Tesis EP Estadística

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

Browse

Now showing 1 - 5 of 5

Clasificación de niveles de seguridad de información con relación de buenas prácticas empleando el algoritmo de árboles de clasificación en las organizaciones peruanas
(Universidad Nacional Mayor de San Marcos, 2021) Toledo Benavides, Beatriz; Robles Villanueva, Oscar Antonio
La gestión de seguridad de información se ha convertido en una función esencial dentro de las organizaciones pues a través de ella se protege adecuadamente uno de los recursos más importantes que tiene una organización: la información. En una situación extrema una organización sin información no podría continuar brindado sus productos y/o servicios, en una situación intermedia, perdiendo la confidencialidad o integridad de información cualquier organización tardaría en continuaar tomando decisiones o brindando sus productos o servicios, la dependencia de la información es muy grande, más aún en aquellas organizaciones que tienen una altísima dependencia de información digital y hacen un uso intensivo de tecnologías de la información. Por otra parte, tenemos que las buenas prácticas de gestión de seguridad de información pueden ser muy variadas y de diversa índole, lo cual incluye, por ejemplo, efectuar análisis y evaluación de riesgos de seguridad de información, contar con un área especializada de seguridad de información, obtener el compromiso de la alta dirección, entre otros. Dichas buenas prácticas permiten incrementar los niveles de seguriadd de la informaciión, sin embargo, no sabemos de manera objetiva cuál de estas buenas prácticas es más preponderante con relación a dichos niveles. Por lo anterior, es que M&T International, como empresa especializada en brindar servicios de seguridad de la nformación, con mas de 14 años en el mercado, considera fundamental conocer cuál o cuáles de las buenas prácticas en gestión de la seguridad de información tiene mayor relación con los niveles de seguridad de información que una organización puede lograr. El objetivo del presente trabajo es conocer a través de la aplicación de árboles de decisión la clasificación de las organizaciones peruanas en los niveles de seguridad de información, teniendo en cuenta 7 prácticas de gestión de la seguridad de información que tienen hoy en día las organizaciones peruanas. Para ello se consideró conveniente realizar una encuesta a nuestros clientes a nivel nacional, tanto entidades públicas y privadas, donde se evaluaron 7 buenas prácticas que consideramos esenciales (variables independientes) y puedan explicar, como ya se mencionó aplicando árboles de clasificación, el nivel de seguridad de información que alcanzan estas organizaciones, estos niveles se categorizan en 1) baja seguridad, 2) mediana seguridad y 3) alta seguridad. Así, por ejemplo, en nuestra experiencia hemos conocido que los bajos niveles de seguridad de información traen como consecuencia la fuga o perdida de información de la empresa ocasionando consecuencias financieras, pérdida de imagen para la organización, demandas legales, afectación a la provisión o continuidad del ofrecimiento de productos y/o servicios, entre otras consecuencias e impactos negativos. Los resultados, producto del análisis de esta encuesta será de gran utilidad para la toma de decisiones en la empresa respecto a los servicios de consultoría que ofrece, asimismo, de mucha utilidad para nuestros clientes a causa de que se les compartirá los resultados de este trabajo.
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.
Mixtura finita de la distribución Birnbaum-Saunders basada en la distribución de mixtura de escala normal
(Universidad Nacional Mayor de San Marcos, 2019) Benites Sánchez, Luis Enrique; Ponce Aruneri, María Estela
La distribución de Birnbaum-Saunders se ha utilizado para modelar datos unimodales positivamente asimétricos, pero las propuestas que buscan mixturar estas distribuciones para modelar datos multimodales fallan. La clase de mixtura de escala normal (MEN) es usada para modelar datos simétricos. En este trabajo, se propone un nuevo modelo estadístico usando una mixtura finita (MF) de la distribución Birnbaum-Saunders basada en la distribución de mixtura de escala normal, de tal manera que los datos multimodales, con asimetría positiva sean modelados con más flexibilidad. Específicamente, en la literatura actual los trabajos existentes que están relacionados, se han limitado a considerar mixtura de 2 distribuciones. La propuesta permite modelar escenarios multimodales considerando 2 o más componentes de mixtura de distribuciones, que es una extensión de los trabajos realizados por Balakrishnan y otros. (2009), Balakrishnan y otros. (2011) y Benites y otros. (2017). Los par´ametros del modelo de mixtura finita propuesto se estimarán mediante el método de máxima verosimilitud que se basa en un algoritmo de maximización condicional de la esperanza (un tipo de algoritmo EM). También serán desarrollados estudios de simulación y aplicaciones con datos reales. Finalmente, la metodología será incorporada en el paquete en R, bssn y las rutinas de R de las simulaciones estarán disponibles en el GitHub.
Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
(Universidad Nacional Mayor de San Marcos, 2021) Cisterna Molloco, César Enrique; Roque Paredes, Ofelia
Actualmente la Institución Financiera ha identificado a clientes según su interacción con los canales físicos y digitales, entre clientes activos (42%) y clientes inactivos (58%), por lo cual es fundamental poder realizar acciones comerciales diferenciadas sobre este universo de clientes. Se define como cliente activo a aquel cliente que realizó operaciones monetarias y no monetaria por canales digitales del banco dentro de los últimos seis meses o que realizan sus operaciones en canales físicos dentro de los últimos seis meses. Debido a ello las áreas de negocio encargadas de realizar las campañas, decidieron priorizar la acción comercial en los clientes activos, lo cuales son alrededor de un millón setecientos mil clientes de manera mensual. Sin embargo, se desea realizar diferentes acciones comerciales según el perfil de los clientes activos puesto no todos tienen el mismo perfil. Por lo cual, el presente trabajo consiste en la segmentación de clientes activos, el cual se desarrolló dentro del área de Business Analytics, área encargada del perfilamientos y segmentaciones de los clientes. Y mediante la segmentación, los responsables del negocio podrán realizar acciones comerciales que permitan gestionar los KPI’s establecidos, que son el cross, el uso de tarjetas de crédito o débito y el aumento del uso de los canales digitales. Esta segmentación permite conocer de manera acertada el perfil de los clientes activos, lo que permitirá ofrecer productos que calcen con las necesidades de los clientes activos, permitiendo incrementar sus KPI’s.
Una aplicación de procedimiento de “Imputación múltiple” como método alternativo a la no respuesta
(Universidad Nacional Mayor de San Marcos, 2012) Condori Garro, Haydee; Pillhuaman Caña, Nelly Demetria
Presenta el procedimiento de imputación múltiple como método alternativo a la no respuesta parcial. Para la aplicación de este estudio se contó con una base de datos de empleados de una empresa de Lima Metropolitana, en ella se determinó el tamaño de muestra para los objetivos que se trazaron, la muestra seleccionada se denominó muestra completa y a partir de ella se generó una muestra incompleta eliminando aproximadamente el 10.4% de algunos campos, esto se realizó con la finalidad de comparar las estimaciones con datos completos e incompletos mediante la aplicación del procedimiento de imputación múltiple a la muestra incompleta.

Browse

Browsing Tesis EP Estadística by Subject "Algoritmos"