Modelado de distribuciones conjuntas con datos faltantes

La falta de datos en las variables explicativas de los modelos lineales generalizados es un problema comn que se ha estudiado por muchos aos y se han propuesto diversos mtodos para enfrentarlo. Entre estos mtodos, un procedimiento basado en modelos como lo es mxima verosimilitud, representa una metodologa de estimacin de parmetros slida y flexible, ya que la funcin de verosimilitud est disponible en forma computable. Sin embargo, para lograr esto ltimo, es necesario modelar adecuadamente las distribuciones conjuntas tanto de las variables explicativas parcialmente observadas, como de las correspondientes variables indicadoras de prdida de datos. En este trabajo, se propone una nueva metodologa basada en modelos para el anlisis de regresin de modelos lineales generalizados cuando las variables explicativas parcialmente observadas son categricas. La propuesta consiste en usar construcciones con cpulas pareadas bivariadas como una herramienta verstil para facilitar el modelado de distribuciones conjuntas multivariadas de alta dimensin.