En Este Ejemero Se MuestraCómoAjustary评价Modelos Lineales Generalizados Mediante Y.glmfitglmvalLaRegresiónLinealOrdinaria Se Puede Uterizar Para ajustar UnaLíneaenta，O CualquierFunciónQue Sea Lineal en SusParámetros，Datos Con Errores Distribuidos Italantmente。Este Es El Modelo deRegresiónMásMillizo;SIN EMBARGO，没有SIEMPRE ES REALISTA。Los Modelos Lineales GeneralizadosSollíanel Modelo Lineal de Dos Maneras。En Primer Lugar，LaAsuncióndeNealidaden LosParámetrosSeRelaja，Intrafiendo LaFuncióndeaface。EN SEGUNDO LUGAR，LAS DESIXIONES DE ERRORESTINTAS DE LAS NORMILES SE PUEDEN MOURIGAR

En Este Ejemero Se MuestraCómoariazar indencias bayesianas para un modelo degregsiónlogísticamediante。slicesample.

这样我们就可以得到cómo一个regresión的模型，没有误差变化的线性参数，没有常数。

Este ejemplo muestra cómo aplicar la regresión parcial de mínimos cuadrados (PLSR) y la regresión de componentes principales (PCR)， y describe la eficacia de los dos métodos。PLSR和PCR的结果métodos模型中包含了一个变量número预测变量，这些变量的预测结果为están与共线的相关性。在métodos中解释新的预测变量，conocidas como componentes, como combinaciones lineales的原始预测变量，pero解释不同的maneras的esos组件。PcR的组成部分在观测变量中可观察到的变化，在预测变量中，通常是一个绝对的respuesta变量。在其他情况下，我们也可以用一个变量来代替它，我们可以用一个模型来代替这个变量。如果我们不争吵última实际上是在一个modelo más parsimonioso，在términos的suuso práctico，视情况而定。