Tesis EP Estadística

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/38

Browse

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

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    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).