EP Estadística

Permanent URI for this communityhttps://hdl.handle.net/20.500.12672/5100

Browse

Browsing EP Estadística by browse.metadata.advisor "Bravo Quiroz, Antonio"

Filter results by typing the first few letters
Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Construcción de indicadores de pobreza usando la teoría de conjuntos difusos. Caso: Perú 2008-2010
    (Universidad Nacional Mayor de San Marcos, 2012) Olivera Farge, Evelyn Vania; Bravo Quiroz, Antonio
    Estudia y presenta una revisión de la metodología más usada para definir y construir indicadores de pobreza de la población usando la teoría de conjuntos difusos. Se hace una aplicación de esta metodología para la construcción y cálculo de indicadores de pobreza para la población de hogares peruanos en un marco multidimensional usando la información recogida por la Encuesta Nacional de Hogares (ENAHO) para los años 2008, 2009 y 2010. Los resultados indican que la pobreza multidimensional, calculada bajo un enfoque difuso, no ha decrecido significativamente (en más de un punto porcentual) en estos tres años. También, que los niveles de privación o precariedad de los hogares peruanos respecto a las variables nivel educativo máximo aprobado por el jefe de hogar, número de miembros en el hogar y categoría de ocupación del jefe de hogar son significativamente altos (más del 50%), observándose mayor precariedad en el área rural.
  • Thumbnail Image
    Item
    El análisis factorial confirmatorio como un método para la medición de la percepción de una distribuidora industrial
    (Universidad Nacional Mayor de San Marcos, 2012) Flores Chamba, Juan Carlos; Bravo Quiroz, Antonio
    Presenta los fundamentos teóricos del análisis factorial confirmatorio con el objetivo de medir la percepción de una distribuidora industrial. Se empleó un tipo de enfoque como alternativa para la reespecificación del modelo cuando se observan estimaciones que exceden los límites aceptables, determinando así el número de factores y el subconjunto de variables observables asociado a cada factor mediante pruebas estadísticas. Se completa el trabajo con una aplicación utilizando los paquetes estadísticos SPSS 18 y STATISTICA V.7.
  • Thumbnail Image
    Item
    Estimación no paramétrica para datos con eventos recurrentes
    (Universidad Nacional Mayor de San Marcos, 2011) Huamaní Ñahuinlla, Percy; Bravo Quiroz, Antonio
    Cuando se estudia el análisis de supervivencia generalmente lo hacemos para eventos que ocurren por única vez para cual es muy útil el estimador de Klapan Meier para estimar la función de supervivencia. Sin embargo, cuando tenemos el caso de eventos que ocurren varias veces para un mismo individuo u objeto necesitamos otros estimadores para la función de supervivencia, es ahí donde nacen nuevos conceptos para el análisis de supervivencia como por ejemplo, interocurrencia, tiempos correlacionados, modelos de fragilidad, etc. Para realizar inferencia en este tipo de estudio, debe tener cuidado con los tiempos de interocurrencia ya que muchas veces estos tiempos no son independientes, si no tenemos en cuenta este hecho, se pueden obtenerse estimadores sesgados e ineficientes. En el caso de independencia, podemos usar el Estimador General Limite de Producto (GPLE), por otra parte para modelos con tiempos correlacionados debemos utilizar otros estimadores como Wang-Chang (WC) y modelos de Gamma de Fragilidad (FRMLE). El objetivo que se persigue en este trabajo de investigación, es estimar la función de supervivencia a través de los estimadores no paramétricos para eventos que ocurren más de una vez. La aplicación de los estimadores en la base de datos de Complejo Migratorio Motor (CMM) que fue elaborado por Aalen y Husebye en 1991 y que actualmente se encuentra en la consola de R Project, en dicho base de datos se aplica los estimadores de Wang-Chang y Peña-Strawderman-Hollander de modo independiente, los resultados de ambas estimaciones son muy similares por lo que el método de análisis no afecta en los resultados siempre y cuando los tiempos de interocurrencias son independientes, en el caso de datos con tiempos correlacionados es recomendable sólo utilizar el estimador de Wang-Chang.
  • Thumbnail Image
    Item
    Modelo de regresión de Cox usando splines
    (Universidad Nacional Mayor de San Marcos, 2011) Flores Flores, Claudio Jaime; Bravo Quiroz, Antonio
    En muchos estudios clínicos es muy frecuente el uso de modelo de riesgos proporcionales de Cox; el cual asume riesgos proporcionales y restringe a que el logaritmo de la razón de riesgo sea lineal en las covariables, lo cual en muchos casos no se verifica. En este sentido, una forma funcional no lineal del efecto de las covariables puede ser aproximada por una función spline. En este trabajo, se presenta la metodología del modelo de regresión de Cox usando splines, particularmente regresión splines y P-splines, para aproximar la forma funcional no-lineal de los efectos de las covariables en la función de riesgo. Como una aplicación, se analiza los datos de pacientes con LNH para determinar los factores pronósticos para la supervivencia global. Los resultados muestran que el efecto de las covariables contínuas como hemoglobina, leucocitos, linfocitos y DHL presentan una forma funcional no lineal en el logaritmo de la razón de riesgo. -- Palabras claves: Modelo de Cox, regresión splines, P-splines, LNH.
  • Thumbnail Image
    Item
    Un enfoque bayesiano del método de captura-recaptura en poblaciones cerradas
    (Universidad Nacional Mayor de San Marcos, 2013) Limachi Abregú, Katerine Raquel; Bravo Quiroz, Antonio
    Presenta el método de captura-recaptura, bajo los enfoques clásicos y bayesianos, para estimar el tamaño poblacional, a través del número de animales distintos en las diversas épocas de captura. Presenta las nociones básicas del Teorema de Bayes, el método de captura-recaptura en su forma más simple (sólo dos épocas muestrales) y en su forma múltiple, a su vez presenta el modelo estadístico clásico sobre el método de captura-recaptura en poblaciones cerradas a través de la función verosimilitud, lo cual es la base esencial de este trabajo, luego se hizo un análisis exhaustivo sobre el modelo bayesiano, demostrando las distribuciones a priori y a posteriori necesarias para la estimación del tamaño poblacional, usando distribuciones a priori no informativas, además se presenta aplicaciones con simulaciones numéricas sobre este método a través de dos técnicas: Marginal casi exacta y el algoritmo de Gibbs Sampling.