Tesis EP Estadística

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

Browse

Now showing 1 - 4 of 4

Comparación de los modelos de regresión ordinal según su capacidad predictiva de la percepción de los padres de familia acerca de la calidad educativa escolar
(Universidad Nacional Mayor de San Marcos, 2020) Araujo Risalve, Hagler Brown; Adriazola Cruz, Rosa Ysabel
El presente trabajo es de tipo aplicativo y de diseño no experimental de corte transversal. Se analizó la variable dependiente capacidad predictiva de los modelos de regresión ordinal de categorías adyacentes y acumulativo de ventajas proporcionales, utilizando como variable interviniente a la percepción de la calidad educativa escolar en el colegio Cristo Rey Salvador UGEL 06 Ate Vitarte, Lima. Para la estimación de los modelos de regresión ordinal de categorías adyacentes y acumulativo de ventajas proporcionales se utilizó los datos de una muestra de entrenamiento el cual está conformada por los padres de familia de los alumnos de secundaria del centro educativo, posteriormente mediante una muestra de validación se comparó la capacidad predictiva de ambos modelos estimados, prediciéndose para esto la percepción de la calidad educativa escolar, obteniéndose que la capacidad de predicción, obtenida como el porcentaje de predicciones correctas es la misma, utilizando ambos modelos de regresión ordinal.
Estimación de las componentes de una serie de tiempo mediante Regresión Armónica Dinámica
(Universidad Nacional Mayor de San Marcos, 2021) Olivera Kalafatovich, Ruth Maly; Medina Merino, Rosa Fátima
En el estudio presentado a continuación, se buscó identificar y estimar las componentes no observables de la serie de tiempo temperatura superficial del mar frente a las costas de Tumbes mediante un modelo de regresión armónica dinámica (DHR) con espacio-estado estocástico”. Para realizar la estimación se utilizó el filtro de Kalman y algoritmos fijos de intervalo suavizado. Asimismo, se trabajó con un método de optimización en el dominio de frecuencias para estimar la varianza del ruido blanco y otros hiperparámetros. En los resultados se consiguió la identificación de las componentes no observadas de la serie y su representación a través de los modelos de regresión armónica. Como tal, se definió que el modelo Ar(13) Ma(1) es el modelo que más se ajusta a la serie de tiempo con la que se trabajó, ya que presenta valores mínimos de AKAIKE, Schwarz Criterion, Hannan Quinn y las autocorrelaciones de los residuos se encuentran dentro de las bandas de confianza.
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.
Medidas de diagnóstico para identificar observaciones influyentes en análisis de componentes principales comunes
(Universidad Nacional Mayor de San Marcos, 2010) Figueroa Agüero, Jeanette; Gómez Ticerán, Doris Albina
Se presentan medidas para detectar e identificar observaciones influyentes, que han sido ampliamente desarrollados en el área de robustez y principalmente en el contexto de los modelos de regresión lineal, en cuya línea argumental, cabe citar los trabajos de Belsley (1982), Cook (1986), Atkinson (1986) entre otros. El modelo de Componentes Principales Comunes según Flury (1984) para varios grupos de observaciones multivariantes asume que las variables transformadas según este modelo, tienen ejes principales iguales en todos los grupos pero diferentes matrices de covarianzas a lo largo de los ejes comunes entre los grupos. En el presente trabajo, se presentan medidas para identificar observaciones influyentes cuando los datos siguen el modelo de. También se ve la aproximación entre los elementos de la diagonal de la matriz de influencia local con los elementos de la diagonal de la matriz leverage, por lo que nos permiten detectar conjuntos de observaciones cuyos efectos simultáneos coinciden en la identificación de dichas observaciones influyentes y se ilustra con algunas aplicaciones en la botánica y agricultura. El método, se basa en la búsqueda de una estructura común, una rotación (común), que diagonalice las matrices de covarianza de los datos originales simultáneamente en todas las poblaciones, a partir de la comparación de las matrices de covarianzas. La hipótesis para la estructura básica común de las matrices de covarianza (definidas positivas) para poblaciones es: donde: es la matriz ortogonal de autovectores, son las matrices diagonales de autovalores y es la matriz de covarianza de la población -ésima.

Browse

Browsing Tesis EP Estadística by Subject "Análisis de regresión"