error Estándar mide la precisión de los coeficientes, y la t-estadística
son los coeficientes de cada Coeficiente respecto a sus errores estándar, los cuales son usados en la prueba de hipótesis para calcular el nivel de significancia de cada parámetro
estimado. Para estimar la probabilidad éxito de pertenecer a un grupo especifico (p. ej., predecir si un fumador desarrollara complicaciones pulmonares dado el monto de cigarrillos
consumidos por año), simplemente calcule el valor Estimado Y utilizando los coeficientes MLE. Por ejemplo, si el modelo es Y = 1.1 + 0.005 (Cigarrillos) entonces para una persona que
fume paquetes de cigarrillos por año tiene un Y Estimado de 1.1 + 0.005(100) = 1.6. Después, calcule la inversa del antilogaritmo para el valor encontrado previamente de probabilidad
EXP(Y Estimado)/[1 + EXP(Y Estimado)] = EXP(1.6)/(1+ EXP(1.6)) = 0.8320. Por lo tanto una persona tiene un 82.20% de probabilidad de desarrollar algun tipo de complicación
pulmonar en vida.

Un modelo Probit (algunas veces conocido como modelo Normit) es una alternativa popular de especificación para un modelo binario en cual emplea una función probit utilizando una
estimación de máxima verosimilitud y la aproximación es llamada regresión probit. Los modelos de regresión Probit o Logistica tienden a producir predicciones similares, donde los
parámetros estimados en una regresión logística son entre 1.6 y 1.8 veces más altos que los correspondientes a los coeficientes de un modelo Probit. La elección de un modelo Probit o
Logit es enteramente relacionado con la conveniencia particular, y la principal distinción entre ambos se basa en el hecho que la distribución logística tiene una mayor curtosis (colas
gordas) para tener en cuenta en los valores extremos. Por ejemplo, suponga que una familia tiene la decisión de adquirir una vivienda y su respuesta es una variable binaria (comprar o
no comprar la vivienda) y depende de una serie de variables independientes Xi como son el ingreso, la edad, tal que Ii = β0 + β1X1 +...+ βnXn, donde el mayor valor de li, significa una
mayor probabilidad de ser propietario de la vivienda. Para cada familia, existe un umbral crítico I*, donde si es superado la casa es comprada por alguien más, es decir, la cas ano es
comprada, y la probabilidad de salida (P) se asume distribuida normalmente, tal que Pi=CDF(I) utilizando una función de distribución acumulada normal estándar (CDF). Por lo tanto, usa
los coeficientes estimados exactamente igual a los de un modelo de regresión, utilizando el valor Estimado Y, y aplicar la distribución normal estándar (usted puede usar la función Excel
DISTR.NORM.ESTAND o la herramienta de Análisis de Distribución seleccionando la distribución Normal y ajustando la media en 0 y la desviación estándar en 1). Finalmente, para
obtener un Probit o unidad de probabilidad, defina li + 5 (esto es porque siempre la probabilidad Pi < 0.5, el estimado li es negativo, debido al hecho que la distribución normal es
simétrica alrededor de una media de cero).

El modelo Tobit (Tobit Censurado) es un método de modelación biométrica y econométrica usada para describir la relación entre una variable dependiente no-negativa Yi y una o más
variables independientes Xi. Un modelo Tobit es un modelo econométrico en el cual la variable dependiente es censurada; esto es, la variable dependiente es censurada porque los
valores debajo de cero no son observados. El modelo Tobit asume que existe una variable inobservable latente Y*. Esta variable es linealmente dependiente de las variables Xi vía un
vector de coeficientes βi, que determina sus interrelaciones. En adición, el término del error Ui está distribuido normalmente para capturar la influencia aleatoria en esta relación. La
variable observable Yi es definida como la igualdad de la variable latente siempre que las variables latentes sean superiores a cero y Yi es asumido como cero en otro caso. Esto es, Yi =
Y* si Y* > 0 y Yi = 0 si Y* = 0. Si el parámetro de relación βi es estimado utilizando una regresión de mínimos cuadrados ordinarios de los observados Yi en Xi, los estimadores de la
regresión calculada son inconsistentes y el coeficiente de la pendiente se encuentra insesgada hacia abajo y el intercepto insesgado hacia arriba. Únicamente el MLE podría ser
consistente para un modelo Tobit. En el modelo Tobit, se tiene un complemento estadístico llamado Sigma, el cual e equivalente al error estándar de la estimación en una regresión de
mínimos cuadrados ordinarios y los coeficientes estimados son usados en el mismo sentido que en el análisis de regresión.

Resultados

Valor del Logaritmo de Verosimili -200.53495 Aproximación Logit

Variable Coeficientes Error Estandar Estadistico - Z p-Value


Constante -1.5970 0.7031 -2.2713 0.0231 signifiactivo
Edad 0.0256 0.0203 1.2566 0.2089 se aceptan
Nivel Educativo 0.0711 0.1395 0.5096 0.6103 se aceptan
Años con el empleador actual -0.2517 0.0384 -6.5494 0.0000 signifiactivo
Años en la Dirección Actual -0.0936 0.0271 -3.4502 0.0006 signifiactivo
Razón de la Deuda/Ingresos ( %) 0.0719 0.0289 2.4919 0.0127 signifiactivo
Deuda de la Tarjeta de crédito (Miles 0.5585 0.1093 5.1112 0.0000 signifiactivo
Otras Deuda (Miles $) 0.0534 0.0741 0.7202 0.4714 se aceptan

H0 > 5% se acepta
Ha <= 5% significativa
Modelo de Máxima Verosimilitud: LOGIT, PROBIT, TOBIT
LOGIT & PROBIT

Deuda de la
Incumplimiento Años con el Años en la Razón de la Tarjeta de Otras
Edad empleador Dirección Deuda/Ingre Deuda
de pago (Default) actual Actual sos ( %) crédito (Miles $)
(Miles $)

1 41 17 12 9.3 11.36 5.01


0 27 10 6 17.3 1.36 4
0 40 15 14 5.5 0.86 2.17
0 41 15 14 2.9 2.66 0.82
1 24 2 0 17.3 1.79 3.06
0 41 5 5 10.2 0.39 2.16
0 39 20 9 30.6 3.83 16.67
0 43 12 11 3.6 0.13 1.24
1 24 3 4 24.4 1.36 3.28
0 36 0 13 19.7 2.78 2.15
0 27 0 1 1.7 0.18 0.09
0 25 4 0 5.2 0.25 0.94
0 52 24 14 10 3.93 2.47
0 37 6 9 16.3 1.72 3.01
0 48 22 15 9.1 3.7 5.4
1 36 9 6 8.6 0.82 3.4
1 36 13 6 16.4 2.92 3.81
0 43 23 19 7.6 1.18 4.29
0 39 6 9 5.7 0.56 2.91
0 41 0 21 1.7 0.1 0.34
0 39 22 3 3.2 1.15 0.51
0 47 17 21 5.6 0.59 1.82
0 28 3 6 10 0.43 2.17
0 29 8 6 9.8 0.4 2.24
1 21 1 2 18 0.24 2.64
0 25 0 2 17.6 2.14 3.49
0 45 9 26 6.7 0.71 3.92
0 43 25 21 16.7 0.95 9.74
0 33 12 8 18.4 3.08 7.59
0 26 2 1 14.2 0.2 5.05
0 45 3 15 2.1 0.11 0.32
0 30 1 10 10.5 1.14 1.17
0 27 2 7 6 0.72 0.84
0 25 8 4 14.4 1.02 2.87
0 25 8 1 2.9 0.08 0.94
0 26 6 7 26 6.05 5.65
0 30 10 4 16.1 1.41 2.13
0 32 12 1 14.4 3.2 4.58
1 28 1 8 17.1 1.34 2.77
0 45 23 5 4.2 0.56 1.54
0 23 7 2 6.6 0.34 1.71
0 34 17 3 8 1.81 2.91
0 42 7 23 4.6 0.94 0.94
0 39 19 5 13.1 1.93 4.36
1 26 0 0 7.5 0.3 0.75
0 21 0 1 6.8 0.15 0.94
0 35 13 15 4.5 0.43 1.14
0 47 4 2 10.4 0.12 2.58
1 23 0 2 11.4 0.78 1.62
0 35 18 2 7.4 0.21 2.9
1 34 2 11 12.6 0.57 2.58
0 46 1 12 14 0.81 1.99
1 46 16 18 12.9 3.03 3.68
0 38 3 18 3.7 0.31 0.61
0 40 3 2 9.5 0.55 2.11
1 37 1 3 15.1 1.8 1.82
0 35 9 1 5 0.4 1.3
0 39 16 13 2.4 1.06 0.59
0 40 18 6 2.5 1.49 1.01
0 50 10 20 12.2 2.48 7.28
0 31 9 10 2.4 0.05 0.62
1 29 13 1 7.4 1.46 1.65
0 37 4 0 12.4 0.87 1.98
0 33 4 9 7 2.16 1.69
0 26 5 7 7.8 1.02 1.16
1 32 11 6 23.3 7.76 9.72
1 28 2 3 6.4 0.19 1.29
0 39 19 8 9.1 2.52 1.67
1 28 8 3 8.2 1.49 1.05
1 29 1 2 18.6 0.57 3.15
0 34 3 8 23.1 1.4 3.45
0 28 5 9 23.8 3.1 4.99
0 47 26 21 12.8 4.58 8.22
0 43 1 5 10.6 1.52 1.24
0 41 13 10 1.7 0.07 0.68
0 47 13 25 23.8 3.74 8.4
0 24 2 1 0.6 0.03 0.1
0 29 1 9 6.7 0.16 0.98
0 33 14 2 2.6 0.2 0.76
0 36 15 10 3.2 0.69 0.56
1 26 4 3 10.5 2.47 0.36
0 31 11 12 17 2.74 4.91
0 37 7 3 19.6 2.7 3.58
0 35 4 16 11 1.84 1.35
0 26 4 3 5.4 0.32 0.76
0 40 10 15 18.8 2.01 6.45
1 29 5 4 12.4 3.49 0.97
0 37 5 17 24.6 1.41 5.73
0 32 12 12 2.9 0.12 0.7
1 23 0 1 27.7 2.04 2.67
0 32 3 10 6.2 0.05 1.37
1 25 1 6 11.4 0.37 1.34
0 38 5 5 10.6 1.5 4.22
1 32 0 6 5.8 0.3 0.75
1 41 2 0 26.3 1.96 1.98
0 36 17 6 4.4 0.73 1.65
0 42 13 0 3.3 1.32 1.39
0 41 14 8 7.3 0.93 2.87
0 29 4 9 6.3 0.68 0.52
1 38 4 6 9.3 1.33 1.55
0 39 22 9 2.6 0.99 1.95
0 36 6 9 8.3 0.03 2.13
0 33 8 7 5.8 0.78 0.79
0 42 21 11 3.1 1.37 2.39
0 41 22 17 23.6 9.88 7.82
0 40 8 17 3.6 0.53 0.47
1 53 9 18 11.2 2.02 3.58
0 28 4 7 13.5 1.3 2.21
0 36 12 13 7.9 1.72 3.02
0 34 9 13 10.1 1.12 3.43
0 45 2 5 4.9 0.46 1.45
0 38 6 0 8.9 0.27 3.38
0 21 0 2 7.7 0.83 1.01
0 42 12 11 21.4 2.41 8.5
0 52 16 25 8.6 1.87 3.64
0 25 4 6 5.2 0.55 1.16
0 34 9 9 6.2 2.11 1.92
0 40 15 16 3.4 1.03 1.45
1 31 0 4 12.8 1.09 2.37
1 25 1 0 6.7 0.47 0.87
0 45 12 19 9.5 1.34 2.17
1 23 3 0 8.4 0.28 1.32
1 34 6 3 35.3 1.98 7.55
1 31 2 4 12.7 1.09 1.7
0 28 5 9 2.8 0.14 0.48
0 41 7 11 4.4 0.69 1.2
1 39 7 2 13 1.02 7.82
0 29 9 3 1.4 0.13 0.38
0 21 5 1 9 0.37 1.88
0 41 19 2 5.8 1.51 2.44
0 26 1 7 2.9 0.31 0.47
0 33 5 10 12.9 0.98 1.34
0 45 18 19 17.4 0.55 5.54
0 39 17 20 13.7 2.45 5.77
0 24 7 2 6.3 0.52 0.8
0 29 6 7 2.2 0.45 0.8
0 27 1 0 12.4 0.29 2.57
0 40 13 2 5.9 0.96 0.69
0 29 8 10 6.7 0.47 1.14
1 29 4 3 6.6 1.16 1.28
1 24 0 2 16 1.01 1.55
1 27 9 6 17.8 2.85 5.16
0 41 16 22 4.4 1.28 4.66
0 31 11 8 9.1 0.14 2.13
0 41 16 17 5.4 0.45 3.22
0 42 5 3 3.4 0.36 1.04
0 28 1 3 12.4 0.38 2.85
0 30 2 8 10 1.77 0.73
0 30 11 1 8.4 0.68 2.09
0 31 8 4 8 1.72 1.8
0 45 15 14 18.1 1.55 7.68
1 43 13 23 6.1 2.15 2.48
0 36 4 10 16.3 1.33 2.42
0 28 8 6 7.2 0.61 1.55
0 27 3 5 13.2 1.63 2.72
0 36 13 3 19.2 2.8 4.69
0 33 12 11 11.3 2.1 1.51
1 54 9 2 14.8 1.56 2.59
1 33 9 4 13.8 1.35 2.65
0 31 9 5 4.5 0.31 0.86
0 21 4 0 8.9 1.42 0.89
0 28 5 9 8.7 0.77 3.05
1 31 2 1 6.8 0.28 1.49
0 32 8 6 4.1 0.33 0.74
1 35 1 8 12.5 0.59 2.41
1 40 13 11 18.9 6.23 13.05
1 22 4 2 15.6 1.64 2.11
0 39 4 9 6.5 1.18 1.29
0 41 14 3 1.7 0.35 0.39
0 34 16 9 4 1.73 1.43
0 29 7 9 9.7 0.55 1.58
0 31 4 10 11.3 0.29 2.87
1 32 1 0 4.8 0.31 0.65
0 32 14 7 8.8 3.75 2.67
0 33 6 14 7.5 0.57 1.01
0 26 6 0 10.3 0.72 1.55
0 21 1 1 17.3 0.16 2.96
0 28 7 2 7 0.36 2.02
0 37 13 5 8.9 0.6 1.53
1 33 2 14 22.9 2.12 5.89
0 39 12 10 5 0.56 1.74
0 40 8 19 5.6 0.88 2.31
0 45 16 21 3 0.91 1.49
0 27 10 6 6.5 0.85 1.36
0 28 0 7 24.2 1.42 5.59
0 39 13 9 8 0.97 1.19
1 40 14 21 15 2.79 3.66
0 27 11 8 16.9 4.64 4.83
0 36 1 4 9.3 0.43 1.05
0 55 19 2 15.6 4.4 7.76
1 27 4 3 13.2 1.09 1.82
0 30 1 8 11 0.75 1.12
1 36 10 0 11.2 0.82 2.32
1 31 1 6 2.5 0.28 0.25
0 33 13 2 7.2 0.18 2.7
0 30 4 0 4.2 0.5 0.89
1 24 1 0 5.9 0.24 0.82
0 33 9 10 4.3 0.38 0.83
0 50 8 27 6.9 0.4 2.84
1 31 6 6 23.1 3.34 4.05
0 28 3 7 4.1 0.26 0.52
1 44 8 10 6.1 0.28 5.08
0 48 3 23 9.8 0.97 3.44
0 36 0 17 9.7 0.33 2.58
0 29 7 1 5.5 0.57 2.89
0 40 17 11 6 2.56 4.4
0 33 7 6 6 0.54 1.02
0 26 6 6 1 0.14 0.16
0 36 14 11 7.2 1.78 4.05
0 26 6 0 1.9 0.09 0.58
0 40 16 6 12.1 1.61 12.42
1 44 5 3 9 1.97 2.35
0 29 1 10 4.5 0.28 1.07
1 35 5 3 5.4 0.58 1.42
0 34 16 3 10.4 3.95 3.85
0 34 12 8 6.7 1.3 1.85
0 46 14 25 10.2 1.35 2.22
0 41 21 22 12.2 3.24 14.45
1 27 7 8 4 0.45 0.75
1 27 0 6 8 1.62 3.98
0 28 11 6 2.4 0.11 0.47
0 48 0 27 10.8 0.85 1.2
0 48 17 26 12 3.38 10.18
1 29 5 6 19.9 3.18 10.75
1 43 9 5 20.4 4.04 8.2
0 23 5 2 7.9 0.3 1.04
0 29 10 8 18.1 3.7 4.26
0 40 5 6 1.9 0.88 0.54
0 22 0 3 5.6 0.21 0.91
0 23 7 3 14.4 0.85 2.32
0 46 9 10 15.3 1.61 7.57
1 55 3 11 8 0.56 2.64
0 38 8 16 0.6 0.03 0.2
0 35 5 1 2.8 0.1 0.82
0 30 11 9 0.9 0.07 0.17
0 24 7 0 6.5 0.53 0.64
0 26 4 3 9.5 0.23 2.43
1 32 2 11 9.1 0.12 1.25
0 37 11 4 3.5 0.63 1.99
1 39 6 19 19.9 2.54 5.82
0 30 4 4 18.3 0.49 3.35
0 30 10 11 9.5 2.06 1.65
0 32 7 10 4.3 0.43 0.94
0 54 21 20 14.4 9.6 7.39
0 27 3 4 13.3 1.6 3.05
0 31 12 4 23.7 2.06 5.29
0 39 15 16 1.8 0.14 0.56
0 31 5 3 14.1 1.18 2.35
0 35 15 11 18.5 1.21 6.19
0 35 10 16 13.3 4.87 8.16
0 46 22 17 11.1 3.32 12.66
1 33 13 3 21.3 2.71 8.36
0 35 13 3 1.9 1.42 0.58
0 35 1 1 7.9 0.37 1.29
0 38 5 13 9 0.45 1.44
0 41 19 1 7.8 2.25 5.23
0 38 18 19 4.5 0.61 1.37
0 34 2 14 13.2 1.14 4.01
0 51 16 25 4.4 2.6 1
0 34 10 2 9.5 0.57 2.56
0 47 15 1 24.5 2.21 5.14
0 34 8 6 5.4 2.16 2.06
0 27 8 7 11.9 0.4 1.74
1 52 9 11 19.2 0.8 3.81
0 39 9 6 5 0.23 1.52
0 33 7 0 6.4 0.63 0.78
0 34 0 1 7.2 0.19 1.32
1 31 9 7 14.6 3.11 5.5
0 28 2 9 15.2 0.87 1.56
0 39 19 16 3.7 0.92 0.75
0 51 22 23 7.6 4.14 4.98
0 22 4 1 1.2 0.08 0.11
0 27 6 4 10.4 0.93 1.77
0 32 16 10 21 0.69 7.29
0 28 6 7 7.2 0.77 1.96
1 27 1 0 10.3 0.38 1.68
1 26 2 6 13.6 1.58 1.69
0 32 14 0 2.4 0.27 0.59
1 30 0 11 3.7 0.45 0.18
0 39 13 1 8.9 1.9 1.48
1 31 11 6 4.8 0.35 1
1 34 15 2 24.7 4.37 5.26
0 31 8 3 12.6 0.13 5.03
0 29 1 7 10.4 0.57 2.03
0 29 9 0 13.9 1.07 2.4
0 35 9 16 7.6 0.65 1.63
0 29 11 7 6 0.93 0.99
1 38 2 16 22.7 1.21 3.79
0 35 16 15 3.4 0.18 1.05
0 29 11 5 6.1 0.71 1.49
0 23 3 4 4.4 0.26 1.23
0 33 9 8 5.5 0.5 1.26
0 51 19 25 2.8 1.07 3.38
0 24 4 2 2.6 0.1 0.45
1 31 10 12 9.8 3.24 1.57
0 45 10 14 5.4 0.93 1.88
0 29 3 1 9 0.47 1.06
0 34 0 10 17.1 2.05 1.37
1 25 4 5 5 0.55 0.8
0 37 20 2 1.9 0.54 0.52
1 47 29 18 25.3 20.56 12.08
0 43 6 24 9.6 0.62 4.56
0 47 22 19 5.5 1.51 2.95
0 24 6 2 5.2 0.11 0.98
0 27 5 1 6.3 2.21 2.52
0 25 9 4 1.2 0.07 0.15
0 36 11 12 14.7 0.45 6.02
0 39 16 20 19.4 1.56 9.5
0 26 10 1 7.1 1.31 0.47
0 41 4 19 10.1 1.06 1.46
1 39 19 15 27.1 9.59 6.67
0 37 18 8 12.1 4.59 1.94
1 29 2 0 14.4 0.59 1.43
0 42 6 9 11.6 1.02 2.57
0 31 1 6 11.1 1.07 2.15
0 36 4 15 17.3 0.52 2.42
0 39 16 4 20 4.16 6.24
0 23 0 2 6.7 0.47 1.07
0 39 4 15 7 0.4 1.91
1 27 4 1 3.1 0.28 0.96
0 24 8 4 5 0.38 0.82
1 27 3 4 11 0.29 4.66
0 41 16 22 1.6 0.43 0.35
1 38 0 8 8.1 0.9 0.97
1 40 5 12 16.4 1.58 4.16
1 54 25 12 26.5 14.6 17.2
0 40 12 6 17.4 2.77 12.71
0 40 2 4 3.7 0.85 0.33
0 29 1 8 8 0.16 2.32
0 30 8 6 12 0.76 2
0 29 1 1 1.1 0.03 0.17
1 29 3 3 2.4 0.26 0.94
1 28 2 4 2.5 0.46 0.57
0 28 0 5 10.4 0.64 3.32
0 39 16 9 14.3 5 7.73
0 32 11 2 3.3 0.09 1.66
0 36 7 16 15.4 2.65 3.97
0 39 20 12 8.2 0.77 2.42
1 28 6 8 19.8 5.57 3.73
1 28 4 2 14.2 0.44 3.54
0 46 6 19 12.2 1.99 1.8
0 30 4 8 6.5 0.35 0.62
0 39 15 19 4.9 0.42 1.15
1 40 5 3 16 8.17 27.03
0 44 18 4 13.4 4.52 5.39
1 30 0 8 16.6 0.62 2.53
0 24 3 0 4.3 0.36 0.46
0 32 10 13 11.3 1.17 2.45
0 29 3 8 2.6 0.15 0.24
0 40 2 1 3.8 0.28 1.09
0 41 8 21 0.7 0.09 0.22
0 22 1 3 18.6 0.81 2.36
0 38 10 8 1.2 0.04 0.37
0 37 6 13 8.5 1.19 4.08
1 41 18 6 15.7 6.57 4.58
1 41 7 6 14.5 0.37 7.75
1 39 2 15 23.1 1.92 3.17
1 24 0 2 16.1 0.32 2.09
0 32 9 10 23 2.69 9.04
0 21 0 1 7.7 1.53 0.47
0 29 13 7 2.3 0.07 0.55
0 35 14 3 0.8 0.47 0.19
0 29 6 7 18.1 1.11 2.69
0 41 2 22 6.7 0.11 1.9
1 37 0 18 12.9 1.58 0.74
0 32 3 13 1.9 0.43 0.46
0 36 5 12 8.1 0.73 0.89
0 39 18 9 2.1 0.37 0.56
0 36 18 9 11.2 5.25 2.26
0 46 22 4 2.3 0.83 1.45
0 34 13 11 9.6 1.88 3.02
0 27 7 4 9.1 0.64 1.72
0 43 8 11 3.3 0.68 0.81
1 33 14 8 41.3 15.02 14.72
0 39 20 17 1.4 0.34 1.07
0 29 1 4 2.5 0.13 0.29
0 34 7 15 6.4 0.95 1.61
0 26 1 0 4.9 0.61 0.42
0 31 15 2 4.8 0.8 2.08
0 26 10 6 2.7 0.31 0.34
0 28 12 7 7.7 1.85 1.61
1 48 13 20 30.8 6.11 9.29
1 39 2 12 16 4 3.36
0 37 3 3 3.7 0.28 0.65
1 52 9 0 9.4 1.33 5.25
0 48 3 11 21.3 1.4 4.35
0 26 7 3 5.1 0.21 0.91
0 46 15 0 3.1 0.48 3.43
0 31 7 10 4.9 0.23 0.9
0 34 13 8 6.1 0.86 2.55
0 40 22 4 3.6 0.63 2.79
1 24 2 5 6.4 0.27 0.75
0 33 2 14 3.1 0.53 0.84
1 53 5 29 17.3 6.94 6.56
1 47 9 1 20.1 2.54 7.91
0 35 5 5 13 0.17 3.99
0 34 14 8 17 1.14 3.62
0 49 11 5 10.1 2.46 1.48
0 26 0 7 9.3 1.27 1.33
1 23 2 2 9.6 0.8 0.73
0 23 0 4 8.7 0.45 1.37
0 38 4 13 1.6 0.44 0.45
0 28 5 2 8.3 1.12 1.95
1 30 0 8 29.7 3.9 15.41
0 34 18 10 15.4 2.1 3.14
0 50 16 14 11.1 1.66 6.22
0 29 12 2 6.7 1.63 1.05
0 42 0 9 6.6 0.28 3.95
0 31 13 12 5 0.24 1.11
0 39 10 4 4.8 0.18 1.3
0 45 21 26 3 2.56 1.4
0 45 22 24 11.7 1.26 9.39
0 36 14 17 5.7 1.89 1.13
1 25 0 6 12.1 1.6 1.31
1 29 1 7 21.2 2.33 3.82
0 30 8 4 6.4 0.33 3.25
0 31 1 1 4.5 0.22 0.86
0 43 4 2 4.6 0.05 1.28
1 32 11 4 23.8 5.44 8.13
0 47 19 7 30.1 3.18 11.87
1 46 1 15 14.8 1.38 1.73
0 43 16 10 4.1 0.26 3.14
0 48 3 7 7 0.76 0.92
0 30 8 7 2.8 0.55 1.16
1 23 0 4 18.4 0.82 5.07
0 36 8 0 1.6 0.02 0.49
0 20 0 1 2.3 0.04 0.35
0 43 16 7 0.4 0.16 0.2
1 23 2 1 4.5 0.12 1
0 41 21 2 20.5 6.95 8.63
1 34 12 5 25.1 7.82 9.25
0 50 11 5 4.8 0.83 0.89
0 40 9 4 6.6 0.79 3.43
1 29 0 8 12.9 1.04 1.8
0 39 9 16 18.7 4.76 5.71
0 24 1 2 5.7 0.84 1.56
0 27 0 5 1.1 0.13 0.05
0 40 18 14 6.6 3.33 7.04
0 32 8 2 3.7 0.98 0.68
0 39 16 12 3.7 0.69 1.27
0 40 22 1 14.6 5.4 9.2
0 32 10 11 9.1 1.54 2.28
0 39 23 1 18.9 3.13 11.04
1 24 3 3 28.9 2.68 3.39
1 43 18 14 6.5 16.03 12.96
0 56 11 20 15 4.67 4.18
0 32 5 9 4.5 0.33 0.71
0 42 7 12 10.2 1.63 0.92
1 46 3 13 13.2 3.04 2.63
1 31 2 2 16.4 1.74 1.87
0 43 25 16 2.6 1.64 4.66
0 28 6 9 11.5 0.65 1.88
0 39 11 17 12.9 2.56 2.47
0 39 0 8 7.9 1.07 2.01
1 37 1 14 16.1 2.69 2.62
0 30 0 11 12 0.3 1.74
0 37 9 16 5.9 0.89 9.56
0 22 4 3 17.5 0.23 2.22
0 50 1 26 14.3 1.85 1.87
0 30 10 2 4.4 0.34 0.5
0 39 8 0 4 0.28 0.56
1 21 0 2 12.5 0.49 2.14
0 31 9 2 2.6 0.12 0.61
0 31 9 1 5.8 0.6 1.14
0 48 0 23 22.3 2.66 4.03
0 28 4 1 23.8 1.09 2.72
1 47 16 26 17.6 15.79 23.1
0 27 6 1 4.4 0.24 1.26
0 29 6 10 18.4 1.99 9.97
1 21 2 0 4.5 0.29 0.61
1 29 7 5 19.8 1.01 2.95
1 24 0 3 6.6 0.59 1.32
0 44 12 3 9.7 0.36 2.65
0 22 1 0 4.4 0.27 0.52
0 38 13 0 2.4 0.41 1.01
0 52 12 16 7.7 0.99 4.86
1 25 3 2 16.3 0.35 2.58
0 25 5 5 10.9 0.4 2
0 51 27 21 11.5 0.82 18.27
0 38 21 16 16.5 4.58 4.99
0 44 9 20 5.2 0.55 1.17
1 24 2 3 9.7 0.89 1.63
0 34 5 3 7.3 0.78 1.63
0 25 6 2 4.5 0.07 1.1
1 45 5 17 10.5 3.61 6.26
0 34 4 10 5.8 0.57 0.88
1 27 2 8 5.7 0.32 0.99
1 33 10 13 20.9 6.11 5.8
1 35 0 16 15 1.97 1.33
0 50 15 31 1.1 0.47 0.19
0 33 13 13 3.6 0.23 1.28
1 41 13 13 25.2 2.32 20.62
1 28 0 2 33.3 2.28 7.04
1 38 12 14 16 5.72 4.36
1 25 3 2 17.8 1.01 1.84
1 47 4 9 7.1 1.19 1.15
0 30 12 9 7.2 2.94 4.12
0 44 12 5 13 1.48 9.7
1 25 0 2 18.9 0.51 2.89
1 41 6 0 19.5 4.51 2.51
Logit, Probit/Normit, Tobit: Variables Dependientes Limitadas utilizando Estimación por Máxima Verosimilitud

Las Variables Dependientes Limitadas describen las situaciones donde la variable dependiente contiene datos que están limitados en alcance y rango, como binarias (0 o 1), truncadas,
ordenadas o datos censurados. Por ejemplo, dado un conjunto de variables independientes (p.ej., edad, ingreso, educación, cupo de tarjeta de crédito o tenencia de préstamo
hipotecario), podemos calcular la probabilidad de incumplimiento utilizando la estimación de máxima verosimilitud (MLE – por sus siglas en ingles). La respuesta o variable dependiente
Y es binaria, es decir, puede tener solamente dos posibles resultados que denotaremos como 1 y 0 (p.ej., Y puede representar la ausencia/presencia de una condición especifica,
cumplimiento/incumplimiento de un préstamo previo, éxito/fracaso de algunos dispositivos, respuesta si/no en estudios, etc.). También tenemos un vector de variables independientes o
regresores de X, los cuales se asumen con influencia en el resultado Y. Una típica aproximación con una regresión de mínimos cuadrados ordinarios es incorrecta porque los errores de
la regresión son heteroscedasticos y no normales; y los resultados estimados de probabilidad resultantes serian valores sin sentido sobre 1 o debajo de 0. MLE se ocupa de estos
problemas de análisis utilizando una rutina de optimización iterativa que maximiza la función logarítmica de verosimilitud cuando las variables dependientes son limitadas.

Una regresión Logit o Logística es usada para predecir la probabilidad de ocurrencia de un evento para datos ajustados a una curva logística. Esto es generalizado en el modelo lineal
utilizado para la regresión binomial. MLE aplicado en un análisis logístico multivariado binario es usado para modelar variables dependientes para determinar la probabilidad esperada de
éxito de pertenecer a un cierto grupo. Los coeficientes estimados por el modelo Logit son cocientes logarítmicos de probabilidad, y no pueden interpretarse directamente como
probabilidades. Un rápido calculo es requerido primero y luego la aproximación es sencilla.

Específicamente, el modelo Logit es especificado como Estimado Y= LN[Pi/(1–Pi)] o en cambio, , Pi = EXP(Estimado Y)/(1+EXP(Y Estimado)), y los coeficientes βi son cocientes
logarítmicos de probabilidad, a fin de tomar el antilogaritmo o EXP(βi) obtenemos los cocientes de probabilidad de Pi/(1–Pi). Esto significa que un incremento en una unidad de βi
incrementa la probabilidad en este monto. Finalmente, la tasa de cambio en la probabilidad dP/dX = βiPi(1–Pi). El Error Estándar mide la precisión de los coeficientes, y la t-estadística
son los coeficientes de cada Coeficiente respecto a sus errores estándar, los cuales son usados en la prueba de hipótesis para calcular el nivel de significancia de cada parámetro
estimado. Para estimar la probabilidad éxito de pertenecer a un grupo especifico (p. ej., predecir si un fumador desarrollara complicaciones pulmonares dado el monto de cigarrillos
consumidos por año), simplemente calcule el valor Estimado Y utilizando los coeficientes MLE. Por ejemplo, si el modelo es Y = 1.1 + 0.005 (Cigarrillos) entonces para una persona que
fume paquetes de cigarrillos por año tiene un Y Estimado de 1.1 + 0.005(100) = 1.6. Después, calcule la inversa del antilogaritmo para el valor encontrado previamente de probabilidad
EXP(Y Estimado)/[1 + EXP(Y Estimado)] = EXP(1.6)/(1+ EXP(1.6)) = 0.8320. Por lo tanto una persona tiene un 82.20% de probabilidad de desarrollar algun tipo de complicación
pulmonar en vida.

Un modelo Probit (algunas veces conocido como modelo Normit) es una alternativa popular de especificación para un modelo binario en cual emplea una función probit utilizando una
estimación de máxima verosimilitud y la aproximación es llamada regresión probit. Los modelos de regresión Probit o Logistica tienden a producir predicciones similares, donde los
parámetros estimados en una regresión logística son entre 1.6 y 1.8 veces más altos que los correspondientes a los coeficientes de un modelo Probit. La elección de un modelo Probit o
Logit es enteramente relacionado con la conveniencia particular, y la principal distinción entre ambos se basa en el hecho que la distribución logística tiene una mayor curtosis (colas
gordas) para tener en cuenta en los valores extremos. Por ejemplo, suponga que una familia tiene la decisión de adquirir una vivienda y su respuesta es una variable binaria (comprar o
no comprar la vivienda) y depende de una serie de variables independientes Xi como son el ingreso, la edad, tal que Ii = β0 + β1X1 +...+ βnXn, donde el mayor valor de li, significa una
mayor probabilidad de ser propietario de la vivienda. Para cada familia, existe un umbral crítico I*, donde si es superado la casa es comprada por alguien más, es decir, la cas ano es
comprada, y la probabilidad de salida (P) se asume distribuida normalmente, tal que Pi=CDF(I) utilizando una función de distribución acumulada normal estándar (CDF). Por lo tanto, usa
los coeficientes estimados exactamente igual a los de un modelo de regresión, utilizando el valor Estimado Y, y aplicar la distribución normal estándar (usted puede usar la función Excel
DISTR.NORM.ESTAND o la herramienta de Análisis de Distribución seleccionando la distribución Normal y ajustando la media en 0 y la desviación estándar en 1). Finalmente, para
obtener un Probit o unidad de probabilidad, defina li + 5 (esto es porque siempre la probabilidad Pi < 0.5, el estimado li es negativo, debido al hecho que la distribución normal es
simétrica alrededor de una media de cero).

El modelo Tobit (Tobit Censurado) es un método de modelación biométrica y econométrica usada para describir la relación entre una variable dependiente no-negativa Yi y una o más
variables independientes Xi. Un modelo Tobit es un modelo econométrico en el cual la variable dependiente es censurada; esto es, la variable dependiente es censurada porque los
valores debajo de cero no son observados. El modelo Tobit asume que existe una variable inobservable latente Y*. Esta variable es linealmente dependiente de las variables Xi vía un
vector de coeficientes βi, que determina sus interrelaciones. En adición, el término del error Ui está distribuido normalmente para capturar la influencia aleatoria en esta relación. La
variable observable Yi es definida como la igualdad de la variable latente siempre que las variables latentes sean superiores a cero y Yi es asumido como cero en otro caso. Esto es, Yi =
Y* si Y* > 0 y Yi = 0 si Y* = 0. Si el parámetro de relación βi es estimado utilizando una regresión de mínimos cuadrados ordinarios de los observados Yi en Xi, los estimadores de la
regresión calculada son inconsistentes y el coeficiente de la pendiente se encuentra insesgada hacia abajo y el intercepto insesgado hacia arriba. Únicamente el MLE podría ser
consistente para un modelo Tobit. En el modelo Tobit, se tiene un complemento estadístico llamado Sigma, el cual e equivalente al error estándar de la estimación en una regresión de
mínimos cuadrados ordinarios y los coeficientes estimados son usados en el mismo sentido que en el análisis de regresión.

Resultados

Valor del Logaritmo de Verosimili -200.69619 Aproximación Logit

Variable Coeficientes Error Estandar Estadistico - Z p-Value


Constante -1.4314 0.6181 -2.3157 0.0206 significativo
Edad 0.0252 0.0203 1.2396 0.2151 se acepta
Años con el empleador actual -0.2572 0.0369 -6.9807 0.0000 significativo
Años en la Dirección Actual -0.0929 0.0271 -3.4259 0.0006 significativo
Razón de la Deuda/Ingresos ( %) 0.0678 0.0276 2.4578 0.0140 significativo
Deuda de la Tarjeta de crédito (Miles 0.5691 0.1077 5.2819 0.0000 significativo
Otras Deuda (Miles $) 0.0644 0.0709 0.9079 0.3640 se acepta

H0 > 5% se acepta
Ha <= 5% significativa
Modelo de Máxima Verosimilitud: LOGIT, PROBIT, TOBIT
LOGIT & PROBIT

Deuda de la
Incumplimiento Años con el Años en la Razón de la Tarjeta de
Edad empleador Dirección Deuda/Ingre
de pago (Default) actual Actual sos ( %) crédito
(Miles $)

1 41 17 12 9.3 11.36
0 27 10 6 17.3 1.36
0 40 15 14 5.5 0.86
0 41 15 14 2.9 2.66
1 24 2 0 17.3 1.79
0 41 5 5 10.2 0.39
0 39 20 9 30.6 3.83
0 43 12 11 3.6 0.13
1 24 3 4 24.4 1.36
0 36 0 13 19.7 2.78
0 27 0 1 1.7 0.18
0 25 4 0 5.2 0.25
0 52 24 14 10 3.93
0 37 6 9 16.3 1.72
0 48 22 15 9.1 3.7
1 36 9 6 8.6 0.82
1 36 13 6 16.4 2.92
0 43 23 19 7.6 1.18
0 39 6 9 5.7 0.56
0 41 0 21 1.7 0.1
0 39 22 3 3.2 1.15
0 47 17 21 5.6 0.59
0 28 3 6 10 0.43
0 29 8 6 9.8 0.4
1 21 1 2 18 0.24
0 25 0 2 17.6 2.14
0 45 9 26 6.7 0.71
0 43 25 21 16.7 0.95
0 33 12 8 18.4 3.08
0 26 2 1 14.2 0.2
0 45 3 15 2.1 0.11
0 30 1 10 10.5 1.14
0 27 2 7 6 0.72
0 25 8 4 14.4 1.02
0 25 8 1 2.9 0.08
0 26 6 7 26 6.05
0 30 10 4 16.1 1.41
0 32 12 1 14.4 3.2
1 28 1 8 17.1 1.34
0 45 23 5 4.2 0.56
0 23 7 2 6.6 0.34
0 34 17 3 8 1.81
0 42 7 23 4.6 0.94
0 39 19 5 13.1 1.93
1 26 0 0 7.5 0.3
0 21 0 1 6.8 0.15
0 35 13 15 4.5 0.43
0 47 4 2 10.4 0.12
1 23 0 2 11.4 0.78
0 35 18 2 7.4 0.21
1 34 2 11 12.6 0.57
0 46 1 12 14 0.81
1 46 16 18 12.9 3.03
0 38 3 18 3.7 0.31
0 40 3 2 9.5 0.55
1 37 1 3 15.1 1.8
0 35 9 1 5 0.4
0 39 16 13 2.4 1.06
0 40 18 6 2.5 1.49
0 50 10 20 12.2 2.48
0 31 9 10 2.4 0.05
1 29 13 1 7.4 1.46
0 37 4 0 12.4 0.87
0 33 4 9 7 2.16
0 26 5 7 7.8 1.02
1 32 11 6 23.3 7.76
1 28 2 3 6.4 0.19
0 39 19 8 9.1 2.52
1 28 8 3 8.2 1.49
1 29 1 2 18.6 0.57
0 34 3 8 23.1 1.4
0 28 5 9 23.8 3.1
0 47 26 21 12.8 4.58
0 43 1 5 10.6 1.52
0 41 13 10 1.7 0.07
0 47 13 25 23.8 3.74
0 24 2 1 0.6 0.03
0 29 1 9 6.7 0.16
0 33 14 2 2.6 0.2
0 36 15 10 3.2 0.69
1 26 4 3 10.5 2.47
0 31 11 12 17 2.74
0 37 7 3 19.6 2.7
0 35 4 16 11 1.84
0 26 4 3 5.4 0.32
0 40 10 15 18.8 2.01
1 29 5 4 12.4 3.49
0 37 5 17 24.6 1.41
0 32 12 12 2.9 0.12
1 23 0 1 27.7 2.04
0 32 3 10 6.2 0.05
1 25 1 6 11.4 0.37
0 38 5 5 10.6 1.5
1 32 0 6 5.8 0.3
1 41 2 0 26.3 1.96
0 36 17 6 4.4 0.73
0 42 13 0 3.3 1.32
0 41 14 8 7.3 0.93
0 29 4 9 6.3 0.68
1 38 4 6 9.3 1.33
0 39 22 9 2.6 0.99
0 36 6 9 8.3 0.03
0 33 8 7 5.8 0.78
0 42 21 11 3.1 1.37
0 41 22 17 23.6 9.88
0 40 8 17 3.6 0.53
1 53 9 18 11.2 2.02
0 28 4 7 13.5 1.3
0 36 12 13 7.9 1.72
0 34 9 13 10.1 1.12
0 45 2 5 4.9 0.46
0 38 6 0 8.9 0.27
0 21 0 2 7.7 0.83
0 42 12 11 21.4 2.41
0 52 16 25 8.6 1.87
0 25 4 6 5.2 0.55
0 34 9 9 6.2 2.11
0 40 15 16 3.4 1.03
1 31 0 4 12.8 1.09
1 25 1 0 6.7 0.47
0 45 12 19 9.5 1.34
1 23 3 0 8.4 0.28
1 34 6 3 35.3 1.98
1 31 2 4 12.7 1.09
0 28 5 9 2.8 0.14
0 41 7 11 4.4 0.69
1 39 7 2 13 1.02
0 29 9 3 1.4 0.13
0 21 5 1 9 0.37
0 41 19 2 5.8 1.51
0 26 1 7 2.9 0.31
0 33 5 10 12.9 0.98
0 45 18 19 17.4 0.55
0 39 17 20 13.7 2.45
0 24 7 2 6.3 0.52
0 29 6 7 2.2 0.45
0 27 1 0 12.4 0.29
0 40 13 2 5.9 0.96
0 29 8 10 6.7 0.47
1 29 4 3 6.6 1.16
1 24 0 2 16 1.01
1 27 9 6 17.8 2.85
0 41 16 22 4.4 1.28
0 31 11 8 9.1 0.14
0 41 16 17 5.4 0.45
0 42 5 3 3.4 0.36
0 28 1 3 12.4 0.38
0 30 2 8 10 1.77
0 30 11 1 8.4 0.68
0 31 8 4 8 1.72
0 45 15 14 18.1 1.55
1 43 13 23 6.1 2.15
0 36 4 10 16.3 1.33
0 28 8 6 7.2 0.61
0 27 3 5 13.2 1.63
0 36 13 3 19.2 2.8
0 33 12 11 11.3 2.1
1 54 9 2 14.8 1.56
1 33 9 4 13.8 1.35
0 31 9 5 4.5 0.31
0 21 4 0 8.9 1.42
0 28 5 9 8.7 0.77
1 31 2 1 6.8 0.28
0 32 8 6 4.1 0.33
1 35 1 8 12.5 0.59
1 40 13 11 18.9 6.23
1 22 4 2 15.6 1.64
0 39 4 9 6.5 1.18
0 41 14 3 1.7 0.35
0 34 16 9 4 1.73
0 29 7 9 9.7 0.55
0 31 4 10 11.3 0.29
1 32 1 0 4.8 0.31
0 32 14 7 8.8 3.75
0 33 6 14 7.5 0.57
0 26 6 0 10.3 0.72
0 21 1 1 17.3 0.16
0 28 7 2 7 0.36
0 37 13 5 8.9 0.6
1 33 2 14 22.9 2.12
0 39 12 10 5 0.56
0 40 8 19 5.6 0.88
0 45 16 21 3 0.91
0 27 10 6 6.5 0.85
0 28 0 7 24.2 1.42
0 39 13 9 8 0.97
1 40 14 21 15 2.79
0 27 11 8 16.9 4.64
0 36 1 4 9.3 0.43
0 55 19 2 15.6 4.4
1 27 4 3 13.2 1.09
0 30 1 8 11 0.75
1 36 10 0 11.2 0.82
1 31 1 6 2.5 0.28
0 33 13 2 7.2 0.18
0 30 4 0 4.2 0.5
1 24 1 0 5.9 0.24
0 33 9 10 4.3 0.38
0 50 8 27 6.9 0.4
1 31 6 6 23.1 3.34
0 28 3 7 4.1 0.26
1 44 8 10 6.1 0.28
0 48 3 23 9.8 0.97
0 36 0 17 9.7 0.33
0 29 7 1 5.5 0.57
0 40 17 11 6 2.56
0 33 7 6 6 0.54
0 26 6 6 1 0.14
0 36 14 11 7.2 1.78
0 26 6 0 1.9 0.09
0 40 16 6 12.1 1.61
1 44 5 3 9 1.97
0 29 1 10 4.5 0.28
1 35 5 3 5.4 0.58
0 34 16 3 10.4 3.95
0 34 12 8 6.7 1.3
0 46 14 25 10.2 1.35
0 41 21 22 12.2 3.24
1 27 7 8 4 0.45
1 27 0 6 8 1.62
0 28 11 6 2.4 0.11
0 48 0 27 10.8 0.85
0 48 17 26 12 3.38
1 29 5 6 19.9 3.18
1 43 9 5 20.4 4.04
0 23 5 2 7.9 0.3
0 29 10 8 18.1 3.7
0 40 5 6 1.9 0.88
0 22 0 3 5.6 0.21
0 23 7 3 14.4 0.85
0 46 9 10 15.3 1.61
1 55 3 11 8 0.56
0 38 8 16 0.6 0.03
0 35 5 1 2.8 0.1
0 30 11 9 0.9 0.07
0 24 7 0 6.5 0.53
0 26 4 3 9.5 0.23
1 32 2 11 9.1 0.12
0 37 11 4 3.5 0.63
1 39 6 19 19.9 2.54
0 30 4 4 18.3 0.49
0 30 10 11 9.5 2.06
0 32 7 10 4.3 0.43
0 54 21 20 14.4 9.6
0 27 3 4 13.3 1.6
0 31 12 4 23.7 2.06
0 39 15 16 1.8 0.14
0 31 5 3 14.1 1.18
0 35 15 11 18.5 1.21
0 35 10 16 13.3 4.87
0 46 22 17 11.1 3.32
1 33 13 3 21.3 2.71
0 35 13 3 1.9 1.42
0 35 1 1 7.9 0.37
0 38 5 13 9 0.45
0 41 19 1 7.8 2.25
0 38 18 19 4.5 0.61
0 34 2 14 13.2 1.14
0 51 16 25 4.4 2.6
0 34 10 2 9.5 0.57
0 47 15 1 24.5 2.21
0 34 8 6 5.4 2.16
0 27 8 7 11.9 0.4
1 52 9 11 19.2 0.8
0 39 9 6 5 0.23
0 33 7 0 6.4 0.63
0 34 0 1 7.2 0.19
1 31 9 7 14.6 3.11
0 28 2 9 15.2 0.87
0 39 19 16 3.7 0.92
0 51 22 23 7.6 4.14
0 22 4 1 1.2 0.08
0 27 6 4 10.4 0.93
0 32 16 10 21 0.69
0 28 6 7 7.2 0.77
1 27 1 0 10.3 0.38
1 26 2 6 13.6 1.58
0 32 14 0 2.4 0.27
1 30 0 11 3.7 0.45
0 39 13 1 8.9 1.9
1 31 11 6 4.8 0.35
1 34 15 2 24.7 4.37
0 31 8 3 12.6 0.13
0 29 1 7 10.4 0.57
0 29 9 0 13.9 1.07
0 35 9 16 7.6 0.65
0 29 11 7 6 0.93
1 38 2 16 22.7 1.21
0 35 16 15 3.4 0.18
0 29 11 5 6.1 0.71
0 23 3 4 4.4 0.26
0 33 9 8 5.5 0.5
0 51 19 25 2.8 1.07
0 24 4 2 2.6 0.1
1 31 10 12 9.8 3.24
0 45 10 14 5.4 0.93
0 29 3 1 9 0.47
0 34 0 10 17.1 2.05
1 25 4 5 5 0.55
0 37 20 2 1.9 0.54
1 47 29 18 25.3 20.56
0 43 6 24 9.6 0.62
0 47 22 19 5.5 1.51
0 24 6 2 5.2 0.11
0 27 5 1 6.3 2.21
0 25 9 4 1.2 0.07
0 36 11 12 14.7 0.45
0 39 16 20 19.4 1.56
0 26 10 1 7.1 1.31
0 41 4 19 10.1 1.06
1 39 19 15 27.1 9.59
0 37 18 8 12.1 4.59
1 29 2 0 14.4 0.59
0 42 6 9 11.6 1.02
0 31 1 6 11.1 1.07
0 36 4 15 17.3 0.52
0 39 16 4 20 4.16
0 23 0 2 6.7 0.47
0 39 4 15 7 0.4
1 27 4 1 3.1 0.28
0 24 8 4 5 0.38
1 27 3 4 11 0.29
0 41 16 22 1.6 0.43
1 38 0 8 8.1 0.9
1 40 5 12 16.4 1.58
1 54 25 12 26.5 14.6
0 40 12 6 17.4 2.77
0 40 2 4 3.7 0.85
0 29 1 8 8 0.16
0 30 8 6 12 0.76
0 29 1 1 1.1 0.03
1 29 3 3 2.4 0.26
1 28 2 4 2.5 0.46
0 28 0 5 10.4 0.64
0 39 16 9 14.3 5
0 32 11 2 3.3 0.09
0 36 7 16 15.4 2.65
0 39 20 12 8.2 0.77
1 28 6 8 19.8 5.57
1 28 4 2 14.2 0.44
0 46 6 19 12.2 1.99
0 30 4 8 6.5 0.35
0 39 15 19 4.9 0.42
1 40 5 3 16 8.17
0 44 18 4 13.4 4.52
1 30 0 8 16.6 0.62
0 24 3 0 4.3 0.36
0 32 10 13 11.3 1.17
0 29 3 8 2.6 0.15
0 40 2 1 3.8 0.28
0 41 8 21 0.7 0.09
0 22 1 3 18.6 0.81
0 38 10 8 1.2 0.04
0 37 6 13 8.5 1.19
1 41 18 6 15.7 6.57
1 41 7 6 14.5 0.37
1 39 2 15 23.1 1.92
1 24 0 2 16.1 0.32
0 32 9 10 23 2.69
0 21 0 1 7.7 1.53
0 29 13 7 2.3 0.07
0 35 14 3 0.8 0.47
0 29 6 7 18.1 1.11
0 41 2 22 6.7 0.11
1 37 0 18 12.9 1.58
0 32 3 13 1.9 0.43
0 36 5 12 8.1 0.73
0 39 18 9 2.1 0.37
0 36 18 9 11.2 5.25
0 46 22 4 2.3 0.83
0 34 13 11 9.6 1.88
0 27 7 4 9.1 0.64
0 43 8 11 3.3 0.68
1 33 14 8 41.3 15.02
0 39 20 17 1.4 0.34
0 29 1 4 2.5 0.13
0 34 7 15 6.4 0.95
0 26 1 0 4.9 0.61
0 31 15 2 4.8 0.8
0 26 10 6 2.7 0.31
0 28 12 7 7.7 1.85
1 48 13 20 30.8 6.11
1 39 2 12 16 4
0 37 3 3 3.7 0.28
1 52 9 0 9.4 1.33
0 48 3 11 21.3 1.4
0 26 7 3 5.1 0.21
0 46 15 0 3.1 0.48
0 31 7 10 4.9 0.23
0 34 13 8 6.1 0.86
0 40 22 4 3.6 0.63
1 24 2 5 6.4 0.27
0 33 2 14 3.1 0.53
1 53 5 29 17.3 6.94
1 47 9 1 20.1 2.54
0 35 5 5 13 0.17
0 34 14 8 17 1.14
0 49 11 5 10.1 2.46
0 26 0 7 9.3 1.27
1 23 2 2 9.6 0.8
0 23 0 4 8.7 0.45
0 38 4 13 1.6 0.44
0 28 5 2 8.3 1.12
1 30 0 8 29.7 3.9
0 34 18 10 15.4 2.1
0 50 16 14 11.1 1.66
0 29 12 2 6.7 1.63
0 42 0 9 6.6 0.28
0 31 13 12 5 0.24
0 39 10 4 4.8 0.18
0 45 21 26 3 2.56
0 45 22 24 11.7 1.26
0 36 14 17 5.7 1.89
1 25 0 6 12.1 1.6
1 29 1 7 21.2 2.33
0 30 8 4 6.4 0.33
0 31 1 1 4.5 0.22
0 43 4 2 4.6 0.05
1 32 11 4 23.8 5.44
0 47 19 7 30.1 3.18
1 46 1 15 14.8 1.38
0 43 16 10 4.1 0.26
0 48 3 7 7 0.76
0 30 8 7 2.8 0.55
1 23 0 4 18.4 0.82
0 36 8 0 1.6 0.02
0 20 0 1 2.3 0.04
0 43 16 7 0.4 0.16
1 23 2 1 4.5 0.12
0 41 21 2 20.5 6.95
1 34 12 5 25.1 7.82
0 50 11 5 4.8 0.83
0 40 9 4 6.6 0.79
1 29 0 8 12.9 1.04
0 39 9 16 18.7 4.76
0 24 1 2 5.7 0.84
0 27 0 5 1.1 0.13
0 40 18 14 6.6 3.33
0 32 8 2 3.7 0.98
0 39 16 12 3.7 0.69
0 40 22 1 14.6 5.4
0 32 10 11 9.1 1.54
0 39 23 1 18.9 3.13
1 24 3 3 28.9 2.68
1 43 18 14 6.5 16.03
0 56 11 20 15 4.67
0 32 5 9 4.5 0.33
0 42 7 12 10.2 1.63
1 46 3 13 13.2 3.04
1 31 2 2 16.4 1.74
0 43 25 16 2.6 1.64
0 28 6 9 11.5 0.65
0 39 11 17 12.9 2.56
0 39 0 8 7.9 1.07
1 37 1 14 16.1 2.69
0 30 0 11 12 0.3
0 37 9 16 5.9 0.89
0 22 4 3 17.5 0.23
0 50 1 26 14.3 1.85
0 30 10 2 4.4 0.34
0 39 8 0 4 0.28
1 21 0 2 12.5 0.49
0 31 9 2 2.6 0.12
0 31 9 1 5.8 0.6
0 48 0 23 22.3 2.66
0 28 4 1 23.8 1.09
1 47 16 26 17.6 15.79
0 27 6 1 4.4 0.24
0 29 6 10 18.4 1.99
1 21 2 0 4.5 0.29
1 29 7 5 19.8 1.01
1 24 0 3 6.6 0.59
0 44 12 3 9.7 0.36
0 22 1 0 4.4 0.27
0 38 13 0 2.4 0.41
0 52 12 16 7.7 0.99
1 25 3 2 16.3 0.35
0 25 5 5 10.9 0.4
0 51 27 21 11.5 0.82
0 38 21 16 16.5 4.58
0 44 9 20 5.2 0.55
1 24 2 3 9.7 0.89
0 34 5 3 7.3 0.78
0 25 6 2 4.5 0.07
1 45 5 17 10.5 3.61
0 34 4 10 5.8 0.57
1 27 2 8 5.7 0.32
1 33 10 13 20.9 6.11
1 35 0 16 15 1.97
0 50 15 31 1.1 0.47
0 33 13 13 3.6 0.23
1 41 13 13 25.2 2.32
1 28 0 2 33.3 2.28
1 38 12 14 16 5.72
1 25 3 2 17.8 1.01
1 47 4 9 7.1 1.19
0 30 12 9 7.2 2.94
0 44 12 5 13 1.48
1 25 0 2 18.9 0.51
1 41 6 0 19.5 4.51
Logit, Probit/Normit, Tobit: Variables Dependientes Limitadas utilizando Estimación por Máxima Verosimilitud

Las Variables Dependientes Limitadas describen las situaciones donde la variable dependiente contiene datos que están limitados en alcance y rango, como binarias (0 o 1), truncadas,
ordenadas o datos censurados. Por ejemplo, dado un conjunto de variables independientes (p.ej., edad, ingreso, educación, cupo de tarjeta de crédito o tenencia de préstamo
hipotecario), podemos calcular la probabilidad de incumplimiento utilizando la estimación de máxima verosimilitud (MLE – por sus siglas en ingles). La respuesta o variable dependiente
Y es binaria, es decir, puede tener solamente dos posibles resultados que denotaremos como 1 y 0 (p.ej., Y puede representar la ausencia/presencia de una condición especifica,
cumplimiento/incumplimiento de un préstamo previo, éxito/fracaso de algunos dispositivos, respuesta si/no en estudios, etc.). También tenemos un vector de variables independientes o
regresores de X, los cuales se asumen con influencia en el resultado Y. Una típica aproximación con una regresión de mínimos cuadrados ordinarios es incorrecta porque los errores de
la regresión son heteroscedasticos y no normales; y los resultados estimados de probabilidad resultantes serian valores sin sentido sobre 1 o debajo de 0. MLE se ocupa de estos
problemas de análisis utilizando una rutina de optimización iterativa que maximiza la función logarítmica de verosimilitud cuando las variables dependientes son limitadas.

Una regresión Logit o Logística es usada para predecir la probabilidad de ocurrencia de un evento para datos ajustados a una curva logística. Esto es generalizado en el modelo lineal
utilizado para la regresión binomial. MLE aplicado en un análisis logístico multivariado binario es usado para modelar variables dependientes para determinar la probabilidad esperada de
éxito de pertenecer a un cierto grupo. Los coeficientes estimados por el modelo Logit son cocientes logarítmicos de probabilidad, y no pueden interpretarse directamente como
probabilidades. Un rápido calculo es requerido primero y luego la aproximación es sencilla.

Específicamente, el modelo Logit es especificado como Estimado Y= LN[Pi/(1–Pi)] o en cambio, , Pi = EXP(Estimado Y)/(1+EXP(Y Estimado)), y los coeficientes βi son cocientes
logarítmicos de probabilidad, a fin de tomar el antilogaritmo o EXP(βi) obtenemos los cocientes de probabilidad de Pi/(1–Pi). Esto significa que un incremento en una unidad de βi
incrementa la probabilidad en este monto. Finalmente, la tasa de cambio en la probabilidad dP/dX = βiPi(1–Pi). El Error Estándar mide la precisión de los coeficientes, y la t-estadística
son los coeficientes de cada Coeficiente respecto a sus errores estándar, los cuales son usados en la prueba de hipótesis para calcular el nivel de significancia de cada parámetro
estimado. Para estimar la probabilidad éxito de pertenecer a un grupo especifico (p. ej., predecir si un fumador desarrollara complicaciones pulmonares dado el monto de cigarrillos
consumidos por año), simplemente calcule el valor Estimado Y utilizando los coeficientes MLE. Por ejemplo, si el modelo es Y = 1.1 + 0.005 (Cigarrillos) entonces para una persona que
fume paquetes de cigarrillos por año tiene un Y Estimado de 1.1 + 0.005(100) = 1.6. Después, calcule la inversa del antilogaritmo para el valor encontrado previamente de probabilidad
EXP(Y Estimado)/[1 + EXP(Y Estimado)] = EXP(1.6)/(1+ EXP(1.6)) = 0.8320. Por lo tanto una persona tiene un 82.20% de probabilidad de desarrollar algun tipo de complicación
pulmonar en vida.

Un modelo Probit (algunas veces conocido como modelo Normit) es una alternativa popular de especificación para un modelo binario en cual emplea una función probit utilizando una
estimación de máxima verosimilitud y la aproximación es llamada regresión probit. Los modelos de regresión Probit o Logistica tienden a producir predicciones similares, donde los
parámetros estimados en una regresión logística son entre 1.6 y 1.8 veces más altos que los correspondientes a los coeficientes de un modelo Probit. La elección de un modelo Probit o
Logit es enteramente relacionado con la conveniencia particular, y la principal distinción entre ambos se basa en el hecho que la distribución logística tiene una mayor curtosis (colas
gordas) para tener en cuenta en los valores extremos. Por ejemplo, suponga que una familia tiene la decisión de adquirir una vivienda y su respuesta es una variable binaria (comprar o
no comprar la vivienda) y depende de una serie de variables independientes Xi como son el ingreso, la edad, tal que Ii = β0 + β1X1 +...+ βnXn, donde el mayor valor de li, significa una
mayor probabilidad de ser propietario de la vivienda. Para cada familia, existe un umbral crítico I*, donde si es superado la casa es comprada por alguien más, es decir, la cas ano es
comprada, y la probabilidad de salida (P) se asume distribuida normalmente, tal que Pi=CDF(I) utilizando una función de distribución acumulada normal estándar (CDF). Por lo tanto, usa
los coeficientes estimados exactamente igual a los de un modelo de regresión, utilizando el valor Estimado Y, y aplicar la distribución normal estándar (usted puede usar la función Excel
DISTR.NORM.ESTAND o la herramienta de Análisis de Distribución seleccionando la distribución Normal y ajustando la media en 0 y la desviación estándar en 1). Finalmente, para
obtener un Probit o unidad de probabilidad, defina li + 5 (esto es porque siempre la probabilidad Pi < 0.5, el estimado li es negativo, debido al hecho que la distribución normal es
simétrica alrededor de una media de cero).

El modelo Tobit (Tobit Censurado) es un método de modelación biométrica y econométrica usada para describir la relación entre una variable dependiente no-negativa Yi y una o más
variables independientes Xi. Un modelo Tobit es un modelo econométrico en el cual la variable dependiente es censurada; esto es, la variable dependiente es censurada porque los
valores debajo de cero no son observados. El modelo Tobit asume que existe una variable inobservable latente Y*. Esta variable es linealmente dependiente de las variables Xi vía un
vector de coeficientes βi, que determina sus interrelaciones. En adición, el término del error Ui está distribuido normalmente para capturar la influencia aleatoria en esta relación. La
variable observable Yi es definida como la igualdad de la variable latente siempre que las variables latentes sean superiores a cero y Yi es asumido como cero en otro caso. Esto es, Yi =
Y* si Y* > 0 y Yi = 0 si Y* = 0. Si el parámetro de relación βi es estimado utilizando una regresión de mínimos cuadrados ordinarios de los observados Yi en Xi, los estimadores de la
regresión calculada son inconsistentes y el coeficiente de la pendiente se encuentra insesgada hacia abajo y el intercepto insesgado hacia arriba. Únicamente el MLE podría ser
consistente para un modelo Tobit. En el modelo Tobit, se tiene un complemento estadístico llamado Sigma, el cual e equivalente al error estándar de la estimación en una regresión de
mínimos cuadrados ordinarios y los coeficientes estimados son usados en el mismo sentido que en el análisis de regresión.

Resultados

Valor del Logaritmo de Verosimili -201.05136 Aproximación Logit

Variable Coeficientes Error Estandar Estadistico - Z p-Value


Constante -1.6283 0.6018 -2.7057 0.0068 significativo
Edad 0.0298 0.0201 1.4808 0.1387 se acepta
Años con el empleador actual -0.2471 0.0341 -7.2525 0.0000 significativo
Años en la Dirección Actual -0.0941 0.0271 -3.4725 0.0005 significativo
Razón de la Deuda/Ingresos ( %) 0.0825 0.0227 3.6337 0.0003 significativo
Deuda de la Tarjeta de crédito (Miles 0.5777 0.1060 5.4503 0.0000 significativo

H0 > 5% se acepta
Ha <= 5% significativa
Modelo de Máxima Verosimilitud
LOGIT

Deuda de la
Incumplimiento Años con el Años en la Razón de la
empleador Dirección Deuda/Ingre Tarjeta de
de pago (Default) actual Actual sos ( %) crédito
(Miles $)

1 17 12 9.3 11.36
0 10 6 17.3 1.36
0 15 14 5.5 0.86
0 15 14 2.9 2.66
1 2 0 17.3 1.79
0 5 5 10.2 0.39
0 20 9 30.6 3.83
0 12 11 3.6 0.13
1 3 4 24.4 1.36
0 0 13 19.7 2.78
0 0 1 1.7 0.18
0 4 0 5.2 0.25
0 24 14 10 3.93
0 6 9 16.3 1.72
0 22 15 9.1 3.7
1 9 6 8.6 0.82
1 13 6 16.4 2.92
0 23 19 7.6 1.18
0 6 9 5.7 0.56
0 0 21 1.7 0.1
0 22 3 3.2 1.15
0 17 21 5.6 0.59
0 3 6 10 0.43
0 8 6 9.8 0.4
1 1 2 18 0.24
0 0 2 17.6 2.14
0 9 26 6.7 0.71
0 25 21 16.7 0.95
0 12 8 18.4 3.08
0 2 1 14.2 0.2
0 3 15 2.1 0.11
0 1 10 10.5 1.14
0 2 7 6 0.72
0 8 4 14.4 1.02
0 8 1 2.9 0.08
0 6 7 26 6.05
0 10 4 16.1 1.41
0 12 1 14.4 3.2
1 1 8 17.1 1.34
0 23 5 4.2 0.56
0 7 2 6.6 0.34
0 17 3 8 1.81
0 7 23 4.6 0.94
0 19 5 13.1 1.93
1 0 0 7.5 0.3
0 0 1 6.8 0.15
0 13 15 4.5 0.43
0 4 2 10.4 0.12
1 0 2 11.4 0.78
0 18 2 7.4 0.21
1 2 11 12.6 0.57
0 1 12 14 0.81
1 16 18 12.9 3.03
0 3 18 3.7 0.31
0 3 2 9.5 0.55
1 1 3 15.1 1.8
0 9 1 5 0.4
0 16 13 2.4 1.06
0 18 6 2.5 1.49
0 10 20 12.2 2.48
0 9 10 2.4 0.05
1 13 1 7.4 1.46
0 4 0 12.4 0.87
0 4 9 7 2.16
0 5 7 7.8 1.02
1 11 6 23.3 7.76
1 2 3 6.4 0.19
0 19 8 9.1 2.52
1 8 3 8.2 1.49
1 1 2 18.6 0.57
0 3 8 23.1 1.4
0 5 9 23.8 3.1
0 26 21 12.8 4.58
0 1 5 10.6 1.52
0 13 10 1.7 0.07
0 13 25 23.8 3.74
0 2 1 0.6 0.03
0 1 9 6.7 0.16
0 14 2 2.6 0.2
0 15 10 3.2 0.69
1 4 3 10.5 2.47
0 11 12 17 2.74
0 7 3 19.6 2.7
0 4 16 11 1.84
0 4 3 5.4 0.32
0 10 15 18.8 2.01
1 5 4 12.4 3.49
0 5 17 24.6 1.41
0 12 12 2.9 0.12
1 0 1 27.7 2.04
0 3 10 6.2 0.05
1 1 6 11.4 0.37
0 5 5 10.6 1.5
1 0 6 5.8 0.3
1 2 0 26.3 1.96
0 17 6 4.4 0.73
0 13 0 3.3 1.32
0 14 8 7.3 0.93
0 4 9 6.3 0.68
1 4 6 9.3 1.33
0 22 9 2.6 0.99
0 6 9 8.3 0.03
0 8 7 5.8 0.78
0 21 11 3.1 1.37
0 22 17 23.6 9.88
0 8 17 3.6 0.53
1 9 18 11.2 2.02
0 4 7 13.5 1.3
0 12 13 7.9 1.72
0 9 13 10.1 1.12
0 2 5 4.9 0.46
0 6 0 8.9 0.27
0 0 2 7.7 0.83
0 12 11 21.4 2.41
0 16 25 8.6 1.87
0 4 6 5.2 0.55
0 9 9 6.2 2.11
0 15 16 3.4 1.03
1 0 4 12.8 1.09
1 1 0 6.7 0.47
0 12 19 9.5 1.34
1 3 0 8.4 0.28
1 6 3 35.3 1.98
1 2 4 12.7 1.09
0 5 9 2.8 0.14
0 7 11 4.4 0.69
1 7 2 13 1.02
0 9 3 1.4 0.13
0 5 1 9 0.37
0 19 2 5.8 1.51
0 1 7 2.9 0.31
0 5 10 12.9 0.98
0 18 19 17.4 0.55
0 17 20 13.7 2.45
0 7 2 6.3 0.52
0 6 7 2.2 0.45
0 1 0 12.4 0.29
0 13 2 5.9 0.96
0 8 10 6.7 0.47
1 4 3 6.6 1.16
1 0 2 16 1.01
1 9 6 17.8 2.85
0 16 22 4.4 1.28
0 11 8 9.1 0.14
0 16 17 5.4 0.45
0 5 3 3.4 0.36
0 1 3 12.4 0.38
0 2 8 10 1.77
0 11 1 8.4 0.68
0 8 4 8 1.72
0 15 14 18.1 1.55
1 13 23 6.1 2.15
0 4 10 16.3 1.33
0 8 6 7.2 0.61
0 3 5 13.2 1.63
0 13 3 19.2 2.8
0 12 11 11.3 2.1
1 9 2 14.8 1.56
1 9 4 13.8 1.35
0 9 5 4.5 0.31
0 4 0 8.9 1.42
0 5 9 8.7 0.77
1 2 1 6.8 0.28
0 8 6 4.1 0.33
1 1 8 12.5 0.59
1 13 11 18.9 6.23
1 4 2 15.6 1.64
0 4 9 6.5 1.18
0 14 3 1.7 0.35
0 16 9 4 1.73
0 7 9 9.7 0.55
0 4 10 11.3 0.29
1 1 0 4.8 0.31
0 14 7 8.8 3.75
0 6 14 7.5 0.57
0 6 0 10.3 0.72
0 1 1 17.3 0.16
0 7 2 7 0.36
0 13 5 8.9 0.6
1 2 14 22.9 2.12
0 12 10 5 0.56
0 8 19 5.6 0.88
0 16 21 3 0.91
0 10 6 6.5 0.85
0 0 7 24.2 1.42
0 13 9 8 0.97
1 14 21 15 2.79
0 11 8 16.9 4.64
0 1 4 9.3 0.43
0 19 2 15.6 4.4
1 4 3 13.2 1.09
0 1 8 11 0.75
1 10 0 11.2 0.82
1 1 6 2.5 0.28
0 13 2 7.2 0.18
0 4 0 4.2 0.5
1 1 0 5.9 0.24
0 9 10 4.3 0.38
0 8 27 6.9 0.4
1 6 6 23.1 3.34
0 3 7 4.1 0.26
1 8 10 6.1 0.28
0 3 23 9.8 0.97
0 0 17 9.7 0.33
0 7 1 5.5 0.57
0 17 11 6 2.56
0 7 6 6 0.54
0 6 6 1 0.14
0 14 11 7.2 1.78
0 6 0 1.9 0.09
0 16 6 12.1 1.61
1 5 3 9 1.97
0 1 10 4.5 0.28
1 5 3 5.4 0.58
0 16 3 10.4 3.95
0 12 8 6.7 1.3
0 14 25 10.2 1.35
0 21 22 12.2 3.24
1 7 8 4 0.45
1 0 6 8 1.62
0 11 6 2.4 0.11
0 0 27 10.8 0.85
0 17 26 12 3.38
1 5 6 19.9 3.18
1 9 5 20.4 4.04
0 5 2 7.9 0.3
0 10 8 18.1 3.7
0 5 6 1.9 0.88
0 0 3 5.6 0.21
0 7 3 14.4 0.85
0 9 10 15.3 1.61
1 3 11 8 0.56
0 8 16 0.6 0.03
0 5 1 2.8 0.1
0 11 9 0.9 0.07
0 7 0 6.5 0.53
0 4 3 9.5 0.23
1 2 11 9.1 0.12
0 11 4 3.5 0.63
1 6 19 19.9 2.54
0 4 4 18.3 0.49
0 10 11 9.5 2.06
0 7 10 4.3 0.43
0 21 20 14.4 9.6
0 3 4 13.3 1.6
0 12 4 23.7 2.06
0 15 16 1.8 0.14
0 5 3 14.1 1.18
0 15 11 18.5 1.21
0 10 16 13.3 4.87
0 22 17 11.1 3.32
1 13 3 21.3 2.71
0 13 3 1.9 1.42
0 1 1 7.9 0.37
0 5 13 9 0.45
0 19 1 7.8 2.25
0 18 19 4.5 0.61
0 2 14 13.2 1.14
0 16 25 4.4 2.6
0 10 2 9.5 0.57
0 15 1 24.5 2.21
0 8 6 5.4 2.16
0 8 7 11.9 0.4
1 9 11 19.2 0.8
0 9 6 5 0.23
0 7 0 6.4 0.63
0 0 1 7.2 0.19
1 9 7 14.6 3.11
0 2 9 15.2 0.87
0 19 16 3.7 0.92
0 22 23 7.6 4.14
0 4 1 1.2 0.08
0 6 4 10.4 0.93
0 16 10 21 0.69
0 6 7 7.2 0.77
1 1 0 10.3 0.38
1 2 6 13.6 1.58
0 14 0 2.4 0.27
1 0 11 3.7 0.45
0 13 1 8.9 1.9
1 11 6 4.8 0.35
1 15 2 24.7 4.37
0 8 3 12.6 0.13
0 1 7 10.4 0.57
0 9 0 13.9 1.07
0 9 16 7.6 0.65
0 11 7 6 0.93
1 2 16 22.7 1.21
0 16 15 3.4 0.18
0 11 5 6.1 0.71
0 3 4 4.4 0.26
0 9 8 5.5 0.5
0 19 25 2.8 1.07
0 4 2 2.6 0.1
1 10 12 9.8 3.24
0 10 14 5.4 0.93
0 3 1 9 0.47
0 0 10 17.1 2.05
1 4 5 5 0.55
0 20 2 1.9 0.54
1 29 18 25.3 20.56
0 6 24 9.6 0.62
0 22 19 5.5 1.51
0 6 2 5.2 0.11
0 5 1 6.3 2.21
0 9 4 1.2 0.07
0 11 12 14.7 0.45
0 16 20 19.4 1.56
0 10 1 7.1 1.31
0 4 19 10.1 1.06
1 19 15 27.1 9.59
0 18 8 12.1 4.59
1 2 0 14.4 0.59
0 6 9 11.6 1.02
0 1 6 11.1 1.07
0 4 15 17.3 0.52
0 16 4 20 4.16
0 0 2 6.7 0.47
0 4 15 7 0.4
1 4 1 3.1 0.28
0 8 4 5 0.38
1 3 4 11 0.29
0 16 22 1.6 0.43
1 0 8 8.1 0.9
1 5 12 16.4 1.58
1 25 12 26.5 14.6
0 12 6 17.4 2.77
0 2 4 3.7 0.85
0 1 8 8 0.16
0 8 6 12 0.76
0 1 1 1.1 0.03
1 3 3 2.4 0.26
1 2 4 2.5 0.46
0 0 5 10.4 0.64
0 16 9 14.3 5
0 11 2 3.3 0.09
0 7 16 15.4 2.65
0 20 12 8.2 0.77
1 6 8 19.8 5.57
1 4 2 14.2 0.44
0 6 19 12.2 1.99
0 4 8 6.5 0.35
0 15 19 4.9 0.42
1 5 3 16 8.17
0 18 4 13.4 4.52
1 0 8 16.6 0.62
0 3 0 4.3 0.36
0 10 13 11.3 1.17
0 3 8 2.6 0.15
0 2 1 3.8 0.28
0 8 21 0.7 0.09
0 1 3 18.6 0.81
0 10 8 1.2 0.04
0 6 13 8.5 1.19
1 18 6 15.7 6.57
1 7 6 14.5 0.37
1 2 15 23.1 1.92
1 0 2 16.1 0.32
0 9 10 23 2.69
0 0 1 7.7 1.53
0 13 7 2.3 0.07
0 14 3 0.8 0.47
0 6 7 18.1 1.11
0 2 22 6.7 0.11
1 0 18 12.9 1.58
0 3 13 1.9 0.43
0 5 12 8.1 0.73
0 18 9 2.1 0.37
0 18 9 11.2 5.25
0 22 4 2.3 0.83
0 13 11 9.6 1.88
0 7 4 9.1 0.64
0 8 11 3.3 0.68
1 14 8 41.3 15.02
0 20 17 1.4 0.34
0 1 4 2.5 0.13
0 7 15 6.4 0.95
0 1 0 4.9 0.61
0 15 2 4.8 0.8
0 10 6 2.7 0.31
0 12 7 7.7 1.85
1 13 20 30.8 6.11
1 2 12 16 4
0 3 3 3.7 0.28
1 9 0 9.4 1.33
0 3 11 21.3 1.4
0 7 3 5.1 0.21
0 15 0 3.1 0.48
0 7 10 4.9 0.23
0 13 8 6.1 0.86
0 22 4 3.6 0.63
1 2 5 6.4 0.27
0 2 14 3.1 0.53
1 5 29 17.3 6.94
1 9 1 20.1 2.54
0 5 5 13 0.17
0 14 8 17 1.14
0 11 5 10.1 2.46
0 0 7 9.3 1.27
1 2 2 9.6 0.8
0 0 4 8.7 0.45
0 4 13 1.6 0.44
0 5 2 8.3 1.12
1 0 8 29.7 3.9
0 18 10 15.4 2.1
0 16 14 11.1 1.66
0 12 2 6.7 1.63
0 0 9 6.6 0.28
0 13 12 5 0.24
0 10 4 4.8 0.18
0 21 26 3 2.56
0 22 24 11.7 1.26
0 14 17 5.7 1.89
1 0 6 12.1 1.6
1 1 7 21.2 2.33
0 8 4 6.4 0.33
0 1 1 4.5 0.22
0 4 2 4.6 0.05
1 11 4 23.8 5.44
0 19 7 30.1 3.18
1 1 15 14.8 1.38
0 16 10 4.1 0.26
0 3 7 7 0.76
0 8 7 2.8 0.55
1 0 4 18.4 0.82
0 8 0 1.6 0.02
0 0 1 2.3 0.04
0 16 7 0.4 0.16
1 2 1 4.5 0.12
0 21 2 20.5 6.95
1 12 5 25.1 7.82
0 11 5 4.8 0.83
0 9 4 6.6 0.79
1 0 8 12.9 1.04
0 9 16 18.7 4.76
0 1 2 5.7 0.84
0 0 5 1.1 0.13
0 18 14 6.6 3.33
0 8 2 3.7 0.98
0 16 12 3.7 0.69
0 22 1 14.6 5.4
0 10 11 9.1 1.54
0 23 1 18.9 3.13
1 3 3 28.9 2.68
1 18 14 6.5 16.03
0 11 20 15 4.67
0 5 9 4.5 0.33
0 7 12 10.2 1.63
1 3 13 13.2 3.04
1 2 2 16.4 1.74
0 25 16 2.6 1.64
0 6 9 11.5 0.65
0 11 17 12.9 2.56
0 0 8 7.9 1.07
1 1 14 16.1 2.69
0 0 11 12 0.3
0 9 16 5.9 0.89
0 4 3 17.5 0.23
0 1 26 14.3 1.85
0 10 2 4.4 0.34
0 8 0 4 0.28
1 0 2 12.5 0.49
0 9 2 2.6 0.12
0 9 1 5.8 0.6
0 0 23 22.3 2.66
0 4 1 23.8 1.09
1 16 26 17.6 15.79
0 6 1 4.4 0.24
0 6 10 18.4 1.99
1 2 0 4.5 0.29
1 7 5 19.8 1.01
1 0 3 6.6 0.59
0 12 3 9.7 0.36
0 1 0 4.4 0.27
0 13 0 2.4 0.41
0 12 16 7.7 0.99
1 3 2 16.3 0.35
0 5 5 10.9 0.4
0 27 21 11.5 0.82
0 21 16 16.5 4.58
0 9 20 5.2 0.55
1 2 3 9.7 0.89
0 5 3 7.3 0.78
0 6 2 4.5 0.07
1 5 17 10.5 3.61
0 4 10 5.8 0.57
1 2 8 5.7 0.32
1 10 13 20.9 6.11
1 0 16 15 1.97
0 15 31 1.1 0.47
0 13 13 3.6 0.23
1 13 13 25.2 2.32
1 0 2 33.3 2.28
1 12 14 16 5.72
1 3 2 17.8 1.01
1 4 9 7.1 1.19
0 12 9 7.2 2.94
0 12 5 13 1.48
1 0 2 18.9 0.51
1 6 0 19.5 4.51
Logit, Probit/Normit, Tobit: Variables Dependientes Limitadas utilizando Estimación por Máxima Verosimilitud

Las Variables Dependientes Limitadas describen las situaciones donde la variable dependiente contiene datos que están limitados en alcance y rango, como binarias (0 o 1), truncadas, ordenadas o datos censurados. Por
ejemplo, dado un conjunto de variables independientes (p.ej., edad, ingreso, educación, cupo de tarjeta de crédito o tenencia de préstamo hipotecario), podemos calcular la probabilidad de incumplimiento utilizando la
estimación de máxima verosimilitud (MLE – por sus siglas en ingles). La respuesta o variable dependiente Y es binaria, es decir, puede tener solamente dos posibles resultados que denotaremos como 1 y 0 (p.ej., Y puede
representar la ausencia/presencia de una condición especifica, cumplimiento/incumplimiento de un préstamo previo, éxito/fracaso de algunos dispositivos, respuesta si/no en estudios, etc.). También tenemos un vector de
variables independientes o regresores de X, los cuales se asumen con influencia en el resultado Y. Una típica aproximación con una regresión de mínimos cuadrados ordinarios es incorrecta porque los errores de la regresión
son heteroscedasticos y no normales; y los resultados estimados de probabilidad resultantes serian valores sin sentido sobre 1 o debajo de 0. MLE se ocupa de estos problemas de análisis utilizando una rutina de optimización
iterativa que maximiza la función logarítmica de verosimilitud cuando las variables dependientes son limitadas.

Una regresión Logit o Logística es usada para predecir la probabilidad de ocurrencia de un evento para datos ajustados a una curva logística. Esto es generalizado en el modelo lineal utilizado para la regresión binomial. MLE
aplicado en un análisis logístico multivariado binario es usado para modelar variables dependientes para determinar la probabilidad esperada de éxito de pertenecer a un cierto grupo. Los coeficientes estimados por el modelo
Logit son cocientes logarítmicos de probabilidad, y no pueden interpretarse directamente como probabilidades. Un rápido calculo es requerido primero y luego la aproximación es sencilla.

Específicamente, el modelo Logit es especificado como Estimado Y= LN[Pi/(1–Pi)] o en cambio, , Pi = EXP(Estimado Y)/(1+EXP(Y Estimado)), y los coeficientes β i son cocientes logarítmicos de probabilidad, a fin de tomar el
antilogaritmo o EXP(βi) obtenemos los cocientes de probabilidad de Pi/(1–Pi). Esto significa que un incremento en una unidad de βi incrementa la probabilidad en este monto. Finalmente, la tasa de cambio en la probabilidad
dP/dX = βiPi(1–Pi). El Error Estándar mide la precisión de los coeficientes, y la t-estadística son los coeficientes de cada Coeficiente respecto a sus errores estándar, los cuales son usados en la prueba de hipótesis para
calcular el nivel de significancia de cada parámetro estimado. Para estimar la probabilidad éxito de pertenecer a un grupo especifico (p. ej., predecir si un fumador desarrollara complicaciones pulmonares dado el monto de
cigarrillos consumidos por año), simplemente calcule el valor Estimado Y utilizando los coeficientes MLE. Por ejemplo, si el modelo es Y = 1.1 + 0.005 (Cigarrillos) entonces para una persona que fume paquetes de cigarrillos
por año tiene un Y Estimado de 1.1 + 0.005(100) = 1.6. Después, calcule la inversa del antilogaritmo para el valor encontrado previamente de probabilidad EXP(Y Estimado)/[1 + EXP(Y Estimado)] = EXP(1.6)/(1+ EXP(1.6)) =
0.8320. Por lo tanto una persona tiene un 82.20% de probabilidad de desarrollar algun tipo de complicación pulmonar en vida.

Un modelo Probit (algunas veces conocido como modelo Normit) es una alternativa popular de especificación para un modelo binario en cual emplea una función probit utilizando una estimación de máxima verosimilitud y la
aproximación es llamada regresión probit. Los modelos de regresión Probit o Logistica tienden a producir predicciones similares, donde los parámetros estimados en una regresión logística son entre 1.6 y 1.8 veces más altos
que los correspondientes a los coeficientes de un modelo Probit. La elección de un modelo Probit o Logit es enteramente relacionado con la conveniencia particular, y la principal distinción entre ambos se basa en el hecho que
la distribución logística tiene una mayor curtosis (colas gordas) para tener en cuenta en los valores extremos. Por ejemplo, suponga que una familia tiene la decisión de adquirir una vivienda y su respuesta es una variable
binaria (comprar o no comprar la vivienda) y depende de una serie de variables independientes Xi como son el ingreso, la edad, tal que Ii = β0 + β1X1 +...+ β nXn, donde el mayor valor de li, significa una mayor probabilidad de ser
propietario de la vivienda. Para cada familia, existe un umbral crítico I*, donde si es superado la casa es comprada por alguien más, es decir, la cas ano es comprada, y la probabilidad de salida (P) se asume distribuida
normalmente, tal que P i=CDF(I) utilizando una función de distribución acumulada normal estándar (CDF). Por lo tanto, usa los coeficientes estimados exactamente igual a los de un modelo de regresión, utilizando el valor
Estimado Y, y aplicar la distribución normal estándar (usted puede usar la función Excel DISTR.NORM.ESTAND o la herramienta de Análisis de Distribución seleccionando la distribución Normal y ajustando la media en 0 y la
desviación estándar en 1). Finalmente, para obtener un Probit o unidad de probabilidad, defina li + 5 (esto es porque siempre la probabilidad Pi < 0.5, el estimado li es negativo, debido al hecho que la distribución normal es
simétrica alrededor de una media de cero).

El modelo Tobit (Tobit Censurado) es un método de modelación biométrica y econométrica usada para describir la relación entre una variable dependiente no-negativa Yi y una o más variables independientes Xi. Un modelo
Tobit es un modelo econométrico en el cual la variable dependiente es censurada; esto es, la variable dependiente es censurada porque los valores debajo de cero no son observados. El modelo Tobit asume que existe una
variable inobservable latente Y*. Esta variable es linealmente dependiente de las variables X i vía un vector de coeficientes βi, que determina sus interrelaciones. En adición, el término del error Ui está distribuido normalmente
para capturar la influencia aleatoria en esta relación. La variable observable Yi es definida como la igualdad de la variable latente siempre que las variables latentes sean superiores a cero y Yi es asumido como cero en otro
caso. Esto es, Yi = Y* si Y* > 0 y Yi = 0 si Y* = 0. Si el parámetro de relación βi es estimado utilizando una regresión de mínimos cuadrados ordinarios de los observados Yi en X i, los estimadores de la regresión calculada son
inconsistentes y el coeficiente de la pendiente se encuentra insesgada hacia abajo y el intercepto insesgado hacia arriba. Únicamente el MLE podría ser consistente para un modelo Tobit. En el modelo Tobit, se tiene un
complemento estadístico llamado Sigma, el cual e equivalente al error estándar de la estimación en una regresión de mínimos cuadrados ordinarios y los coeficientes estimados son usados en el mismo sentido que en el
análisis de regresión.

Resultados

Valor del Logaritmo de Verosimilit -202.28186 Aproximación Logit


H0 > 5% se acepta Prob Min Prob Max Calificación MIN PROBABLE MAX
Variable Coeficientes Error Estandar Estadistico - Z p-Value Ha <= 5% significativa 0.00000% 10.00000% A 50% 70% 90%
CONSTANTE -0.8833 0.2997 -2.9473 0.0032 significativo 10.00001% 25.00000% B
Años con el empleador actual -0.2296 0.0318 -7.2273 0.0000 significativo 25.00001% 40.00000% C
Años en la Dirección Actual -0.0734 0.0234 -3.1436 0.0017 significativo 40.00001% 60.00000% D
Razón de la Deuda/Ingresos ( %) 0.0831 0.0226 3.6724 0.0002 significativo 60.00001% 100.00000% E
Deuda de la Tarjeta de crédito (Miles 0.5723 0.1055 5.4266 0.0000 significativo

-0.8833 -0.2296 -0.0734 0.0831 0.5723 70% recuperacion del 70% de los creditos que podrian estar

Incumplimiento Años con el Años en la Dirección Razón de la Deuda de la Probabilidad de Perdida


de pago (Default) CONSTANTE empleador Actual Deuda/Ingr Tarjeta de crédito FACTOR Z Incumplimiento Calificación Scoring Severidad Exposición Perdida Esperada Esperada Total Exposición Total
actual esos ( %) (Miles $)

1 1 17 12 9.3 11.36 1.60698726304923 0.83299268726567 E 167.007313 30% 6 1.4993868370782 431.595350599 5423


0 1 10 6 17.3 1.36 -1.4031078163486 0.19732341103001 B 802.676589 30% 13 0.7695613030171 7.96% PERDIDA ESPERADA TOTAL DE LA CARTERA
0 1 15 14 5.5 0.86 -4.405609554394 0.01206140863758 A 987.938591 30% 1 0.0036184225913
0 1 15 14 2.9 2.66 -3.5916543234384 0.0268139155216 A 973.186084 30% 17 0.1367509691602
1 1 2 0 17.3 1.79 1.12020480303701 0.75402670333326 E 245.973297 30% 8 1.8096640879998
0 1 5 5 10.2 0.39 -1.3271571680329 0.20962999175534 B 790.370008 30% 6 0.3773339851596
0 1 20 9 30.6 3.83 -1.3999515113491 0.19782380597076 B 802.176194 30% 18 1.0682485522421
0 1 12 11 3.6 0.13 -4.0723029835771 0.01675267104917 A 983.247329 30% 8 0.040206410518
1 1 3 4 24.4 1.36 0.94109375887857 0.71932053865859 E 280.679461 30% 11 2.3737577775733
0 1 0 13 19.7 2.78 1.39087101712054 0.80073125966652 E 199.26874 30% 13 3.1228519126994
0 1 0 1 1.7 0.18 -0.7123731936706 0.32907466336313 C 670.925337 30% 5 0.4936119950447
0 1 4 0 5.2 0.25 -1.2262309001447 0.22684178710228 B 773.158213 30% 8 0.5444202890455
0 1 24 14 10 3.93 -4.3408162476813 0.01285839939371 A 987.141601 30% 7 0.0270026387268
0 1 6 9 16.3 1.72 -0.5821854292435 0.35842988160756 C 641.570118 30% 19 2.0430503251631
0 1 22 15 9.1 3.7 -4.1615313092249 0.01534455168725 A 984.655448 30% 12 0.0552403860741
1 1 9 6 8.6 0.82 -2.2058498703149 0.09922639744743 A 900.773603 30% 10 0.2976791923423
1 1 13 6 16.4 2.92 -1.2739127338941 0.2185881923649 B 781.411808 30% 16 1.0492233233515
0 1 23 19 7.6 1.18 -6.2516922504044 0.00192348316931 A 998.076517 30% 15 0.0086556742619
0 1 6 9 5.7 0.56 -2.1272849664913 0.10647301465233 B 893.526985 30% 13 0.4152447571441
0 1 0 21 1.7 0.1 -2.2267501233957 0.09737390636776 A 902.626094 30% 19 0.5550312662962
0 1 22 3 3.2 1.15 -5.2302058462374 0.00532392749884 A 994.676073 30% 1 0.0015971782497
0 1 17 21 5.6 0.59 -5.5249835660601 0.00397010960057 A 996.02989 30% 15 0.0178654932026
0 1 3 6 10 0.43 -0.9351598148617 0.28187907344346 C 718.120927 30% 6 0.5073823321982
0 1 8 6 9.8 0.4 -2.1168633765416 0.10746856227399 B 892.531438 30% 14 0.4513679615507
1 1 1 2 18 0.24 0.37408270084958 0.59244513329505 D 407.554867 30% 6 1.0664012399311
0 1 0 2 17.6 2.14 1.65774885110915 0.83993558159867 E 160.064418 30% 11 2.7717874192756
0 1 9 26 6.7 0.71 -3.8953552674418 0.01993083203632 A 980.069168 30% 9 0.0538132464981
0 1 25 21 16.7 0.95 -6.2327950031576 0.00196010539921 A 998.039895 30% 4 0.0023521264791
0 1 12 8 18.4 3.08 -0.9333515681695 0.28224524896218 C 717.754751 30% 10 0.8467357468865
0 1 2 1 14.2 0.2 -0.1208803821465 0.46981664894423 D 530.183351 30% 6 0.8456699680996
0 1 3 15 2.1 0.11 -2.4359389014113 0.08047290983823 A 919.52709 30% 5 0.1207093647573
0 1 1 10 10.5 1.14 -0.3218256347269 0.42023089122484 D 579.769109 30% 19 2.3953160799816
0 1 2 7 6 0.72 -0.9455929353427 0.27977198135353 C 720.228019 30% 10 0.8393159440606
0 1 8 4 14.4 1.02 -1.232758602923 0.22569897043157 B 774.30103 30% 11 0.7448066024242
0 1 8 1 2.9 0.08 -2.5064896920529 0.07540447891633 A 924.595521 30% 13 0.2940774677737
0 1 6 7 26 6.05 2.84909024202415 0.94527163718176 E 54.7283628 30% 6 1.7014889469272
0 1 10 4 16.1 1.41 -1.3273983810098 0.20959002912017 B 790.409971 30% 19 1.194663165985
0 1 12 1 14.4 3.2 -0.6832167936533 0.33554372615757 C 664.456274 30% 5 0.5033155892364
1 1 1 8 17.1 1.34 0.48819354943598 0.61968078651915 E 380.319213 30% 8 1.487233887646
0 1 23 5 4.2 0.56 -5.8611574676032 0.00283985761037 A 997.160142 30% 21 0.0178911029453
0 1 7 2 6.6 0.34 -1.8939378407738 0.1307961309708 B 869.203869 30% 2 0.0784776785825
0 1 17 3 8 1.81 -3.3055340943709 0.03538182448386 A 964.618176 30% 4 0.0424581893806
0 1 7 23 4.6 0.94 -3.2588650876004 0.03700963624047 A 962.990364 30% 11 0.1221317995935
0 1 19 5 13.1 1.93 -3.4188847612628 0.03171045379605 A 968.289546 30% 11 0.104644497527
1 1 0 0 7.5 0.3 -0.0880758828734 0.47799525234073 D 522.004748 30% 18 2.58117436264
0 1 0 1 6.8 0.15 -0.3055439450169 0.42420278231129 D 575.797218 30% 21 2.6724775285611
0 1 13 15 4.5 0.43 -4.3490950702691 0.01275373848486 A 987.246262 30% 4 0.0153044861818
0 1 4 2 10.4 0.12 -1.0151757782354 0.26596816504 C 734.031835 30% 10 0.79790449512
1 1 0 2 11.4 0.78 0.36399453413702 0.59000705304421 D 409.992947 30% 21 3.7170444341786
0 1 18 2 7.4 0.21 -4.4272221911667 0.01180657129019 A 988.193429 30% 2 0.0070839427741
1 1 2 11 12.6 0.57 -0.7764513695552 0.3150852006399 C 684.914799 30% 9 0.8507300417277
0 1 1 12 14 0.81 -0.3665598736761 0.40937253817004 D 590.627462 30% 5 0.6140588072551
1 1 16 18 12.9 3.03 -3.0718415088225 0.04428382440113 A 955.716176 30% 6 0.079710883922
0 1 3 18 3.7 0.31 -2.4087523553092 0.0825077158891 A 917.492284 30% 9 0.2227708329006
0 1 3 2 9.5 0.55 -0.6143353154161 0.35107088928294 C 648.929111 30% 5 0.5266063339244
1 1 1 3 15.1 1.8 0.95231904859035 0.72158131819298 E 278.418682 30% 13 2.8141671409526
0 1 9 1 5 0.4 -2.3783530774512 0.08483834671994 A 915.161653 30% 5 0.1272575200799
0 1 16 13 2.4 1.06 -4.7050287385763 0.00896849238574 A 991.031508 30% 7 0.0188338340101
0 1 18 6 2.5 1.49 -4.3957880914259 0.0121790031125 A 987.820997 30% 9 0.0328833084038
0 1 10 20 12.2 2.48 -2.2141636083904 0.09848578315769 A 901.514217 30% 1 0.0295457349473
0 1 9 10 2.4 0.05 -3.4556755520312 0.03060005227989 A 969.399948 30% 6 0.0550800941038
1 1 13 1 7.4 1.46 -2.4905299684613 0.07652473676251 A 923.475263 30% 12 0.275489052345
0 1 4 0 12.4 0.87 -0.2728298254853 0.43221250934189 D 567.787491 30% 10 1.2966375280257
0 1 4 9 7 2.16 -0.6443898505645 0.34425488294407 C 655.745117 30% 14 1.4458705083651
0 1 5 7 7.8 1.02 -1.3130061159673 0.21198424691651 B 788.015753 30% 17 1.0811196592742
1 1 11 6 23.3 7.76 2.52874827218856 0.92613276727865 E 73.8672327 30% 10 2.778398301836
1 1 2 3 6.4 0.19 -0.9219298121647 0.28456484500254 C 715.435155 30% 1 0.0853694535008
0 1 19 8 9.1 2.52 -3.6340736812916 0.02572892623631 A 974.271074 30% 3 0.0231560336127
1 1 8 3 8.2 1.49 -1.4058037388993 0.19689676066373 B 803.103239 30% 3 0.1772070845974
1 1 1 2 18.6 0.57 0.61281846570855 0.64858346381826 E 351.416536 30% 15 2.9186255871822
0 1 3 8 23.1 1.4 0.56218840772899 0.63695874424158 E 363.041256 30% 19 3.630664842177
0 1 5 9 23.8 3.1 1.06067396304174 0.74281931944784 E 257.180681 30% 6 1.3370747750061
0 1 26 21 12.8 4.58 -4.7092197002847 0.00893131942521 A 991.068681 30% 7 0.0187557707929
0 1 1 5 10.6 1.52 0.27110447017472 0.5673640306646 D 432.635969 30% 1 0.1702092091994
0 1 13 10 1.7 0.07 -4.4207517923398 0.01188230152608 A 988.117698 30% 10 0.0356469045783
0 1 13 25 23.8 3.74 -1.5845920328682 0.17014612098177 B 829.853879 30% 7 0.3573068540617
0 1 2 1 0.6 0.03 -1.3488293443982 0.2060618255655 B 793.938174 30% 20 1.236370953393
0 1 1 9 6.7 0.16 -1.125154012796 0.24505651905779 B 754.943481 30% 7 0.5146186900214
0 1 14 2 2.6 0.2 -3.9136756034109 0.01957609983355 A 980.4239 30% 8 0.0469826396005
0 1 15 10 3.2 0.69 -4.4003936451679 0.0121237194949 A 987.876281 30% 2 0.0072742316969
1 1 4 3 10.5 2.47 0.26457527130394 0.56576066036152 D 434.23934 30% 19 3.2248357640606
0 1 11 12 17 2.74 -1.3084569325642 0.2127451696962 B 787.25483 30% 1 0.0638235509089
0 1 7 3 19.6 2.7 0.46400098127287 0.61396288986532 E 386.03711 30% 15 2.7628330043939
0 1 4 16 11 1.84 -1.0089813977543 0.26717924016944 C 732.82076 30% 19 1.5229216689658
0 1 4 3 5.4 0.32 -1.3898327994914 0.19943445079894 B 800.565549 30% 8 0.4786426819174
0 1 10 15 18.8 2.01 -1.5672854795855 0.17260371247096 B 827.396288 30% 12 0.6213733648955
1 1 5 4 12.4 3.49 0.70325351591444 0.66890872338824 E 331.091277 30% 14 2.8094166382306
0 1 5 17 24.6 1.41 -0.4274140010485 0.39474401300988 C 605.255987 30% 1 0.118423203903
0 1 12 12 2.9 0.12 -4.2096513048492 0.01463420551954 A 985.365794 30% 12 0.0526831398703
1 1 0 1 27.7 2.04 2.51363202325664 0.92509196709294 E 74.9080329 30% 4 1.1101103605115
0 1 3 10 6.2 0.05 -1.7622664300741 0.14650671261685 B 853.493287 30% 15 0.6592802067758
1 1 1 6 11.4 0.37 -0.3939422304675 0.40276865028132 D 597.23135 30% 15 1.8124589262659
0 1 5 5 10.6 1.5 -0.658667353063 0.34103903570226 C 658.960964 30% 3 0.306935132132
1 1 0 6 5.8 0.3 -0.669986737255 0.33849981055389 C 661.500189 30% 11 1.1170493748278
1 1 2 0 26.3 1.96 1.96572440902372 0.87715113065753 E 122.848869 30% 16 4.2103254271561
0 1 17 6 4.4 0.73 -4.4431823395921 0.01162180498144 A 988.378195 30% 10 0.0348654149443
0 1 13 0 3.3 1.32 -2.8380809462753 0.05530070850757 A 944.699291 30% 13 0.2156727631795
0 1 14 8 7.3 0.93 -3.5457436114262 0.02803833696245 A 971.961663 30% 10 0.0841150108873
0 1 4 9 6.3 0.68 -1.5495657399543 0.1751489976557 B 824.851002 30% 15 0.7881704894506
1 1 4 6 9.3 1.33 -0.7078816459289 0.33006708785211 C 669.932912 30% 20 1.9804025271127
0 1 22 9 2.6 0.99 -5.8122316205206 0.00298183049931 A 997.01817 30% 10 0.0089454914979
0 1 6 9 8.3 0.03 -2.2144396909698 0.09846127351474 A 901.538726 30% 17 0.5021524949252
0 1 8 7 5.8 0.78 -2.305372485812 0.0906789903982 A 909.32101 30% 16 0.4352591539114
0 1 21 11 3.1 1.37 -5.4704732297241 0.00419159631541 A 995.808404 30% 5 0.0062873944731
0 1 22 17 23.6 9.88 0.43380738472286 0.60678246931035 E 393.217531 30% 15 2.7305211118966
0 1 8 17 3.6 0.53 -3.3656415584564 0.03338667880838 A 966.613321 30% 3 0.0300480109275
1 1 9 18 11.2 2.02 -2.1841100435607 0.10118651527186 B 898.813485 30% 16 0.4856952733049
0 1 4 7 13.5 1.3 -0.4493052432294 0.38952596338959 C 610.474037 30% 9 1.0517201011519
0 1 12 13 7.9 1.72 -2.9517427515968 0.04965420885766 A 950.345791 30% 4 0.0595850506292
0 1 9 13 10.1 1.12 -2.4234674636651 0.08140060082774 A 918.599399 30% 15 0.3663027037248
0 1 2 5 4.9 0.46 -1.03897781599 0.26134727315832 C 738.652727 30% 13 1.0192543653175
0 1 6 0 8.9 0.27 -1.3663420745189 0.20321148224185 B 796.788518 30% 7 0.4267441127079
0 1 0 2 7.7 0.83 0.08500250596179 0.52123784032645 D 478.76216 30% 21 3.2837983940567
0 1 12 11 21.4 2.41 -1.2876604399862 0.21624906887096 B 783.750931 30% 4 0.2594988826452
0 1 16 25 8.6 1.87 -4.6071870788498 0.00988123810905 A 990.118762 30% 3 0.0088931142981
0 1 4 6 5.2 0.55 -1.4951240073311 0.18315388723424 B 816.846113 30% 11 0.604407827873
0 1 9 9 6.2 2.11 -1.8874211794593 0.13153878461991 B 868.461215 30% 17 0.6708478015616
0 1 15 16 3.4 1.03 -4.6297680345037 0.00966274253952 A 990.337257 30% 13 0.0376846959041
1 1 0 4 12.8 1.09 0.51093465292655 0.62502555336122 E 374.974447 30% 16 3.0001226561339
1 1 1 0 6.7 0.47 -0.286878615857 0.42876820473414 D 571.231795 30% 16 2.0580873827239
0 1 12 19 9.5 1.34 -3.4767699793462 0.02998047163728 A 970.019528 30% 13 0.1169238393854
1 1 3 0 8.4 0.28 -0.7134430346971 0.32883850222331 C 671.161498 30% 2 0.197303101334
1 1 6 3 35.3 1.98 1.58678615643655 0.83016345722944 E 169.836543 30% 18 4.482882669039
1 1 2 4 12.7 1.09 0.04345789828343 0.51086276501653 D 489.137235 30% 13 1.9923647835645
0 1 5 9 2.8 0.14 -2.3791594206932 0.08477576253847 A 915.224237 30% 21 0.5340873039923
0 1 7 11 4.4 0.69 -2.5374068843648 0.07327707079411 A 926.722929 30% 1 0.0219831212382
1 1 7 2 13 1.02 -0.9727091875759 0.27434083312916 C 725.659167 30% 10 0.8230224993875
0 1 9 3 1.4 0.13 -2.9790216823117 0.04838265230298 A 951.617348 30% 16 0.2322367310543
0 1 5 1 9 0.37 -1.1446481810644 0.24146797183479 B 758.532028 30% 15 1.0866058732566
0 1 19 2 5.8 1.51 -4.0458536118082 0.01719396025634 A 982.80604 30% 7 0.0361073165383
0 1 1 7 2.9 0.31 -1.2083719142269 0.22998924873589 B 770.010751 30% 17 1.172945168553
0 1 5 10 12.9 0.98 -1.1321888390456 0.24375738465115 B 756.242615 30% 14 1.0237810155349
0 1 18 19 17.4 0.55 -4.6495825993854 0.0094749601621 A 990.52504 30% 1 0.0028424880486
0 1 17 20 13.7 2.45 -3.7136976548705 0.02380660498476 A 976.193395 30% 6 0.0428518889726
0 1 7 2 6.3 0.52 -1.8158677903415 0.13993044449677 B 860.069556 30% 13 0.5457287335374
0 1 6 7 2.2 0.45 -2.3343556274239 0.08831733011651 A 911.68267 30% 4 0.1059807961398
0 1 1 0 12.4 0.29 0.08399014323915 0.52098520085754 D 479.014799 30% 12 1.8755467230871
0 1 13 2 5.9 0.96 -2.9748068360469 0.04857708109752 A 951.422919 30% 10 0.1457312432926
0 1 8 10 6.7 0.47 -2.628246481633 0.06734250115228 A 932.657499 30% 9 0.1818247531112
1 1 4 3 6.6 1.16 -0.8093501743673 0.30802898688558 C 691.971013 30% 20 1.8481739213135
1 1 0 2 16 1.01 0.87804917897663 0.70641780000329 E 293.5822 30% 10 2.1192534000099
1 1 9 6 17.8 2.85 -0.2792549151483 0.4306364529962 D 569.363547 30% 18 2.3254368461795
0 1 16 22 4.4 1.28 -5.0737200547717 0.0062201600527 A 993.77984 30% 9 0.0167944321423
0 1 11 8 9.1 0.14 -3.1594569841661 0.04072025963195 A 959.27974 30% 7 0.0855125452271
0 1 16 17 5.4 0.45 -5.0984302896237 0.00606926331744 A 993.930737 30% 4 0.0072831159809
0 1 5 3 3.4 0.36 -1.762796614608 0.14644042944364 B 853.559571 30% 19 0.8347104478287
0 1 1 3 12.4 0.38 -0.0847934421561 0.47881433155906 D 521.185668 30% 11 1.5800872941449
0 1 2 8 10 1.77 -0.0855773235219 0.47861871630769 D 521.381284 30% 17 2.4409554531692
0 1 11 1 8.4 0.68 -2.3946114923236 0.08358452113511 A 916.415479 30% 1 0.0250753563405
0 1 8 4 8 1.72 -1.3642355246734 0.20355278083303 B 796.447219 30% 11 0.671724176749
0 1 15 14 18.1 1.55 -2.9632097997704 0.0491158800265 A 950.88412 30% 12 0.1768171680954
1 1 13 23 6.1 2.15 -3.8191856070119 0.0214743960907 A 978.525604 30% 17 0.1095194200626
0 1 4 10 16.3 1.33 -0.4196427740045 0.39660223433765 C 603.397766 30% 3 0.3569420109039
0 1 8 6 7.2 0.61 -2.2128394883407 0.09860340944142 A 901.396591 30% 8 0.2366481826594
0 1 3 5 13.2 1.63 0.09104834526631 0.52274637491007 D 477.253625 30% 11 1.7250630372032
0 1 13 3 19.2 2.8 -0.8895145779777 0.29121001165565 C 708.789988 30% 2 0.1747260069934
0 1 12 11 11.3 2.1 -2.3047502850817 0.09073030784305 A 909.269692 30% 10 0.2721909235292
1 1 9 2 14.8 1.56 -0.9731927044997 0.27424458607922 C 725.755414 30% 15 1.2341006373565
1 1 9 4 13.8 1.35 -1.3233685544518 0.21025839973498 B 789.7416 30% 13 0.8200077589664
0 1 9 5 4.5 0.31 -2.7651458775751 0.05923694560427 A 940.763054 30% 3 0.0533132510438
0 1 4 0 8.9 1.42 -0.2490525586608 0.43805671043988 D 561.94329 30% 15 1.9712551969794
0 1 5 9 8.7 0.77 -1.5281133689534 0.17826989013686 B 821.73011 30% 4 0.2139238681642
1 1 2 1 6.8 0.28 -0.6903101157643 0.33396409000333 C 666.03591 30% 17 1.703216859017
0 1 8 6 4.1 0.33 -2.6308031014796 0.0671821037896 A 932.817896 30% 2 0.0403092622738
1 1 1 8 12.5 0.59 -0.3234487043549 0.41983550286764 D 580.164497 30% 20 2.5190130172058
1 1 13 11 18.9 6.23 0.46104034013765 0.61326094470165 E 386.739055 30% 18 3.3116091013889
1 1 4 2 15.6 1.64 0.2870071402962 0.57126327395846 D 428.736726 30% 17 2.9134426971881
0 1 4 9 6.5 1.18 -1.2467964449546 0.22325518213453 B 776.744818 30% 15 1.0046483196054
0 1 14 3 1.7 0.35 -3.9760858698599 0.01841350323789 A 981.586497 30% 2 0.0110481019427
0 1 16 9 4 1.73 -3.8948607994618 0.0199404930662 A 980.059507 30% 10 0.0598214791986
0 1 7 9 9.7 0.55 -2.0300420753001 0.11608460469608 B 883.915395 30% 8 0.2786030512706
0 1 4 10 11.3 0.29 -1.4305020748038 0.19302046721747 B 806.979533 30% 15 0.8685921024786
1 1 1 0 4.8 0.31 -0.5364039854966 0.3690245026852 C 630.975497 30% 8 0.8856588064445
0 1 14 7 8.8 3.75 -1.7337681808273 0.15010622246486 B 849.893778 30% 11 0.495350534134
0 1 6 14 7.5 0.57 -2.3390644131787 0.08793892527439 A 912.061075 30% 9 0.2374350982408
0 1 6 0 10.3 0.72 -0.9924227927923 0.27043379640586 C 729.566204 30% 5 0.4056506946088
0 1 1 1 17.3 0.16 0.3435339312074 0.58504870085559 D 414.951299 30% 18 3.1592629846202
0 1 7 2 7 0.36 -1.8492374368748 0.1359624555169 B 864.037544 30% 19 0.7749859964463
0 1 13 5 8.9 0.6 -3.1517077102196 0.04102404236967 A 958.975958 30% 12 0.1476865525308
1 1 2 14 22.9 2.12 0.74660869633379 0.67843930249892 E 321.560698 30% 19 3.8671040242438
0 1 12 10 5 0.56 -3.6363996680851 0.02567068511978 A 974.329315 30% 3 0.0231036166078
0 1 8 19 5.6 0.88 -3.1459279951845 0.0412520266961 A 958.747973 30% 18 0.222760944159
0 1 16 21 3 0.91 -5.3284269163961 0.00482827083311 A 995.171729 30% 2 0.0028969624999
0 1 10 6 6.5 0.85 -2.5928502057231 0.06959998887112 A 930.400011 30% 20 0.4175999332267
0 1 0 7 24.2 1.42 1.42725890374419 0.80647386189547 E 193.526138 30% 6 1.4516529514119
0 1 13 9 8 0.97 -3.3085046598261 0.03528057904174 A 964.719421 30% 13 0.1375942582628
1 1 14 21 15 2.79 -2.7957283813273 0.05755544308014 A 942.444557 30% 15 0.2589994938606
0 1 11 8 16.9 4.64 0.06428757030776 0.51606635958104 D 483.93364 30% 13 2.0126588023661
0 1 1 4 9.3 0.43 -0.3873330914165 0.40435946916485 D 595.640531 30% 17 2.0622332927408
0 1 19 2 15.6 4.4 -1.5772124441977 0.17119063026165 B 828.80937 30% 20 1.0271437815699
1 1 4 3 13.2 1.09 -0.3007070553793 0.42538464672849 D 574.615353 30% 18 2.2970770923339
0 1 1 8 11 0.75 -0.3565885110851 0.41178564133528 D 588.214359 30% 6 0.7412141544035
1 1 10 0 11.2 0.82 -1.7786974175045 0.14446405117192 B 855.535949 30% 16 0.6934274456252
1 1 1 6 2.5 0.28 -1.1853654457268 0.23408884658894 B 765.911153 30% 5 0.3511332698834
0 1 13 2 7.2 0.18 -3.3131103879206 0.03512415420985 A 964.875846 30% 7 0.0737607238407
0 1 4 0 4.2 0.5 -1.1662967508821 0.23752501613371 B 762.474984 30% 2 0.1425150096802
1 1 1 0 5.9 0.24 -0.485013357695 0.38106899471008 C 618.931005 30% 1 0.114320698413
0 1 9 10 4.3 0.38 -3.1088619256191 0.04274318567901 A 957.256814 30% 17 0.217990246963
0 1 8 27 6.9 0.4 -3.8999840763101 0.01984061539916 A 980.159385 30% 10 0.0595218461975
1 1 6 6 23.1 3.34 1.13053391525021 0.75593741780331 E 244.062582 30% 8 1.814249802728
0 1 3 7 4.1 0.26 -1.5963850004852 0.16848746750298 B 831.512532 30% 17 0.8592860842652
1 1 8 10 6.1 0.28 -2.7868625056204 0.05803824382746 A 941.961756 30% 13 0.2263491509271
0 1 3 23 9.8 0.97 -1.8910589795163 0.13112377241724 B 868.876228 30% 11 0.4327084489769
0 1 0 17 9.7 0.33 -1.1363114580551 0.24299822525284 B 757.001775 30% 9 0.6560952081827
0 1 7 1 5.5 0.57 -1.7803333394038 0.14426197830788 B 855.738022 30% 1 0.0432785934924
0 1 17 11 6 2.56 -3.630032518266 0.0258304202481 A 974.16958 30% 8 0.0619930085954
0 1 7 6 6 0.54 -2.123082002179 0.10687353187406 B 893.126468 30% 5 0.1603102978111
0 1 6 6 1 0.14 -2.5380980939303 0.0732301462942 A 926.769854 30% 13 0.2855975705474
0 1 14 11 7.2 1.78 -3.2879051423199 0.03598845277206 A 964.011547 30% 11 0.1187618941478
0 1 6 0 1.9 0.09 -2.0513108859806 0.11391999054558 B 886.080009 30% 5 0.1708799858184
0 1 16 6 12.1 1.61 -3.0698375156748 0.04436871643621 A 955.631284 30% 3 0.0399318447926
1 1 5 3 9 1.97 -0.3758534217416 0.4071273893319 D 592.872611 30% 7 0.854967517597
0 1 1 10 4.5 0.28 -1.3128106566993 0.21201689962447 B 787.9831 30% 16 1.0176811181975
1 1 5 3 5.4 0.58 -1.4706205315084 0.18684831455791 B 813.151685 30% 2 0.1121089887347
0 1 16 3 10.4 3.95 -1.6517367304808 0.16087436361954 B 839.125636 30% 12 0.5791477090303
0 1 12 8 6.7 1.3 -2.9247175989425 0.05094512253277 A 949.054877 30% 4 0.0611341470393
0 1 14 25 10.2 1.35 -4.3125927082889 0.01322161215111 A 986.778388 30% 12 0.047597803744
0 1 21 22 12.2 3.24 -4.4514841957149 0.01152682934901 A 988.473171 30% 8 0.0276643904376
1 1 7 8 4 0.45 -2.4877206051064 0.07672350716823 A 923.276493 30% 6 0.1381023129028
1 1 0 6 8 1.62 0.26832895886499 0.56668262089949 D 433.317379 30% 11 1.8700526489683
0 1 11 6 2.4 0.11 -3.5867827490832 0.02694133237514 A 973.058668 30% 9 0.0727415974129
0 1 0 27 10.8 0.85 -1.4815704611944 0.18519032758641 B 814.809672 30% 14 0.7777993758629
0 1 17 26 12 3.38 -3.7633845163201 0.02267880611297 A 977.321194 30% 20 0.1360728366778
1 1 5 6 19.9 3.18 1.00251222055003 0.73155222436286 E 268.447776 30% 11 2.4141223403974
1 1 9 5 20.4 4.04 0.69134831639838 0.66626679929852 E 333.733201 30% 2 0.3997600795791
0 1 5 2 7.9 0.3 -1.3495882607702 0.2059376942782 B 794.062306 30% 11 0.679594391118
0 1 10 8 18.1 3.7 -0.1443135448701 0.4639840988913 D 536.015901 30% 19 2.6447093636804
0 1 5 6 1.9 0.88 -1.8102033636242 0.14061354919724 B 859.386451 30% 14 0.5905769066284
0 1 0 3 5.6 0.21 -0.5178305151756 0.37335967157354 C 626.640328 30% 11 1.2320869161927
0 1 7 3 14.4 0.85 -1.0270356121701 0.26365921606553 C 736.340784 30% 3 0.237293294459
0 1 9 10 15.3 1.61 -1.4904477913039 0.18385452590881 B 816.145474 30% 15 0.8273453665897
1 1 3 11 8 0.56 -1.3941851009465 0.19874046975064 B 801.25953 30% 11 0.6558435501771
0 1 8 16 0.6 0.03 -3.8277642288455 0.02129486947026 A 978.705131 30% 11 0.0702730692519
0 1 5 1 2.8 0.1 -1.8146130869657 0.14008151617306 B 859.918484 30% 1 0.0420244548519
0 1 11 9 0.9 0.07 -3.9546684615853 0.01880463029458 A 981.19537 30% 14 0.0789794472372
0 1 7 0 6.5 0.53 -1.6466581663263 0.16156111961134 B 838.43888 30% 11 0.5331516947174
0 1 4 3 9.5 0.23 -1.1004773992192 0.24965045485809 B 750.349545 30% 13 0.9736367739465
1 1 2 11 9.1 0.12 -1.3249579660985 0.20999459978121 B 790.0054 30% 16 1.0079740789498
0 1 11 4 3.5 0.63 -3.0508852198291 0.04517927139921 A 954.820729 30% 6 0.0813226885186
1 1 6 19 19.9 2.54 -0.5479172319241 0.36634776196307 C 633.652238 30% 21 2.3079909003673
0 1 4 4 18.3 0.49 -0.293509319878 0.42714494535356 D 572.855055 30% 21 2.6910131557274
0 1 10 11 9.5 2.06 -2.018124836474 0.11731302603732 B 882.686974 30% 2 0.0703878156224
0 1 7 10 4.3 0.43 -2.6210846594655 0.06779371342204 A 932.206287 30% 6 0.1220286841597
0 1 21 20 14.4 9.6 -0.4819984061559 0.38178034188929 C 618.219658 30% 14 1.603477435935
0 1 3 4 13.3 1.6 0.155623222056 0.53882747491043 D 461.172525 30% 19 3.0713166069895
0 1 12 4 23.7 2.06 -0.7827371368029 0.31373027044275 C 686.26973 30% 15 1.4117862169924
0 1 15 16 1.8 0.14 -5.272119579428 0.00510650954506 A 994.89349 30% 9 0.0137875757717
0 1 5 3 14.1 1.18 -0.4039599092474 0.40036130204152 D 599.638698 30% 1 0.1201083906125
0 1 15 11 18.5 1.21 -2.9042424535854 0.05194424147489 A 948.055759 30% 5 0.0779163622123
0 1 10 16 13.3 4.87 -0.461235832573 0.38669269100133 C 613.307309 30% 19 2.2041483387076
0 1 22 17 11.1 3.32 -4.3595849662115 0.01262233220299 A 987.377668 30% 17 0.0643738942353
1 1 13 3 21.3 2.71 -0.7664328108641 0.3172512655867 C 682.748734 30% 8 0.7614030374081
0 1 13 3 1.9 1.42 -3.117533236248 0.04238979197513 A 957.610208 30% 7 0.0890185631478
0 1 1 1 7.9 0.37 -0.3177725333313 0.4212186942574 D 578.781306 30% 4 0.5054624331089
0 1 5 13 9 0.45 -1.9800220043884 0.12131649223078 B 878.683508 30% 1 0.0363949476692
0 1 19 1 7.8 2.25 -3.3826602087245 0.03284179294282 A 967.158207 30% 6 0.0591152272971
0 1 18 19 4.5 0.61 -5.687710501457 0.003375904074 A 996.624096 30% 3 0.0030383136666
0 1 2 14 13.2 1.14 -0.6206566105863 0.3496321303332 C 650.36787 30% 20 2.0977927819992
0 1 16 25 4.4 2.6 -4.5385944882247 0.01057538456142 A 989.424615 30% 10 0.0317261536843
0 1 10 2 9.5 0.57 -2.2099603935969 0.09885960151322 A 901.140398 30% 9 0.2669209240857
0 1 15 1 24.5 2.21 -1.0988405804137 0.24995719774075 B 750.042802 30% 20 1.4997431864445
0 1 8 6 5.4 2.16 -1.4754457699635 0.18611629454794 B 813.883705 30% 4 0.2233395534575
0 1 8 7 11.9 0.4 -2.0157057727577 0.11756375371743 B 882.436246 30% 17 0.5995751439589
1 1 9 11 19.2 0.8 -1.7031938470051 0.1540485904998 B 845.95141 30% 4 0.1848583085998
0 1 9 6 5 0.23 -2.8427898893876 0.05505521588878 A 944.944784 30% 16 0.2642650362662
0 1 7 0 6.4 0.63 -1.5977434616475 0.16829723355432 B 831.702766 30% 14 0.7068483809281
0 1 0 1 7.2 0.19 -0.2493978638505 0.43797171088743 D 562.028289 30% 19 2.4964387520584
1 1 9 7 14.6 3.11 -0.4699286347594 0.38463313494324 C 615.366865 30% 1 0.115389940483
0 1 2 9 15.2 0.87 -0.241751065373 0.43985487342482 D 560.145127 30% 14 1.8473904683842
0 1 19 16 3.7 0.92 -5.5861043604708 0.00373559953658 A 996.2644 30% 4 0.0044827194439
0 1 22 23 7.6 4.14 -4.6218693224744 0.00973862175682 A 990.261378 30% 14 0.0409022113786
0 1 4 1 1.2 0.08 -1.7294961342674 0.1506520410432 B 849.347959 30% 20 0.9039122462592
0 1 6 4 10.4 0.93 -1.1576483439583 0.23909485588987 B 760.905144 30% 17 1.2193837650383
0 1 16 10 21 0.69 -3.150139846548 0.04108576821062 A 958.914232 30% 13 0.1602344960214
0 1 6 7 7.2 0.77 -1.7355407082494 0.14988023365757 B 850.119766 30% 3 0.1348922102918
1 1 1 0 10.3 0.38 -0.0390916238744 0.49022833838422 D 509.771662 30% 2 0.2941370030305
1 1 2 6 13.6 1.58 0.25184070418948 0.56262950894905 D 437.370491 30% 21 3.544565906379
0 1 14 0 2.4 0.27 -3.7433836742255 0.02312637225082 A 976.873628 30% 21 0.1456961451802
1 1 0 11 3.7 0.45 -1.1258800277304 0.24492222838258 B 755.077772 30% 10 0.7347666851477
0 1 13 1 8.9 1.9 -2.1140198437104 0.10774161589171 B 892.258384 30% 1 0.0323224847675
1 1 11 6 4.8 0.35 -3.2499062620845 0.03733025583012 A 962.669744 30% 10 0.1119907674904
1 1 15 2 24.7 4.37 0.08049021674376 0.52011169726235 D 479.888303 30% 16 2.4965361468593
0 1 8 3 12.6 0.13 -1.8183078001303 0.13963704744196 B 860.362953 30% 18 0.7540400561866
0 1 1 7 10.4 0.57 -0.4360519854061 0.39268210312682 C 607.317897 30% 3 0.3534138928141
0 1 9 0 13.9 1.07 -1.1815755104057 0.23476903353103 B 765.230966 30% 19 1.3381834911269
0 1 9 16 7.6 0.65 -3.1205720539946 0.04226660895016 A 957.733391 30% 6 0.0760798961103
0 1 11 7 6 0.93 -2.8916471524688 0.05256802213849 A 947.431978 30% 15 0.2365560996232
1 1 2 16 22.7 1.21 0.0623435952877 0.51558085260949 D 484.419147 30% 21 3.2481593714398
0 1 16 15 3.4 0.18 -5.2723611438261 0.00510528244 A 994.894718 30% 10 0.01531584732
0 1 11 5 6.1 0.71 -2.8623764986862 0.05404507503268 A 945.954925 30% 16 0.2594163601569
0 1 3 4 4.4 0.26 -1.351154822413 0.20568163659753 B 794.318363 30% 6 0.3702269458756
0 1 9 8 5.5 0.5 -2.7935642600542 0.05767294356924 A 942.327056 30% 13 0.22492447992
0 1 19 25 2.8 1.07 -6.2359523151821 0.00195393856756 A 998.046061 30% 14 0.0082065419838
0 1 4 2 2.6 0.1 -1.6750886248217 0.15774691171775 B 842.253088 30% 3 0.141972220546
1 1 10 12 9.8 3.24 -1.3913185437591 0.19919734227585 B 800.802658 30% 3 0.1792776080483
0 1 10 14 5.4 0.93 -3.2259556831533 0.0382005632427 A 961.799437 30% 4 0.0458406758912
0 1 3 1 9 0.47 -0.6282567217424 0.34790592586592 C 652.094074 30% 5 0.5218588887989
0 1 0 10 17.1 2.05 0.97723720685411 0.726559673956 E 273.440326 30% 19 4.1413901415492
1 1 4 5 5 0.55 -1.4383216596142 0.19180538374083 B 808.194616 30% 10 0.5754161512225
0 1 20 2 1.9 0.54 -5.154784080427 0.00573860451536 A 994.261395 30% 12 0.0206589762553
1 1 29 18 25.3 20.56 5.00663116719437 0.99335108955182 E 6.64891045 30% 1 0.2980053268655
0 1 6 24 9.6 0.62 -2.8701600155215 0.05364852738081 A 946.351473 30% 11 0.1770401403567
0 1 22 19 5.5 1.51 -6.0078443538171 0.00245335030162 A 997.54665 30% 4 0.0029440203619
0 1 6 2 5.2 0.11 -1.9123731360669 0.12871447733101 B 871.285523 30% 5 0.1930717159965
0 1 5 1 6.3 2.21 -0.316115277232 0.42162277519662 D 578.377225 30% 15 1.8973024883848
0 1 9 4 1.2 0.07 -3.1034157884624 0.04296657670228 A 957.033423 30% 11 0.1417897031175
0 1 11 12 14.7 0.45 -2.8102016578088 0.05677538067727 A 943.224619 30% 20 0.3406522840636
0 1 16 20 19.4 1.56 -3.5195689022729 0.02876053549158 A 971.239465 30% 4 0.0345126425899
0 1 10 1 7.1 1.31 -1.9125689834624 0.12869251521832 B 871.307485 30% 9 0.3474697910895
0 1 4 19 10.1 1.06 -1.7504750792009 0.14798728667882 B 852.012713 30% 9 0.3995656740328
1 1 19 15 27.1 9.59 1.3944279539173 0.80129819998168 E 198.7018 30% 17 4.0866208199066
0 1 18 8 12.1 4.59 -1.9704540978897 0.122340120601 B 877.659879 30% 13 0.4771264703439
1 1 2 0 14.4 0.59 0.19236739891559 0.54794409237618 D 452.055908 30% 7 1.15068259399
0 1 6 9 11.6 1.02 -1.3735271715239 0.20205057651131 B 797.949423 30% 15 0.9092275943009
0 1 1 6 11.1 1.07 -0.0182845710839 0.49542898457892 D 504.571015 30% 5 0.7431434768684
0 1 4 15 17.3 0.52 -1.167204441917 0.23736066620683 B 762.639334 30% 6 0.4272491991723
0 1 16 4 20 4.16 -0.8068733910446 0.30855715700211 C 691.442843 30% 18 1.6662086478114
0 1 0 2 6.7 0.47 -0.20415650143 0.44913741423673 D 550.862586 30% 3 0.4042236728131
0 1 4 15 7 0.4 -2.0921877162884 0.10985845584646 B 890.141544 30% 11 0.3625329042933
1 1 4 1 3.1 0.28 -1.4570794100931 0.18891442830781 B 811.085572 30% 12 0.6800919419081
0 1 8 4 5 0.38 -2.3805063513243 0.08467131419466 A 915.328686 30% 21 0.5334292794263
1 1 3 4 11 0.29 -0.7852833170883 0.31318232886374 C 686.817671 30% 13 1.2214110825686
0 1 16 22 1.6 0.43 -5.7929444250565 0.00303972332953 A 996.960277 30% 17 0.0155025889806
1 1 0 8 8.1 0.9 -0.2822611631674 0.42989950918299 D 570.100491 30% 6 0.7738191165294
1 1 5 12 16.4 1.58 -0.6446990850628 0.34418507864139 C 655.814921 30% 20 2.0651104718483
1 1 25 12 26.5 14.6 3.05448793358489 0.95497588843348 E 45.0241116 30% 20 5.7298553306009
0 1 12 6 17.4 2.77 -1.0470369603273 0.25979449156563 C 740.205508 30% 1 0.0779383474697
0 1 2 4 3.7 0.85 -0.842121578139 0.30108814334991 C 698.911857 30% 16 1.4452230880796
0 1 1 8 8 0.16 -0.9436464402101 0.28016436746405 C 719.835633 30% 2 0.1680986204784
0 1 8 6 12 0.76 -1.7279401892546 0.15085124178742 B 849.148758 30% 21 0.9503628232607
0 1 1 1 1.1 0.03 -1.077679399616 0.2539454198886 C 746.05458 30% 3 0.2285508778997
1 1 3 3 2.4 0.26 -1.443998744539 0.1909268837228 B 809.073116 30% 4 0.2291122604674
1 1 2 4 2.5 0.46 -1.1650764647477 0.23774608913274 B 762.253911 30% 18 1.2838288813168
0 1 0 5 10.4 0.64 -0.0195511564122 0.49511236658653 D 504.887633 30% 15 2.2280056496394
0 1 16 9 14.3 5 -1.1671833554819 0.23736448330668 B 762.635517 30% 4 0.284837379968
0 1 11 2 3.3 0.09 -3.229686447298 0.03806372610246 A 961.936274 30% 9 0.1027720604766
0 1 7 16 15.4 2.65 -0.868374084955 0.29559273369142 C 704.407266 30% 9 0.7981003809668
0 1 20 12 8.2 0.77 -5.2336939577303 0.0053054877501 A 994.694512 30% 20 0.0318329265006
1 1 6 8 19.8 5.57 1.98551601378285 0.87926794519633 E 120.732055 30% 2 0.5275607671178
1 1 4 2 14.2 0.44 -0.5161250389562 0.37375877469069 C 626.241225 30% 15 1.6819144861081
0 1 6 19 12.2 1.99 -1.5028268444374 0.18200428842565 B 817.995712 30% 17 0.9282218709708
0 1 4 8 6.5 0.35 -1.648362340517 0.16133040678941 B 838.669593 30% 9 0.4355920983314
0 1 15 19 4.9 0.42 -5.0744450993874 0.00621567981559 A 993.78432 30% 13 0.0242411512808
1 1 5 3 16 8.17 3.75426424719395 0.97711816544791 E 22.8818346 30% 12 3.5176253956125
0 1 18 4 13.4 4.52 -1.6087172626411 0.16676678096047 B 833.233219 30% 11 0.5503303771696
1 1 0 8 16.6 0.62 0.26416229601412 0.56565919968204 D 434.3408 30% 19 3.2242574381876
0 1 3 0 4.3 0.36 -1.0085212736031 0.26726933959514 C 732.73066 30% 8 0.6414464150283
0 1 10 13 11.3 1.17 -2.524670627094 0.07414667312154 A 925.853327 30% 7 0.1557080135552
0 1 3 8 2.6 0.15 -1.8574711613575 0.13499808106382 B 865.001919 30% 17 0.6884902134255
0 1 2 1 3.8 0.28 -0.9397205655024 0.28095679050561 C 719.043209 30% 7 0.5900092600618
0 1 8 21 0.7 0.09 -4.1522620705494 0.01548523249351 A 984.514768 30% 3 0.0139367092442
0 1 1 3 18.6 0.81 0.67673688188403 0.6630100145624 E 336.989985 30% 17 3.3813510742683
0 1 10 8 1.2 0.04 -3.6438846849872 0.02548413530522 A 974.515865 30% 1 0.0076452405916
0 1 6 13 8.5 1.19 -1.8276818902785 0.1385146576507 B 861.485342 30% 16 0.6648703567233
1 1 18 6 15.7 6.57 -0.3911800866703 0.40343325116898 D 596.566749 30% 13 1.573389679559
1 1 7 6 14.5 0.37 -1.513707318027 0.18039001857246 B 819.609981 30% 19 1.028223105863
1 1 2 15 23.1 1.92 0.57534957594333 0.63999664330472 E 360.003357 30% 6 1.1519939579485
1 1 0 2 16.1 0.32 0.49148699491082 0.62045666772804 E 379.543332 30% 20 3.7227400063682
0 1 9 10 23 2.69 -0.2322277312057 0.44220258389547 D 557.797416 30% 20 2.6532155033728
0 1 0 1 7.7 1.53 0.559030921352 0.636228284545 E 363.771715 30% 15 2.8630272804525
0 1 13 7 2.3 0.07 -4.1505805692938 0.01551088861644 A 984.489111 30% 16 0.0744522653589
0 1 14 3 0.8 0.47 -3.9822349411772 0.01830269067905 A 981.697309 30% 18 0.0988345296668
0 1 6 7 18.1 1.11 -0.6347728939894 0.34642908773575 C 653.570912 30% 18 1.870717073773
0 1 2 22 6.7 0.11 -2.3379359858832 0.08802947363611 A 911.970526 30% 14 0.3697237892716
1 1 0 18 12.9 1.58 -0.2283485268243 0.44315963972774 D 556.84036 30% 11 1.4624268111015
0 1 3 13 1.9 0.43 -2.122576006384 0.10692183958056 B 893.07816 30% 10 0.3207655187417
0 1 5 12 8.1 0.73 -1.821175946534 0.13929282852515 B 860.707171 30% 8 0.3343027884603
0 1 18 9 2.1 0.37 -5.2902898781279 0.0050150217664 A 994.984978 30% 13 0.019558584889
0 1 18 9 11.2 5.25 -1.7409995940212 0.14918601201817 B 850.813988 30% 19 0.8503602685036
0 1 22 4 2.3 0.83 -5.5615895284693 0.00382795397844 A 996.172046 30% 3 0.0034451585806
0 1 13 11 9.6 1.88 -2.8015668597001 0.05723956445932 A 942.760436 30% 11 0.1888905627158
0 1 7 4 9.1 0.64 -1.6612700623807 0.15959157984532 B 840.40842 30% 21 1.0054269530255
0 1 8 11 3.3 0.68 -2.8641617577283 0.05395387771414 A 946.046122 30% 2 0.0323723266285
1 1 14 8 41.3 15.02 7.34438778712344 0.99935420845195 E 0.64579155 30% 21 6.2959315132473
0 1 20 17 1.4 0.34 -6.4122549268819 0.00163862975658 A 998.36137 30% 16 0.0078654228316
0 1 1 4 2.5 0.13 -1.1243486031664 0.24520555351094 B 754.794446 30% 8 0.5884933284262
0 1 7 15 6.4 0.95 -2.5160582908616 0.07474007359218 A 925.259926 30% 18 0.4035963973978
0 1 1 0 4.9 0.61 -0.3564051448283 0.41183005670318 D 588.169943 30% 14 1.7296862381534
0 1 15 2 4.8 0.8 -3.6169858254083 0.02616075579952 A 973.839244 30% 15 0.1177234010978
0 1 10 6 2.7 0.31 -3.2178033949433 0.03850121896831 A 961.498781 30% 5 0.0577518284525
0 1 12 7 7.7 1.85 -2.4533949464781 0.07919063751589 A 920.809362 30% 20 0.4751438250954
1 1 13 20 30.8 6.11 0.72082699453279 0.6727891009001 E 327.210899 30% 7 1.4128571118902
1 1 2 12 16 4 1.39571774713317 0.80150348027387 E 198.49652 30% 20 4.8090208816432
0 1 3 3 3.7 0.28 -1.3244752057185 0.21007469942882 B 789.925301 30% 14 0.882313737601
1 1 9 0 9.4 1.33 -1.4068973805372 0.19672388215669 B 803.276118 30% 3 0.177051493941
0 1 3 11 21.3 1.4 0.1922530047878 0.54791575663932 D 452.084243 30% 19 3.1231198128441
0 1 7 3 5.1 0.21 -2.1664696789135 0.10280219244477 B 897.197808 30% 3 0.0925219732003
0 1 15 0 3.1 0.48 -3.7945898278053 0.02199736205356 A 978.002638 30% 14 0.092388920625
0 1 7 10 4.9 0.23 -2.6856593421915 0.06382488763732 A 936.175112 30% 14 0.2680645280767
0 1 13 8 6.1 0.86 -3.4559861252645 0.030590840875 A 969.409159 30% 2 0.018354504525
0 1 22 4 3.6 0.63 -5.5679684395897 0.00380370609957 A 996.196294 30% 19 0.0216811247675
1 1 2 5 6.4 0.27 -1.0230065251609 0.26444217974941 C 735.55782 30% 11 0.872659193173
0 1 2 14 3.1 0.53 -1.8094316146922 0.14070683427096 B 859.293166 30% 2 0.0844241005626
1 1 5 29 17.3 6.94 1.24926046995242 0.7771718187313 E 222.828181 30% 5 1.165757728097
1 1 9 1 20.1 2.54 0.10170032050409 0.52540318856272 D 474.596811 30% 17 2.6795562616699
0 1 5 5 13 0.17 -1.2202765315517 0.22788778981794 B 772.11221 30% 18 1.2305940650169
0 1 14 8 17 1.14 -2.6191368792992 0.0679169123742 A 932.083088 30% 14 0.2852510319716
0 1 11 5 10.1 2.46 -1.5283324714752 0.17823779612869 B 821.762204 30% 21 1.1228981156107
0 1 0 7 9.3 1.27 0.10267775720665 0.52564691090593 D 474.353089 30% 9 1.419246659446
1 1 2 2 9.6 0.8 -0.2333691314237 0.44192106533789 D 558.078935 30% 11 1.4583395156151
0 1 0 4 8.7 0.45 -0.1961879676042 0.45110972201563 D 548.890278 30% 13 1.759327915861
0 1 4 13 1.6 0.44 -2.3713757492167 0.08538164365191 A 914.618356 30% 15 0.3842173964336
0 1 5 2 8.3 1.12 -0.8470607661769 0.30004979214502 C 699.950208 30% 6 0.540089625861
1 1 0 8 29.7 3.9 3.23034566504987 0.96196040372686 E 38.0395963 30% 3 0.8657643633542
0 1 18 10 15.4 2.1 -3.2679488450291 0.03668724989906 A 963.31275 30% 1 0.0110061749697
0 1 16 14 11.1 1.66 -3.7117978273481 0.0238507966587 A 976.149203 30% 21 0.1502600189498
0 1 12 2 6.7 1.63 -2.2952856578345 0.0915141541256 A 908.485846 30% 12 0.3294509548521
0 1 0 9 6.6 0.28 -0.8352120943572 0.30254412944951 C 697.455871 30% 9 0.8168691495137
0 1 13 12 5 0.24 -4.195971462921 0.01483278487924 A 985.167215 30% 18 0.0800970383479
0 1 10 4 4.8 0.18 -2.9707535602989 0.04876475589392 A 951.235244 30% 5 0.0731471338409
0 1 21 26 3 2.56 -5.8992147794662 0.00273410092967 A 997.265899 30% 17 0.0139439147413
0 1 22 24 11.7 1.26 -6.0026156120309 0.00246618011351 A 997.53382 30% 11 0.0081383943746
0 1 14 17 5.7 1.89 -3.7902374084152 0.02209119279659 A 977.908807 30% 20 0.1325471567796
1 1 0 6 12.1 1.6 0.59774422957298 0.64514005209675 E 354.859948 30% 6 1.1612520937742
1 1 1 7 21.2 2.33 1.46904523317819 0.81291222280133 E 187.087777 30% 17 4.1458523362868
0 1 8 4 6.4 0.33 -2.2927290012816 0.09172693490023 A 908.273065 30% 1 0.0275180804701
0 1 1 1 4.5 0.22 -0.6862802892063 0.33486105163245 C 665.138948 30% 1 0.1004583154897
0 1 4 2 4.6 0.05 -1.5374291848314 0.17690930647629 B 823.090694 30% 21 1.1145286308006
1 1 11 4 23.8 5.44 1.38947753953063 0.80050882221451 E 199.491178 30% 18 4.3227476399584
0 1 19 7 30.1 3.18 -1.4370634722696 0.1920004986423 B 807.999501 30% 6 0.3456008975561
1 1 1 15 14.8 1.38 -0.1941377513913 0.45161742623274 D 548.382574 30% 6 0.8129113672189
0 1 16 10 4.1 0.26 -4.8012341079872 0.00815258594661 A 991.847414 30% 2 0.004891551568
0 1 3 7 7 0.76 -1.0691463007212 0.2555654680674 C 744.434532 30% 4 0.3066785616809
0 1 8 7 2.8 0.55 -2.6864082241247 0.06378015560324 A 936.219844 30% 20 0.3826809336195
1 1 0 4 18.4 0.82 0.82198418266164 0.69465736461335 E 305.342635 30% 16 3.3343553501441
0 1 8 0 1.6 0.02 -2.5754748743753 0.07073359183332 A 929.266408 30% 16 0.3395212407999
0 1 0 1 2.3 0.04 -0.7426108445945 0.32243348796253 C 677.566512 30% 21 2.031330974164
0 1 16 7 0.4 0.16 -4.9457795825693 0.00706312444829 A 992.936876 30% 17 0.0360219346863
1 1 2 1 4.5 0.12 -0.9730902120356 0.27426498608684 C 725.735014 30% 13 1.0696334457387
0 1 21 2 20.5 6.95 -0.1696812643563 0.45768117125047 D 542.318829 30% 21 2.883391378878
1 1 12 5 25.1 7.82 2.55657974837365 0.92801430630645 E 71.9856937 30% 5 1.3920214594597
0 1 11 5 4.8 0.83 -2.9017802966352 0.05206562679675 A 947.934373 30% 3 0.0468590641171
0 1 9 4 6.6 0.79 -2.2424325973091 0.09600421532177 A 903.995785 30% 17 0.489621498141
1 1 0 8 12.9 1.04 0.19691529728496 0.54907036548631 D 450.929635 30% 10 1.6472110964589
0 1 9 16 18.7 4.76 0.15433328847764 0.53850692017414 D 461.49308 30% 7 1.1308645323657
0 1 1 2 5.7 0.84 -0.3051298250558 0.42430393626571 D 575.696064 30% 6 0.7637470852783
0 1 0 5 1.1 0.13 -1.0845883209177 0.2526387019747 C 747.361298 30% 10 0.7579161059241
0 1 18 14 6.6 3.33 -3.5893625231162 0.02687378478824 A 973.126215 30% 13 0.1048077606741
0 1 8 2 3.7 0.98 -1.9983544727912 0.11937580011212 B 880.6242 30% 19 0.6804420606391
0 1 16 12 3.7 0.69 -4.7352661954364 0.00870369191144 A 991.296308 30% 14 0.036555506028
0 1 22 1 14.6 5.4 -1.7033802958543 0.1540242944963 B 845.975706 30% 1 0.0462072883489
0 1 10 11 9.1 1.54 -2.348967172057 0.08714790212385 A 912.852098 30% 12 0.3137324476459
0 1 23 1 18.9 3.13 -2.8745578909005 0.05342568345326 A 946.574317 30% 19 0.3045263956836
1 1 3 3 28.9 2.68 2.14405384416388 0.89511182239013 E 104.888178 30% 14 3.7594696540385
1 1 18 14 6.5 16.03 3.67032885999626 0.97516442168907 E 24.8355783 30% 1 0.2925493265067
0 1 11 20 15 4.67 -0.9576603976854 0.27734686667749 C 722.653133 30% 6 0.4992243600195
0 1 5 9 4.5 0.33 -2.1290928984685 0.10630113664331 B 893.698863 30% 11 0.3507937509229
0 1 7 12 10.2 1.63 -1.5906962276716 0.16928596512581 B 830.714035 30% 11 0.5586436849152
1 1 3 13 13.2 3.04 0.31053090435257 0.57701484356983 D 422.985156 30% 14 2.4234623429933
1 1 2 2 16.4 1.74 0.86990805288164 0.70472656535517 E 295.273435 30% 1 0.2114179696066
0 1 25 16 2.6 1.64 -6.6429996960388 0.00130141654187 A 998.698583 30% 17 0.0066372243635
0 1 6 9 11.5 0.65 -1.5935858826279 0.16887998632818 B 831.120014 30% 6 0.3039839753907
0 1 11 17 12.9 2.56 -2.1194775311096 0.10721807217797 B 892.781928 30% 7 0.2251579515737
0 1 0 8 7.9 1.07 -0.2016002697108 0.44976994108287 D 550.230059 30% 19 2.5636886641724
1 1 1 14 16.1 2.69 0.73706168220639 0.67635299316681 E 323.647007 30% 18 3.6523061631008
0 1 0 11 12 0.3 -0.5216870296269 0.37245783442943 C 627.542166 30% 11 1.2291108536171
0 1 9 16 5.9 0.89 -3.1245565149713 0.04210561124514 A 957.894389 30% 9 0.1136851503619
0 1 4 3 17.5 0.23 -0.4353828665843 0.39284168795672 C 607.158312 30% 5 0.5892625319351
0 1 1 26 14.3 1.85 -0.7744595652588 0.31551520322147 C 684.484797 30% 2 0.1893091219329
0 1 10 2 4.4 0.34 -2.7655834467262 0.05921256548374 A 940.787435 30% 7 0.1243463875159
0 1 8 0 4 0.28 -2.2271527101093 0.09733852785929 A 902.661472 30% 6 0.1752093501467
1 1 0 2 12.5 0.49 0.28948271199766 0.57186948755009 D 428.130512 30% 18 3.0880952327705
0 1 9 2 2.6 0.12 -2.8115506300174 0.05670318378009 A 943.296816 30% 3 0.0510328654021
0 1 9 1 5.8 0.6 -2.1973868515141 0.09998539627195 A 900.014604 30% 2 0.0599912377632
0 1 0 23 22.3 2.66 0.8040555662949 0.69084133702215 E 309.158663 30% 6 1.2435144066399
0 1 4 1 23.8 1.09 0.72740262242743 0.67423503736627 E 325.764963 30% 1 0.2022705112099
1 1 16 26 17.6 15.79 4.03380593741062 0.98260126555911 E 17.3987344 30% 2 0.5895607593355
0 1 6 1 4.4 0.24 -1.8310559760598 0.13811252442726 B 861.887476 30% 9 0.3729038159536
0 1 6 10 18.4 1.99 -0.3265111823503 0.4190897475811 D 580.910252 30% 5 0.6286346213716
1 1 2 0 4.5 0.29 -0.8023722442303 0.30951830165236 C 690.481698 30% 9 0.8356994144614
1 1 7 5 19.8 1.01 -0.6333908065683 0.34674208078906 C 653.257919 30% 18 1.8724072362609
1 1 0 3 6.6 0.59 -0.2172258305165 0.44590608634072 D 554.093914 30% 10 1.3377182590222
0 1 12 3 9.7 0.36 -2.8461054256062 0.05488298221354 A 945.117018 30% 17 0.279903209289
0 1 1 0 4.4 0.27 -0.592550066663 0.35604996474788 C 643.950035 30% 6 0.6408899365462
0 1 13 0 2.4 0.41 -3.4336823968614 0.03125922889309 A 968.740771 30% 15 0.1406665300189
0 1 12 16 7.7 0.99 -3.6064264682694 0.02643112013487 A 973.56888 30% 21 0.1665160568497
1 1 3 2 16.3 0.35 -0.1634617353501 0.45922531649793 D 540.774684 30% 13 1.7909787343419
0 1 5 5 10.9 0.4 -1.2632385577937 0.22041689634275 B 779.583104 30% 10 0.6612506890282
0 1 27 21 11.5 0.82 -7.1986664245932 0.00074702363952 A 999.252976 30% 10 0.0022410709185
0 1 21 16 16.5 4.58 -2.8865572413142 0.05282210134443 A 947.177899 30% 6 0.09507978242
0 1 9 20 5.2 0.55 -3.671047644253 0.02481817618292 A 975.181824 30% 21 0.1563545099524
1 1 2 3 9.7 0.89 -0.2469796130954 0.43856705834746 D 561.432942 30% 2 0.2631402350085
0 1 5 3 7.3 0.78 -1.1982038073341 0.23179490329668 B 768.205097 30% 1 0.069538470989
0 1 6 2 4.5 0.07 -1.9934602622072 0.11989126427502 B 880.108736 30% 21 0.7553149649326
1 1 5 17 10.5 3.61 -0.3406186154084 0.41565921581646 D 584.340784 30% 21 2.6186530596437
0 1 4 10 5.8 0.57 -1.7275150842472 0.15090570375752 B 849.094296 30% 15 0.6790756669088
1 1 2 8 5.7 0.32 -1.2728772366964 0.21876511448277 B 781.234886 30% 13 0.8531839464828
1 1 10 13 20.9 6.11 1.10052509710444 0.7503584800466 E 249.64152 30% 6 1.3506452640839
1 1 0 16 15 1.97 0.31628891677135 0.57841956744602 D 421.580433 30% 4 0.6941034809352
0 1 15 31 1.1 0.47 -6.2429073416139 0.00194042230041 A 998.059578 30% 6 0.0034927601407
0 1 13 13 3.6 0.23 -4.3915155557985 0.01223051187793 A 987.769488 30% 12 0.0440298427606
1 1 13 13 25.2 2.32 -1.3996870432459 0.19786577764842 B 802.134222 30% 12 0.7123167995343
1 1 0 2 33.3 2.28 3.0431166122765 0.95448441899444 E 45.515581 30% 10 2.8634532569833
1 1 12 14 16 5.72 -0.0626287948658 0.48434791704889 D 515.652083 30% 9 1.307739376032
1 1 3 2 17.8 1.01 0.33895083934169 0.58393564677822 D 416.064353 30% 9 1.5766262463012
1 1 4 9 7.1 1.19 -1.1911915163733 0.23304590174879 B 766.954098 30% 16 1.1186203283942
0 1 12 9 7.2 2.94 -2.0180333657625 0.11732249822325 B 882.677502 30% 18 0.6335414904056
0 1 12 5 13 1.48 -2.0776554259881 0.11128764016944 B 888.71236 30% 8 0.2670903364067
1 1 0 2 18.9 0.51 0.83300401537288 0.69698973815679 E 303.010262 30% 8 1.6727753715763
1 1 6 0 19.5 4.51 1.9413917619015 0.87450496345974 E 125.495037 30% 2 0.5247029780758