Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada

El objetivo de esta investigación tiene como propósito comparar un modelo de predicción de fuga de clientes en una empresa de telefonía móvil. El modelo propuesto fue el algoritmo Adaboost, el cual se desarrolla a través de aprendizaje adaptativo. Para probar su eficiencia se comparó con la regresión logística desde la perspectiva de la minería de datos. Como la variable objetivo de respuesta era desbalanceada se utilizó procedimientos de muestreo para equilibrar los datos (sub-muestreo, sobre-muestreo y SMOTE). Las medidas de desempeño para elegir el modelo fueron la precisión, el recall (sensibilidad), el F-mesausre y el AUC (curvas ROC). La precisión, el recall y el F-mesuare arrojaron rendimientos superiores a favor del algoritmo Adaboost, también la medida principal de desempeño dio un AUC=0,93 para el Adaboost, frente a un AUC=0,86 para la regresión logística. Rea...

The objective of this research was to compare and test different methods and alternatives to approach factorial designs with fixed effects, when the assumptions of normality or homogeneity of variances are not met. Twenty methods investigated in the literature as an alternative to classical ANOVA (variance analysis) were described and tested, including non-parametric techniques, robust methods, permutations, methods for heterogeneous variances and transformations; which are currently available and implemented in R software. The methods were tested in a 3A2B factorial design, where factor A was varieties of pineapple (Golden, Cayenne Lisa and Hawaiian), factor B was type of crop management (conventional and organic), and the response variable was the average percentage of Brix degrees. Among the proposed methods, 15 rejected the interaction hypothesis, and when comparing the type I error ...