Tesis EP Estadística

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

Browse

Browsing Tesis EP Estadística by Subject "Análisis de regresión - Modelos matemáticos"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Comparación de dos métodos de regresión al modelar los gastos mensuales brutos, en presencia de valores atípicos, de los hogares de la sierra central del Perú – 2013
    (Universidad Nacional Mayor de San Marcos, 2016) Carbajal Orihuela, Sandy Giulianna
    Se comparan los resultados de ajuste al aplicar dos métodos de regresión múltiple, el método de máxima verosimilitud y el método robusto, cuyo objetivo es conocer cuál de los dos tienen mejores resultados al aplicarlos al modelo de regresión que explica los gastos mensuales de los peruanos de la sierra central, en presencia de observaciones atípicas e incumpliendo el supuesto de la normalidad de los residuos. Se realiza un análisis exploratorio previo de los datos para las diferentes variables y se analizarán usando los paquetes estadísticos SPSS y MATLAB; los datos usados en este trabajo corresponden a la Sumaria del Dominio Sierra Centro de la Encuesta Nacional de Hogares (ENAHO) del año 2013.
  • Thumbnail Image
    Item
    Exceso de ceros en el análisis de regresión Poisson. Aplicación al estudio de factores asociados con el número ideal de hijos en las mujeres peruanas en edad fértil
    (Universidad Nacional Mayor de San Marcos, 2011) Cruz Reyna, Amanda; Agüero Palacios, Ysela Dominga
    Estudia los modelos de regresión para el caso en que las observaciones de la variable respuesta contiene un número excesivo de ceros y pretende ajustar un modelo para explicar el número ideal de hijos de las mujeres peruanas en edad fértil a partir de un conjunto de variables explicativas, utilizando los datos de la Encuesta Demográfica y de Salud Familiar ENDES – 2009. Cuando se tiene una variable de respuesta, en la cual, se observa la frecuencia (conteos) con que se presenta una característica de la población e interesa relacionarla con un conjunto de características observadas en la misma población, normalmente se ajusta un modelo de regresión Poisson, el cual, es un miembro de la familia de los modelos lineales generalizados. Una característica de los modelos de regresión Poisson es que la varianza de la componente aleatoria es igual a la esperanza más un parámetro de escala, el cual se asume que es igual a 1, es decir que existe equidispersión. Este supuesto implica que los datos observados no presenten sobre dispersión (>1) o sub dispersión (<1). Cuando la muestra observada presenta una elevada cantidad de ceros en la variable respuesta, el supuesto de equidispersión puede verse afectado, por lo tanto, el modelo de regresión Poisson no se ajusta adecuadamente a los datos observados, puesto que pierde potencia. Por lo tanto, es necesario utilizar otros modelos de regresión que no sean afectados o por lo menos, sean menos afectados por este problema. En el caso en que no sea conveniente utilizar el modelo de regresión Poisson, por el problema antes mencionado, existen varios modelos alternativos tales como la regresión binomial negativa y el modelo de regresión Hurdle que son menos conocidos y utilizados que el modelo de regresión Poisson.
  • 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.