EP Estadística

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

Browse

Now showing 1 - 7 of 7

Análisis de árboles de clasificación para la creación de un modelo que permita describir el perfil de los morosos y no morosos en una entidad financiera de Lima Metropolitana en el 2014
(Universidad Nacional Mayor de San Marcos, 2016) Tafur Tembladera, Edelina Anyela; Kraenau Espinal, Erwin
Las entidades financieras están desarrollando constantemente modelos que les ayuden a predecir el comportamiento de sus clientes, con el fin de mejorar sus ganancias o de reducir las pérdidas, como el riesgo de “no pago” o de “morosidad”. El objetivo es crear un modelo predictivo de Árboles de Decisión por Clasificación con minería de datos para predecir la morosidad financiera en Lima Metropolitana, describiendo y analizando las variables independientes con el algoritmo CHAID (Detector automático de Chi-cuadrado de interacción) siguiendo la metodología CRISP-DM en una base de datos de una entidad financiera. La principal ventaja de esta metodología es que no está sujeta a supuestos estadísticos, este método es muy usado cuando se busca predecir o clasificar comportamientos de riesgo, como la morosidad, y se cuenta con más variables cualitativas que cuantitativas. La metodología persigue la separación óptima en la muestra, de tal modo que los grupos de la variable respuesta ofrecen distintos perfiles de riesgo.
Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
(Universidad Nacional Mayor de San Marcos, 2013) Galarza Guerrero, Lourdes Angelica; Kraenau Espinal, Erwin
En el siguiente trabajo se presentan dos tratamientos a los problemas suscitados en el análisis de datos con presencia de datos perdidos: El Algoritmo EM basado en la Estimación por Máxima Verosimilitud y la Imputación Múltiple para datos faltantes, ambos métodos presentan ciertas ventajas frente a los métodos de imputación simple que ocasionan la obtención de estimadores distorsionados y sesgados. El algoritmo EM y la Imputación Múltiple se aplican a un conjunto de datos obtenido por simulación, causándole la pérdida de algunos valores con el objetivo de realizar posteriores comparaciones de las estimaciones obtenidas en casos con el conjunto de datos con y sin información faltante.
Determinación de los factores asociados con la desnutrición crónica infantil en niños menores de 5 años utilizando Regresión de Poisson
(Universidad Nacional Mayor de San Marcos, 2009) Gaspar Revolledo, Ana Isabel; Kraenau Espinal, Erwin
Realiza un análisis de la desnutrición crónica en niños menores de 5 años de edad y su relación con variables como: sexo del niño, edad del niño, nivel de instrucción de la madre, la familia cuenta con seguro de salud, índice de riqueza de la familia, región natural en donde reside la familia (Lima Metropolitana, resto de Costa, Sierra, Selva), utilizando el modelo de Regresión Poisson. Se analizaron los resultados (resúmenes) obtenidos de diversos estudios realizados principalmente de la Encuesta Demográfica y de Salud familiar ENDES 2007, así como los resultados del Informe Principal de la Encuesta Demográfica y de Salud familiar ENDES continua 2004 – 2006, cuyos resultados de la aplicación de la regresión Poisson se pudo observar como factores de riesgo que presentan los niños menores de 5 años de edad se da cuando el niño(a) inicia el segundo año de edad (1 año a más), así como el sexo del niño sea hombre; asimismo, en cuanto al aspecto familiar se presenta como factor de riesgo el nivel socioeconómico de la familia es bajo (pobre) y el lugar de residencia está ubicado en la Sierra o Selva de nuestro país.
Estimación no paramétrica de la función de regresión mediante funciones kernel
(Universidad Nacional Mayor de San Marcos, 2012) Paniora Ceron, Lucio; Kraenau Espinal, Erwin
Se presenta los fundamentos teóricos de la regresión no paramétrica utilizando las funciones Kernel, como una alternativa más flexible en los casos en que la variable respuesta y variables explicativas no cumplen los supuestos que exige los modelos paramétricos o a menudo no se logra captar el comportamiento de los datos en todo el campo de variación de las variables explicativas, la estimación no paramétrica explota la idea de suavizado local, que solamente utiliza las propiedades de continuidad o diferenciabilidad local de la función a estimar, se completa el trabajo con una aplicación utilizando el paquete KernSmooth de R.
Estudio y aplicación de los modelos ARFIMA en el análisis de la serie de tiempo “Importación de bienes de consumo en el Perú“
(Universidad Nacional Mayor de San Marcos, 2009) Araujo Salas, Genaro Humberto; Kraenau Espinal, Erwin
Presenta una aplicación de los modelos ARFIMA a la serie de tiempo “Importación de bienes de consumo en el Perú (en millones de dólares)”. En los conceptos básicos se repasa la teoría de los modelos bajo el enfoque del dominio del tiempo (modelos ARIMA) y bajo el enfoque del dominio de frecuencia, para contextualizarnos antes de entrar a la teoría de los modelos ARFIMA; se presentan herramientas alternativas para detectar la característica de memoria larga para poder decidir cuál de ellas utilizar, se desarrolla la teoría correspondiente a los modelos ARFIMA en la cual se verán los métodos para estimar el parámetro de diferenciación fraccional y luego se desarrolla la aplicación para luego obtener pronósticos, comentar los resultados y dar las conclusiones del caso.
La componente probabilística en la matemática actuarial de los seguros de vida
(Universidad Nacional Mayor de San Marcos, 2012) Patricio Velazco, Homero Eric; Kraenau Espinal, Erwin
Estudia a la componente probabilística y su trascendencia en la Ciencia Actuarial, específicamente en la matemática actuarial de los seguros de vida, desarrollando una descripción detallada de las principales variables aleatorias que se utilizan y la determinación de las probabilidades requeridas, conjugando todo esto con la parte financiera a la que se encuentra asociada. Finalizando con una aplicación en la determinación de una prima de un seguro de tipo vida entera.
Pronósticos y comparación de una serie de tiempo con cambios estructurales mediante la red neuronal artificial de retropropagación resiliente y modelos no lineales
(Universidad Nacional Mayor de San Marcos, 2015) Cárdenas Garro, José Antonio; Kraenau Espinal, Erwin
En esta investigación se propone una metodológica alternativa a la metodología de Box y Jenkins, donde se podrá evidenciar el modelamiento de series temporales no lineales, mediante el enfoque paramétrico y el enfoque No paramétrico. En el enfoque paramétrico me inclinaré por la extensión de los métodos de Box y Jenkins, es decir, los modelos ARCH, GARCH, TGARCH entre otros, para el modelado de series temporales no lineales, en la cual obtendré los pronósticos del año 2012 para la serie temporal:  Número de peruanos retornantes según año de regreso mediante medio de transporte aéreo. En el enfoque No paramétrico presentaré el método de la red neural de retropropagación resiliente para el modelado de series temporales no lineales, en la cual obtendré los pronósticos del año 2012 para la serie temporal:  Número de peruanos retornantes según año de regreso mediante medio de transporte aéreo. La serie de tiempo estudiada para esta investigación presenta un cambio estructural durante los años del 2000-2003, lo que induce a la no linealidad de la serie. La estimación de los dos enfoques serán comparados y se elegirá el enfoque que otorgue mejores pronósticos, la cual escogeré mediante indicadores de validación como por ejemplo el MAD (Desviación Media Residual) y SSE (Suma de los Cuadrados de los Residuos).

Browse

Browsing EP Estadística by browse.metadata.advisor "Kraenau Espinal, Erwin"