Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico

Descripción del Articulo

Este trabajo propone un Modelo de Regresión Cuantílica Semiparamétrico. Nosotros empleamos la metodología sugerida por Crainiceanu et al. (2005) para un modelo semiparamétrico en el contexto de un modelo de regresión cuantílica. Un enfoque de inferencia Bayesiana es adoptado usando Algoritmos de Mon...

Descripción completa

Detalles Bibliográficos
Autor: Agurto Mejía, Hugo Miguel
Formato: tesis de maestría
Fecha de Publicación:2013
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/6174
Enlace del recurso:http://hdl.handle.net/20.500.12404/6174
Nivel de acceso:acceso abierto
Materia:Estadística bayesiana
Análisis de regresión
Variables (Estadística)
Procesos de Markov
Método de Monte Carlo
https://purl.org/pe-repo/ocde/ford#1.01.03
id PUCP_b52be794b54ee1a62c5ed2dece84e773
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/6174
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.es_ES.fl_str_mv Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
title Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
spellingShingle Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
Agurto Mejía, Hugo Miguel
Estadística bayesiana
Análisis de regresión
Variables (Estadística)
Procesos de Markov
Método de Monte Carlo
https://purl.org/pe-repo/ocde/ford#1.01.03
title_short Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
title_full Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
title_fullStr Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
title_full_unstemmed Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
title_sort Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
author Agurto Mejía, Hugo Miguel
author_facet Agurto Mejía, Hugo Miguel
author_role author
dc.contributor.advisor.fl_str_mv Bayes Rodríguez, Cristian Luis
dc.contributor.author.fl_str_mv Agurto Mejía, Hugo Miguel
dc.subject.es_ES.fl_str_mv Estadística bayesiana
Análisis de regresión
Variables (Estadística)
Procesos de Markov
Método de Monte Carlo
topic Estadística bayesiana
Análisis de regresión
Variables (Estadística)
Procesos de Markov
Método de Monte Carlo
https://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.03
description Este trabajo propone un Modelo de Regresión Cuantílica Semiparamétrico. Nosotros empleamos la metodología sugerida por Crainiceanu et al. (2005) para un modelo semiparamétrico en el contexto de un modelo de regresión cuantílica. Un enfoque de inferencia Bayesiana es adoptado usando Algoritmos de Montecarlo vía Cadenas de Markov (MCMC). Se obtuvieron formas cerradas para las distribuciones condicionales completas y así el algoritmo muestrador de Gibbs pudo ser fácilmente implementado. Un Estudio de Simulación es llevado a cabo para ilustrar el enfoque Bayesiano para estimar los parámetros del modelo. El modelo desarrollado es ilustrado usando conjuntos de datos reales.
publishDate 2013
dc.date.created.es_ES.fl_str_mv 2013
dc.date.accessioned.es_ES.fl_str_mv 2015-07-20T16:47:07Z
dc.date.available.es_ES.fl_str_mv 2015-07-20T16:47:07Z
dc.date.issued.fl_str_mv 2015-07-20
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/6174
url http://hdl.handle.net/20.500.12404/6174
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/f691c300-3513-43cd-8e5e-97b1450abdd8/download
https://tesis.pucp.edu.pe/bitstreams/0e2d8236-716e-42eb-8322-8e4a58bad4b5/download
https://tesis.pucp.edu.pe/bitstreams/f295a38c-034f-4960-ac31-f7306daf8b00/download
https://tesis.pucp.edu.pe/bitstreams/9f801365-e81e-47d6-a08d-dbd57f766f6c/download
bitstream.checksum.fl_str_mv 9d0b1a89f3680f82f609fccc60b5bf03
8a4605be74aa9ea9d79846c1fba20a33
10e9e17a111ce01d8a315ded51c6f9ab
f0be7c1c9510146cbad673bc25fd699f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1839177121284489216
spelling Bayes Rodríguez, Cristian LuisAgurto Mejía, Hugo Miguel2015-07-20T16:47:07Z2015-07-20T16:47:07Z20132015-07-20http://hdl.handle.net/20.500.12404/6174Este trabajo propone un Modelo de Regresión Cuantílica Semiparamétrico. Nosotros empleamos la metodología sugerida por Crainiceanu et al. (2005) para un modelo semiparamétrico en el contexto de un modelo de regresión cuantílica. Un enfoque de inferencia Bayesiana es adoptado usando Algoritmos de Montecarlo vía Cadenas de Markov (MCMC). Se obtuvieron formas cerradas para las distribuciones condicionales completas y así el algoritmo muestrador de Gibbs pudo ser fácilmente implementado. Un Estudio de Simulación es llevado a cabo para ilustrar el enfoque Bayesiano para estimar los parámetros del modelo. El modelo desarrollado es ilustrado usando conjuntos de datos reales.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Estadística bayesianaAnálisis de regresiónVariables (Estadística)Procesos de MarkovMétodo de Monte Carlohttps://purl.org/pe-repo/ocde/ford#1.01.03Inferencia bayesiana en un modelo de regresión cuantílica semiparamétricoinfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en EstadísticaMaestríaPontificia Universidad Católica del Perú. Escuela de PosgradoEstadística40372640https://orcid.org/0000-0003-0474-7921542037https://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdfAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdfapplication/pdf5336005https://tesis.pucp.edu.pe/bitstreams/f691c300-3513-43cd-8e5e-97b1450abdd8/download9d0b1a89f3680f82f609fccc60b5bf03MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/0e2d8236-716e-42eb-8322-8e4a58bad4b5/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADTEXTAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdf.txtAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdf.txtExtracted texttext/plain135152https://tesis.pucp.edu.pe/bitstreams/f295a38c-034f-4960-ac31-f7306daf8b00/download10e9e17a111ce01d8a315ded51c6f9abMD55falseAnonymousREADTHUMBNAILAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdf.jpgAGUSTO_MEJIA_HUGO_INFERENCIA_BAYESIANA.pdf.jpgIM Thumbnailimage/jpeg36113https://tesis.pucp.edu.pe/bitstreams/9f801365-e81e-47d6-a08d-dbd57f766f6c/downloadf0be7c1c9510146cbad673bc25fd699fMD56falseAnonymousREAD20.500.12404/6174oai:tesis.pucp.edu.pe:20.500.12404/61742025-07-18 12:58:07.319http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.353536
Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares