Saltar al contenido principal

Razón de verosimilitudes: una medida clave de la evidencia estadística

Una razón de verosimilitudes compara qué tan bien dos hipótesis o modelos explican los mismos datos. Este artículo cubre la fórmula, un ejemplo con lanzamientos de moneda, la prueba para modelos de regresión anidados en Python y R, y las razones diagnósticas.
· 15 min leer

Explora con IA

¿Has visto el término "likelihood ratio" en los resultados de una regresión o en un estudio y no tenías claro qué te estaba diciendo?

No eres el único. Es un término habitual en contraste de hipótesis, comparación de modelos, clasificación y pruebas diagnósticas, y cada campo lo usa de forma ligeramente distinta. Muchas explicaciones, además, empiezan por una estadística de contraste y una distribución ji-cuadrado antes incluso de explicar qué es una verosimilitud. El resultado: obtienes un número que sabes calcular pero no sabes interpretar.

En pocas palabras, la verosimilitud indica qué tan bien un valor de un parámetro o un modelo estadístico explica los datos observados. Una razón de verosimilitudes divide una verosimilitud entre otra para ver cuál de dos hipótesis recibe más apoyo de los datos, y en qué medida.

En este artículo, te guiaré por la idea central y la fórmula, la prueba de razón de verosimilitudes y cómo interpretarla, y en qué contextos la verás en la práctica.

¿Necesitas repasar estadística? Explora nuestro catálogo de cursos de probabilidad y estadística y encuentra el ideal para ti.

¿Qué es una razón de verosimilitudes?

Una razón de verosimilitudes es la verosimilitud de los datos observados bajo una hipótesis dividida por la verosimilitud de esos mismos datos bajo otra hipótesis. Las dos hipótesis pueden ser dos valores de un parámetro o dos modelos estadísticos completos.

La pregunta que responde es qué explicación encaja mejor con los datos, no si los datos son probables.

Es una diferencia importante. Cualquier secuencia concreta de 20 lanzamientos de moneda tiene una probabilidad de aproximadamente una entre un millón con una moneda justa; así que una verosimilitud pequeña, por sí sola, no te dice gran cosa. Solo cobra sentido comparada con otra verosimilitud.

Imagina que lanzas una moneda 10 veces y obtienes 8 caras. Una hipótesis dice que la moneda es justa, con probabilidad 0.5 de cara. Otra dice que está sesgada, con probabilidad 0.8 de cara.

Ambas hipótesis pueden producir 8 caras, pero la moneda sesgada produce ese resultado con mucha más frecuencia. Por tanto, los datos apoyan más la segunda hipótesis, y la razón de verosimilitudes pone número a ese «cuánto más». Calcularé los valores exactos en el ejemplo más adelante.

Verosimilitud y probabilidad usan la misma fórmula, pero responden a preguntas distintas:

  • Probabilidad: Fija el parámetro y pregunta cuán probables son distintos resultados; por ejemplo, la probabilidad de 8 caras en 10 lanzamientos con una moneda justa
  • Verosimilitud: Fija los datos observados y pregunta qué tan bien distintos valores del parámetro los explican; por ejemplo, qué tal explican 0.5 frente a 0.8 de probabilidad de cara el hecho de obtener 8 caras en 10 lanzamientos

Las probabilidades de todos los resultados posibles suman 1, pero las verosimilitudes de todos los valores posibles del parámetro no. Por eso una verosimilitud no es la probabilidad de que una hipótesis sea cierta, y una razón de verosimilitudes tampoco.

¿Cómo funciona una razón de verosimilitudes?

Toda razón de verosimilitudes sigue los mismos cinco pasos:

  1. Observa los datos: reúne la muestra que quieres explicar, por ejemplo 8 caras en 10 lanzamientos
  2. Calcula la primera verosimilitud: calcula cuán probables son los datos observados bajo la hipótesis A
  3. Calcula la segunda verosimilitud: haz lo mismo bajo la hipótesis B
  4. Divide: pon una verosimilitud en el numerador y la otra en el denominador
  5. Interpreta la razón: comprueba qué hipótesis respaldan más los datos y en qué medida

El significado de la razón depende de cuál va arriba. Con la hipótesis A en el numerador:

  • Razón mayor que 1: los datos son más probables bajo A, así que A recibe más apoyo
  • Razón menor que 1: los datos son más probables bajo B, así que B recibe más apoyo
  • Razón igual a 1: ambas hipótesis explican los datos igual de bien; los datos no favorecen a ninguna

Una razón de 4 significa que los datos observados son cuatro veces más probables bajo A que bajo B. No significa que A sea cuatro veces más probable que sea cierta.

Si intercambias numerador y denominador, obtendrás el recíproco. Una razón de 4 a favor de A se convierte en 0.25, que dice lo mismo pero desde el punto de vista de B.

Las convenciones varían entre disciplinas. La prueba de razón de verosimilitudes suele poner la hipótesis nula en el numerador, de modo que los valores pequeños cuentan como evidencia en su contra, mientras que en otras aplicaciones se pone arriba la hipótesis alternativa.

Así que, antes de interpretar cualquier razón de verosimilitudes, comprueba qué hipótesis está en el numerador.

Fórmula de la razón de verosimilitudes

La razón básica divide una verosimilitud de los datos entre otra:

Likelihood ratio formula

Fórmula de la razón de verosimilitudes

Esto es lo que significa cada término:

  • x: Los datos observados, como 8 caras en 10 lanzamientos
  • theta_1 y theta_0: Los dos valores del parámetro o hipótesis que quieres comparar, por ejemplo 0.8 y 0.5 de probabilidad de cara
  • L(theta | x): La verosimilitud de theta dados los datos, que iguala la probabilidad de x cuando theta es el parámetro verdadero, o su densidad en datos continuos

Con observaciones independientes, la verosimilitud es el producto de una probabilidad por observación:

Likelihood with independent observations

Verosimilitud con observaciones independientes

Y aquí empiezan los problemas. Cada factor es menor que 1, así que el producto decrece rápido conforme crece la muestra.

La probabilidad de una secuencia concreta de 1.000 lanzamientos con una moneda justa es aproximadamente 9.3 * 10^-302, cerca del número más pequeño que puede almacenar un float de 64 bits. Con 2.000 lanzamientos, 0.5 ** 2000 en Python devuelve 0.0.

Los logaritmos son la salida. El logaritmo de un producto es la suma de los logaritmos, así que el log-verosimilitud convierte un producto de números diminutos en una suma manejable:

Log likelihood

Log-verosimilitud

La razón se convierte en una diferencia:

Log likelihood ratio

Razón de log-verosimilitudes

Además, las sumas son más sencillas de derivar que los productos, por eso la estimación de máxima verosimilitud también trabaja con log-verosimilitudes.

La versión en logaritmos se interpreta igual que la razón, solo que alrededor de 0 en lugar de 1. Un valor de 0 significa apoyo igual, valores positivos favorecen a theta_1 y negativos favorecen a theta_0.

Ejemplo de razón de verosimilitudes

Volvamos a la moneda de antes. La lanzas 10 veces y obtienes 8 caras y 2 cruces.

Las dos hipótesis son:

  • Hipótesis 0: la moneda es justa, así que p = 0.5

  • Hipótesis 1: la moneda está sesgada hacia cara, así que p = 0.8

El número de caras en 10 lanzamientos sigue una binomial, así que la verosimilitud de cada hipótesis es:

Likelihood ratio example (1)

Ejemplo de razón de verosimilitudes

Bajo la hipótesis de moneda justa:

Likelihood ratio example (2)

Ejemplo de razón de verosimilitudes

Bajo la hipótesis de moneda sesgada:

Likelihood ratio example (3)

Ejemplo de razón de verosimilitudes

La razón de verosimilitudes es:

Likelihood ratio example (4)

Ejemplo de razón de verosimilitudes

El coeficiente binomial 45 aparece en ambas verosimilitudes, así que se anula en la razón. Obtendrías el mismo 6.87 usando la probabilidad de la secuencia exacta de lanzamientos.

En cristiano: los datos observados son unas 6.9 veces más probables si la moneda cae cara el 80% de las veces que si es justa. Eso es todo.

La razón no dice que la moneda sea 6.9 veces más probable que esté sesgada. Para obtener la probabilidad de que alguna de las dos hipótesis sea cierta, necesitas probabilidades previas para ambas. Con odds previos 50/50, los odds posteriores serían 6.87 a 1, o alrededor de un 87% para la moneda sesgada, pero ese número depende del previo que elijas.

El apoyo también es relativo a estas dos hipótesis únicamente. Un valor como p = 0.7 no formaba parte de la comparación. Aquí, 0.8 además coincide con el estimador de máxima verosimilitud, porque 8 de 10 lanzamientos fueron cara, así que ningún otro valor de p recibe más apoyo de estos datos.

¿Qué es una prueba de razón de verosimilitudes?

El ejemplo de la moneda comparó dos valores fijos de p. La mayoría de preguntas en estadística son más amplias, como si un par de predictores adicionales mejoran un modelo de regresión.

La prueba de razón de verosimilitudes responde a ese tipo de preguntas. Compara dos modelos anidados, es decir, el modelo pequeño es un caso particular del grande:

  • Modelo restringido: representa la hipótesis nula, con algunos parámetros fijados, normalmente en 0
  • Modelo completo: representa la alternativa, con esos parámetros libres para tomar cualquier valor

La prueba tiene cinco pasos:

  1. Ajusta el modelo restringido: encuentra los valores de parámetros que maximizan su verosimilitud
  2. Ajusta el modelo completo: haz lo mismo incluyendo los parámetros extra
  3. Compara las verosimilitudes maximizadas: toma su razón, o la diferencia de sus log-verosimilitudes
  4. Calcula la estadística de contraste: convierte esa comparación en un número con una distribución conocida
  5. Obtén el p-valor: comprueba cuán extrema es la estadística si la hipótesis nula es cierta

Cada modelo se evalúa en su estimador de máxima verosimilitud, no en un valor de parámetro elegido de antemano. Esa es la gran diferencia respecto al ejemplo de la moneda.

La razón de verosimilitudes compara dos hipótesis cualesquiera y te da apoyo relativo, pero ni p-valores ni decisiones. La LRT toma la razón de verosimilitudes maximizadas de modelos anidados, la convierte en una estadística de contraste y usa su distribución para decidir si rechazar la nula. Toda LRT usa una razón de verosimilitudes, pero no toda razón de verosimilitudes forma parte de una LRT; las razones diagnósticas más adelante son un ejemplo.

Estadística de la prueba de razón de verosimilitudes

La LRT empieza con la razón de verosimilitudes maximizadas, con el modelo restringido arriba:

Likelihood ratio test statistic (1)

Estadística de la prueba de razón de verosimilitudes

Aquí, theta_hat_0 es el estimador de máxima verosimilitud bajo el modelo restringido y theta_hat es el estimador bajo el modelo completo. El modelo completo contiene al restringido, así que siempre ajusta al menos igual de bien. Esto implica que lambda está entre 0 y 1.

La estadística de contraste es:

Likelihood ratio test statistic (2)

Estadística de la prueba de razón de verosimilitudes

Los logaritmos están por lo mismo de antes: convierten una razón de números diminutos en una diferencia de log-verosimilitudes, que todo software estadístico reporta.

El -2 cumple dos funciones. Como lambda <= 1, ln(lambda) es 0 o negativo, así que el signo menos lo vuelve positivo y crece conforme el modelo completo ajusta mejor. El factor 2 escala la estadística para que siga una ji-cuadrado. En modelos lineales generalizados, D coincide con la diferencia de desviancia entre los dos modelos, por eso suele informarse así.

El teorema de Wilks hace que la prueba funcione. Dice que, cuando la nula es cierta y se cumplen condiciones regulares estándar, D sigue aproximadamente una ji-cuadrado al crecer el tamaño muestral. En términos llanos: los modelos deben ser anidados y los valores nulos de los parámetros no pueden estar en el borde del rango permitido. En la sección de limitaciones verás qué pasa cuando se incumplen estas condiciones.

Los grados de libertad suelen ser la diferencia en el número de parámetros libres entre los modelos. Si el completo añade dos predictores, comparas D con una ji-cuadrado con 2 grados de libertad.

Así, la misma distribución de referencia sirve para regresión logística, Poisson y la mayoría de modelos ajustados por máxima verosimilitud.

Cómo interpretar una prueba de razón de verosimilitudes

Imagina que quieres predecir si una persona cancela una suscripción. El dataset tiene 1.000 clientes y alrededor del 32% se dio de baja.

Ajustas dos modelos de regresión logística:

  • Modelo restringido: predice churn con tenure_months solamente; log-verosimilitud de -556.88

  • Modelo completo: añade monthly_charges y support_tickets; log-verosimilitud de -515.99

Así aplica cada parte de la prueba al ejemplo:

  • Hipótesis nula: los coeficientes de monthly_charges y support_tickets son 0; los predictores extra no mejoran el ajuste

  • Hipótesis alternativa: al menos uno de esos dos coeficientes no es 0

  • Estadística de contraste: D = 2 * (-515.99 - (-556.88)) = 81.78

  • Grados de libertad: el modelo completo tiene dos parámetros más, así que la prueba usa 2 grados de libertad

  • P-valor: la probabilidad de una estadística tan grande o mayor bajo una ji-cuadrado con 2 grados de libertad, que es aproximadamente 1.7 * 10^-18

Ese p-valor está muy por debajo de cualquier umbral común, como 0.05. Rechazas la nula y concluyes que los datos aportan evidencia sólida de que los predictores extra mejoran el ajuste.

Ahora bien, rechazar la nula no implica que el modelo completo sea la mejor opción para tu caso de uso.

Con muestras grandes, incluso mejoras minúsculas en el ajuste dan p-valores pequeños. La prueba no te dice lo grandes que son los efectos ni qué tal predice el modelo datos nuevos. Revisa los coeficientes y el rendimiento en datos de validación antes de quedarte con el modelo mayor.

Y un p-valor grande no prueba que los predictores extra sean inútiles. Solo significa que los datos no aportan suficiente evidencia contra la nula.

Una LRT te dice si los parámetros adicionales mejoran el ajuste; decidir si esa mejora te compensa sigue siendo cosa tuya.

Pruebas de razón de verosimilitudes en modelos de regresión

Verás la LRT sobre todo al comparar modelos de regresión. La idea siempre es la misma: ajusta un modelo restringido, ajusta uno completo y compara sus log-verosimilitudes maximizadas.

Regresión logística

La regresión logística es el lugar más común donde ver la LRT.

En la sección de interpretación comparamos un modelo con tenure_months frente a otro que también incluye monthly_charges y support_tickets. Puedes ir un paso más allá y comparar el modelo completo con un modelo solo con intercepto, que predice la misma probabilidad de churn para toda persona.

Con los mismos datos de churn, el modelo solo con intercepto tiene log-verosimilitud de -627.62 y el completo de -515.99. Esto da D = 2 * (-515.99 - (-627.62)) = 223.27 con 3 grados de libertad, uno por predictor, y un p-valor de aproximadamente 3.9 x 10^-48.

Esta prueba pregunta si los predictores, en conjunto, explican mejor el churn que no tener ninguno. Es la versión logística de la F global en regresión lineal, y statsmodels la muestra en el resumen como LLR p-value.

Modelos lineales generalizados

La regresión logística es un miembro de la familia de los modelos lineales generalizados (GLM). La familia también incluye Poisson para recuentos y gamma para resultados continuos positivos, entre otros.

Todo GLM reporta una desviancia, que mide lo lejos que está el modelo de un ajuste perfecto. Para dos GLM anidados, la diferencia de sus desviancias es la estadística D de la LRT, así que a menudo se denomina análisis de desviancia.

Los grados de libertad funcionan igual que antes, como la diferencia en el número de parámetros. En modelos con un parámetro de dispersión estimado, como gamma o gaussianos, suele usarse una F sobre la diferencia de desviancias en lugar de la versión ji-cuadrado.

Otros modelos basados en verosimilitud

Cualquier modelo ajustado por máxima verosimilitud puede usar una LRT, siempre que los modelos sean anidados. Por ejemplo:

  • Modelos de efectos mixtos: compara modelos con y sin un efecto fijo, ajustados por máxima verosimilitud y no por REML
  • Modelos de supervivencia: contrasta si una covariable mejora un Cox de riesgos proporcionales, que usa verosimilitud parcial
  • Series temporales: compara modelos ARIMA de distinto orden
  • Genética: prueba de ligamiento entre genes; los LOD son logaritmos (base 10) de razones de verosimilitudes

Razón de verosimilitudes frente a pruebas estadísticas relacionadas

La LRT es similar a la prueba de Wald y a la prueba de puntuación (score). Las tres contrastan la misma nula y en muestras grandes siguen una ji-cuadrado. La diferencia está en qué modelos ajustas y qué mides.

Prueba de razón de verosimilitudes vs. prueba de Wald

La LRT ajusta ambos modelos y compara sus log-verosimilitudes. La de Wald ajusta solo el modelo completo y mide cuán lejos está cada estimación de su valor nulo en errores estándar.

Para un único coeficiente, la estadística de Wald es la estimación dividida por su error estándar. Los p-valores de la tabla de resumen de una regresión suelen venir de esta prueba.

La de Wald es rápida, porque solo ajustas un modelo. Pero depende de cómo parametrices y, en logística, puede comportarse mal cuando los coeficientes son muy grandes, porque el error estándar crece más rápido que la estimación. La LRT no tiene esos problemas, así que suele ser la opción más robusta.

Prueba de razón de verosimilitudes vs. prueba de puntuación (score)

La prueba de puntuación ajusta solo el modelo restringido.

Mira la pendiente de la log-verosimilitud en los valores nulos del parámetro. Si la nula es correcta, la pendiente debería estar cerca de 0. Una pendiente pronunciada indica que la verosimilitud aumentaría si permites que esos parámetros se alejen del valor nulo.

Esto hace que la prueba de puntuación sea útil cuando el modelo completo es caro o difícil de ajustar. También se conoce como prueba de multiplicador de Lagrange y se usa a menudo para cribar predictores candidatos antes de añadirlos.

Prueba de razón de verosimilitudes vs. prueba ji-cuadrado

La estadística de la LRT sigue una ji-cuadrado en muestras grandes, pero eso no convierte a la LRT en una «prueba ji-cuadrado» en el sentido habitual.

«Prueba ji-cuadrado» es una etiqueta amplia para cualquier prueba cuya estadística sigue una ji-cuadrado. La mayoría de las veces se refiere a la ji-cuadrado de Pearson para independencia o ajuste en tablas de contingencia.

Aun así, están relacionadas. La versión de razón de verosimilitudes de la prueba de Pearson se llama prueba G, y compara frecuencias observadas y esperadas con log-verosimilitudes en lugar de diferencias al cuadrado. En muestras grandes, ambas dan resultados similares.

Así se comparan las tres pruebas basadas en modelos:

 Prueba de WaldPrueba de razón de verosimilitudesPrueba de puntuación
Modelos que ajustasSolo el completoRestringido y completoSolo el restringido
Qué mideDistancia de la estimación al valor nulo, en errores estándarDiferencia entre log-verosimilitudes maximizadasPendiente de la log-verosimilitud en los valores nulos
Dónde la verásP-valores de coeficientes en resúmenes de regresiónComparaciones de modelos anidados y análisis de desvianciaCribado de nuevos predictores; modelos difíciles de ajustar
Punto débilDepende de la parametrización; poco fiable con estimaciones muy grandesRequiere ajustar ambos modelosUsa solo información cerca de los valores nulos
Distribución asintóticaJi-cuadradoJi-cuadradoJi-cuadrado

Razón de verosimilitudes frente a otras pruebas estadísticas

Razón de verosimilitudes vs. odds ratio

Ambos términos incluyen «ratio» y ambos son comunes en regresión logística. Ahí acaban las similitudes.

Una razón de verosimilitudes compara qué tan bien dos hipótesis explican los mismos datos observados. Un odds ratio compara las odds de un resultado entre dos grupos o condiciones.

Las odds son la probabilidad de un evento dividida por la probabilidad de que no ocurra. Una probabilidad de churn del 25% implica odds de 0.25 / 0.75, o 1 a 3.

En el modelo de churn anterior, el coeficiente de support_tickets es 0.456. Su exponente da un odds ratio de ~1.58, lo que significa que cada ticket adicional multiplica por 1.58 las odds de churn.

Eso es una afirmación sobre un efecto en los datos. Una razón de verosimilitudes es una afirmación sobre evidencia: cuánto mejor explica un modelo o hipótesis los mismos datos frente a otro.

Así que el odds ratio responde «¿cuán grande es el efecto?», y la razón de verosimilitudes responde «¿qué explicación respaldan más los datos?»

Razones de verosimilitudes en pruebas diagnósticas

En medicina, «likelihood ratio» tiene un segundo significado. Describe cuánto cambia un resultado de prueba las odds de que una persona tenga una afección, y no implica ajustar modelos ni p-valores.

Las razones diagnósticas provienen de dos propiedades de la prueba:

  • Sensibilidad: proporción de personas con la afección que dan positivo
  • Especificidad: proporción de personas sin la afección que dan negativo

Supón que una prueba tiene sensibilidad del 90% y especificidad del 80%.

Razón de verosimilitudes positiva

La razón positiva, o LR+, indica cuán más probable es un positivo entre quienes tienen la afección que entre quienes no la tienen:

Positive likelihood ratio

Razón de verosimilitudes positiva

En el ejemplo: 0.9 / 0.2 = 4.5. Un positivo es 4.5 veces más probable en alguien con la afección. Valores por encima de 1 elevan las odds de la afección; cuanto más alto, más te informa un positivo.

Razón de verosimilitudes negativa

La razón negativa, o LR-, indica cuán probable es un negativo entre quienes tienen la afección comparado con quienes no la tienen:

Negative likelihood ratio

Razón de verosimilitudes negativa

En el ejemplo: 0.1 / 0.8 = 0.125. Valores por debajo de 1 reducen las odds de la afección; cuanto más cerca de 0, más te informa un negativo.

De odds previas a odds posteriores

Las razones diagnósticas son útiles porque actualizan lo que sabías antes de la prueba:

Diagnostic likelihood ratio

Razón de verosimilitudes diagnóstica

Supón que el 10% de pacientes como este tiene la afección. Eso son odds previas de 0.1 / 0.9, aproximadamente 0.111.

Tras un positivo, las odds pasan a 0.111 * 4.5 = 0.5, que es una probabilidad de ~33%. Tras un negativo, pasan a 0.111 * 0.125 = 0.014, o ~1.4%.

Este es el único lugar del artículo donde una razón de verosimilitudes lleva a la probabilidad de una hipótesis, y solo es posible porque las odds previas actúan como previo.

Pruebas de razón de verosimilitudes en Python y R

Ambos lenguajes tienen todo lo necesario para ejecutar una LRT en un par de líneas. Usaré el dataset de churn mencionado, para que los números coincidan con los de las secciones de interpretación y regresión.

Prueba de razón de verosimilitudes en Python

Necesitarás numpy, pandas, statsmodels y scipy. Empieza generando el dataset:

import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
from scipy import stats

# Generate a synthetic customer churn dataset
rng = np.random.default_rng(42)
n_customers = 1000

churn = pd.DataFrame({
    "tenure_months": rng.integers(1, 73, n_customers),
    "monthly_charges": rng.uniform(20, 120, n_customers).round(2),
    "support_tickets": rng.poisson(1.5, n_customers),
})

# Churn gets less likely with tenure and more likely with charges and tickets
log_odds = (
    -0.5
    - 0.04 * churn["tenure_months"]
    + 0.01 * churn["monthly_charges"]
    + 0.25 * churn["support_tickets"]
)
churn["churned"] = rng.binomial(1, 1 / (1 + np.exp(-log_odds)))

# Save the data so you can load the same dataset in R
churn.to_csv("churn.csv", index=False)

En este dataset, la tasa de churn es del 32.1%.

Después, ajusta los modelos logísticos restringido y completo. El atributo .llf guarda la log-verosimilitud maximizada de cada uno:

# Fit the restricted and full models
reduced_model = smf.logit("churned ~ tenure_months", data=churn).fit(disp=0)
full_model = smf.logit(
    "churned ~ tenure_months + monthly_charges + support_tickets",
    data=churn,
).fit(disp=0)

# Get the maximized log-likelihoods
print(f"Restricted model log-likelihood: {reduced_model.llf:.2f}")
print(f"Full model log-likelihood: {full_model.llf:.2f}")

Restricted and full model log likelihood

Log-verosimilitud de los modelos restringido y completo

statsmodels no tiene una función general de LRT para logística, así que calculas la estadística a partir de las dos log-verosimilitudes. El atributo .df_model da el número de predictores en cada modelo, y stats.chi2.sf() devuelve el p-valor:

lr_stat = 2 * (full_model.llf - reduced_model.llf)
df_diff = full_model.df_model - reduced_model.df_model
p_value = stats.chi2.sf(lr_stat, df_diff)

print(f"LR statistic: {lr_stat:.2f}")
print(f"Degrees of freedom: {df_diff:.0f}")
print(f"P-value: {p_value:.1e}")

Test statistic, degrees of freedom, and p-value

Estadística de contraste, grados de libertad y p-valor

El p-valor está muy por debajo de 0.05, así que rechazas la nula. Los datos aportan evidencia sólida de que monthly_charges y support_tickets mejoran el ajuste frente a un modelo con solo tenure_months.

Para la comparación contra un modelo solo con intercepto, no necesitas código adicional. statsmodels lo calcula para toda logística:

print(f"Intercept-only log-likelihood: {full_model.llnull:.2f}")
print(f"LR statistic: {full_model.llr:.2f}")
print(f"P-value: {full_model.llr_pvalue:.1e}")

Comparison of a full model to an intercept-only model

Comparación del modelo completo con uno solo con intercepto

Prueba de razón de verosimilitudes en R

R no usa el mismo generador aleatorio que NumPy, así que carga el archivo churn.csv del ejemplo en Python para trabajar con datos idénticos. Luego ajusta ambos modelos con glm() y pásalos a anova():

# Load the churn dataset saved from Python
churn <- read.csv("churn.csv")

# Fit the restricted and full models
reduced_model <- glm(churned ~ tenure_months, data = churn, family = binomial)
full_model <- glm(
  churned ~ tenure_months + monthly_charges + support_tickets,
  data = churn,
  family = binomial
)

# Check the maximized log-likelihoods
logLik(reduced_model)
logLik(full_model)

# Run the likelihood ratio test
anova(reduced_model, full_model, test = "Chisq")

Log likelihoods and ratio test in R

Log-verosimilitudes y prueba de razón en R

Los valores de df junto a cada log-verosimilitud son el número de parámetros estimados, intercepto incluido. El modelo completo tiene dos más, lo que coincide con la columna Df de la tabla de anova().

La columna Deviance muestra 81.778, la misma estadística LR que obtuviste en Python. Es el análisis de desviancia de la sección GLM en acción: la caída de desviancia residual de 1113.8 a 1032.0 es la estadística de la prueba.

R imprime el p-valor como < 2.2e-16 porque es el mínimo que muestra por defecto, no porque difiera del resultado en Python. En cualquier caso, la conclusión es la misma: los predictores extra mejoran el ajuste.

Si prefieres una función dedicada, lrtest() del paquete lmtest hace la misma comparación con lrtest(reduced_model, full_model).

Supuestos y limitaciones de las pruebas de razón de verosimilitudes

La LRT funciona bien en los escenarios vistos, pero su resultado ji-cuadrado depende de varias condiciones.

Los modelos deben ser anidados

La LRT estándar solo compara modelos anidados, donde el restringido es un caso particular del completo.

Si quieres comparar una logística con un probit, o dos modelos con predictores distintos, ninguno es caso particular del otro. La ji-cuadrado no aplica. Usa criterios de información como AIC y BIC, o la prueba de Vuong para modelos no anidados.

Ambos modelos deben tener estimación de máxima verosimilitud

La prueba compara verosimilitudes maximizadas, así que ambos modelos deben ajustarse por máxima verosimilitud sobre los mismos datos.

Dos fallos comunes: los modelos de efectos mixtos ajustados con REML (por defecto en muchos paquetes) no pueden compararse con LRT cuando difieren en efectos fijos; vuelve a ajustarlos con máxima verosimilitud. Y los modelos penalizados como lasso o ridge no maximizan la verosimilitud en sí, así que la prueba habitual no aplica.

Los modelos también necesitan las mismas observaciones. Si un predictor tiene valores ausentes, el modelo completo puede eliminar filas, y las dos log-verosimilitudes dejan de ser comparables.

El resultado ji-cuadrado es asintótico

El teorema de Wilks es un resultado de gran muestra. Requiere condiciones regulares: verosimilitud suave, parámetros identificables y valores verdaderos en el interior del rango permitido, no en el límite.

Cuando se cumplen, la ji-cuadrado es una buena aproximación en muestras grandes. Sigue siendo una aproximación.

Muestras pequeñas

Con muestras pequeñas, la estadística LRT puede no seguir una ji-cuadrado y los p-valores salir demasiados pequeños o grandes.

Tienes varias opciones. Un bootstrap paramétrico simula nuevos datasets desde el modelo restringido y construye la distribución de la estadística. Para casos sencillos, como tablas de contingencia, las pruebas exactas evitan la aproximación.

Parámetros en el borde

Algunas nulas sitúan un parámetro en el límite de su rango permitido. El ejemplo más común es contrastar si una varianza de efecto aleatorio en un mixto es 0, ya que una varianza no puede ser negativa.

En este caso, la estadística no sigue la ji-cuadrado usual. Para un único componente de varianza, sigue una mezcla 50:50 de ji-cuadrado con 0 y 1 grados de libertad, por lo que el p-valor estándar es aproximadamente el doble de lo debido. La prueba estándar es conservadora: detecta menos efectos reales.

Probar el número de componentes en un modelo de mezclas presenta un problema similar. Al comparar uno con dos componentes, fallan las condiciones de regularidad y la aproximación ji-cuadrado no vale.

Especificación incorrecta del modelo

La LRT asume que el modelo completo es correcto. Si ambos modelos fallan al describir la distribución de los datos, por ejemplo usar Poisson con varianza muy superior a la media, la estadística no seguirá una ji-cuadrado ni en grandes muestras.

Comprueba el ajuste del modelo completo antes de fiarte de la prueba. Para recuentos sobredispersos, un modelo binomial negativa o una F de cuasi-verosimilitud suelen ser mejores opciones.

Así que la aproximación ji-cuadrado es el punto de partida, no una garantía, y solo aplica cuando el planteamiento cumple las condiciones del teorema de Wilks.

Conclusión

Una razón de verosimilitudes compara qué tan bien dos hipótesis o modelos explican los mismos datos observados. Esa es la idea central; todo lo demás en este artículo se construye sobre ella.

La prueba de razón de verosimilitudes convierte esa idea en un procedimiento formal. Ajusta dos modelos anidados, compara sus log-verosimilitudes maximizadas y usa la distribución ji-cuadrado para obtener un p-valor. La verás a menudo en regresión logística y otros GLM, y tanto statsmodels como R la ejecutan con un par de líneas.

Pero recuerda qué significa el número. Una razón de verosimilitudes muestra apoyo relativo de una hipótesis frente a otra, no la probabilidad de que alguna sea cierta. Para eso necesitas odds previas, como en diagnóstico.

Si quieres profundizar, los siguientes pasos son los bloques que sostienen la prueba: la propia verosimilitud, la estimación de máxima verosimilitud y cómo la prueba de Wald y otras pruebas de hipótesis se comparan con la LRT.

Dario Radečić

Autor

Dario Radečić

Científico de Datos Senior con base en Croacia. Top Tech Writer con más de 700 artículos publicados, generando más de 10M de visitas. Autor del libro Automatización del aprendizaje automático con TPOT.

FAQs

¿Qué es una razón de verosimilitudes en términos sencillos?

Una razón de verosimilitudes es la verosimilitud de los datos observados bajo una hipótesis dividida por la verosimilitud de esos mismos datos bajo otra. Un valor mayor que 1 significa que los datos apoyan más a la hipótesis del numerador, y un valor menor que 1 que apoyan más a la del denominador. Muestra evidencia relativa entre dos explicaciones, no la probabilidad de que alguna sea cierta.

¿Cuál es la diferencia entre verosimilitud y probabilidad?

La probabilidad fija el parámetro y pregunta cuán probables son distintos resultados. La verosimilitud fija los datos observados y pregunta qué tan bien distintos valores del parámetro los explican. Ambas usan la misma fórmula, pero las verosimilitudes de todos los valores posibles del parámetro no suman 1, así que una verosimilitud no es la probabilidad de una hipótesis.

¿Cuándo debo usar una prueba de razón de verosimilitudes?

Úsala cuando quieras saber si un modelo más complejo ajusta mejor los datos que uno más simple, y el modelo simple sea un caso particular del complejo. El ejemplo más común es comprobar si predictores adicionales mejoran una regresión logística u otro GLM. Los modelos deben ajustarse por máxima verosimilitud y sobre las mismas observaciones.

¿Por qué la estadística de la LRT se multiplica por -2?

 La razón entre la verosimilitud maximizada del modelo restringido y la del completo siempre está entre 0 y 1, así que su logaritmo es 0 o negativo. El signo menos la vuelve positiva y crece conforme el modelo completo ajusta mejor. El factor 2 escala la estadística para que siga aproximadamente una ji-cuadrado en grandes muestras, tal y como muestra el teorema de Wilks.

¿Puedo usar una LRT para comparar modelos no anidados?

No en su versión estándar. Cuando ningún modelo es caso particular del otro, como una logística frente a un probit, la estadística no sigue una ji-cuadrado y el p-valor no es válido. Usa criterios de información como AIC y BIC, o la prueba de Vuong, pensada para comparaciones no anidadas.

Temas

Relacionado

Tutorial

Pruebas de hipótesis fáciles