Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Detalles Bibliográficos
Autor: Montenegro Muro, Rolando Antonio
Formato: tesis de maestría
Fecha de Publicación:2018
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/3759
Enlace del recurso:https://hdl.handle.net/20.500.12996/3759
Nivel de acceso:acceso abierto
Materia:Arboles forestales
Amazonía
Clasificación
Variedades
Modelos estadísticos
Métodos estadísticos
Análisis de datos
Perú
Especies forestales maderables
Análisis de Cluster
Algoritmo Clara
https://purl.org/pe-repo/ocde/ford#4.05.00
id UNAL_81674c5d234c0b27f10c633239a6eea5
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/3759
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.es_PE.fl_str_mv Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
title Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
spellingShingle Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
Montenegro Muro, Rolando Antonio
Arboles forestales
Amazonía
Clasificación
Variedades
Modelos estadísticos
Métodos estadísticos
Análisis de datos
Perú
Especies forestales maderables
Análisis de Cluster
Algoritmo Clara
https://purl.org/pe-repo/ocde/ford#4.05.00
title_short Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
title_full Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
title_fullStr Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
title_full_unstemmed Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
title_sort Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
author Montenegro Muro, Rolando Antonio
author_facet Montenegro Muro, Rolando Antonio
author_role author
dc.contributor.advisor.fl_str_mv Miranda Villagomez, Clodomiro Fernando
Acevedo Mallque, Moisés Pascual
dc.contributor.author.fl_str_mv Montenegro Muro, Rolando Antonio
dc.subject.es_PE.fl_str_mv Arboles forestales
Amazonía
Clasificación
Variedades
Modelos estadísticos
Métodos estadísticos
Análisis de datos
Perú
Especies forestales maderables
Análisis de Cluster
Algoritmo Clara
topic Arboles forestales
Amazonía
Clasificación
Variedades
Modelos estadísticos
Métodos estadísticos
Análisis de datos
Perú
Especies forestales maderables
Análisis de Cluster
Algoritmo Clara
https://purl.org/pe-repo/ocde/ford#4.05.00
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#4.05.00
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-12-27T15:54:35Z
dc.date.available.none.fl_str_mv 2018-12-27T15:54:35Z
dc.date.issued.fl_str_mv 2018
dc.type.en_US.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.other.none.fl_str_mv K10.M6555-T BAN UNALM
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/3759
identifier_str_mv K10.M6555-T BAN UNALM
url https://hdl.handle.net/20.500.12996/3759
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
Repositorio institucional - UNALM
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/7ff2e6b2-ac48-40aa-8dd4-f198a3bf4ad9/download
https://repositorio.lamolina.edu.pe/bitstreams/9bf157d1-1798-44d0-9421-b2bae168bd26/download
https://repositorio.lamolina.edu.pe/bitstreams/d1c3554d-6645-4134-94bc-88e761727dc8/download
https://repositorio.lamolina.edu.pe/bitstreams/43185458-b1aa-4a64-ba52-e191fc8129b3/download
https://repositorio.lamolina.edu.pe/bitstreams/7a7b1264-0e77-42a6-bfc2-4a31ea8db480/download
https://repositorio.lamolina.edu.pe/bitstreams/b8414e84-a42b-4722-aa4e-9e1fd406e222/download
https://repositorio.lamolina.edu.pe/bitstreams/6abd85d0-612a-42de-a7b2-02e2bc1adff0/download
bitstream.checksum.fl_str_mv aca12c54ac58d061644f1b5c07662263
66f328d9c04a9fcdbe1ae655e9e35208
f13e5c7a5657be1cb492c35d424c5930
b1d847b5525819dc07058db74ee0ad3f
c37138725ef93b220ac75ff16b74f0c6
2a4df3395f4e7088f8aea39112490981
85e652b8dfa19b82485c505314e0a902
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1843170320664494080
spelling Miranda Villagomez, Clodomiro FernandoAcevedo Mallque, Moisés Pascualf6680ab3-94a5-4425-9086-d01cceee6b52Montenegro Muro, Rolando Antonio2018-12-27T15:54:35Z2018-12-27T15:54:35Z2018K10.M6555-T BAN UNALMhttps://hdl.handle.net/20.500.12996/3759Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística AplicadaEl bosque amazónico cuenta con una gran variedad de especies arbóreas, la cual se estima en cuatro mil especies. Unas pocas especies amazónicas enfrentan la desaparición por la alta demanda de su madera. Para reducir la presión sobre las especies demandadas y promover el uso de nuevas especies es necesario conocer sus características tecnológicas, principalmente, las características físico mecánicas. Debido a la gran cantidad de propiedades que encierran dichas características, se propuso estudiar a las especies con técnicas multivariadas, específicamente a través del análisis de conglomerados. Ello con la finalidad de agruparlas en función a la similitud que tengan en sus propiedades físicas y mecánicas. Así, se pueden agrupar especies poco conocidas en el mercado con especies muy demandadas y sugerir potenciales usos. Para el estudio presente se utilizó el algoritmo CLARA (Clustering Large Applications), el cual es empleado en grandes conjuntos de datos. Para seleccionar el número de conglomerados óptimo se probó hacer de dos hasta diez grupos; luego se comparó el ancho de la silueta promedio y el índice de Dunn por grupo y se eligió el de valores más altos. Se encontró que con un ancho de la Silueta promedio de 0,339 el número óptimo de conglomerados es de dos. El número de conglomerados indicado coincide con el análisis realizado a partir del índice de Dunn, el cual alcanza su más alto valor en 0,1264 con dos clústeres. Los conglomerados tuvieron como medóides a Guarea subridiflora (“requia de altura”) y Retrophyllum tospigliosii (“ulcumano). El primer conglomerado se caracterizó por tener propiedades mecánicas y físicas altas, de acuerdo a lo establecido por Aróstegui et al (1986). Por otro lado, el conglomerado de medóide “ulcumano” se caracterizó por tener propiedades físico mecánicas bajas, a excepción del clivaje, el cual resultó ser medio.The Amazon forest has a great variety of tree species, which is estimated at four thousand species. A few Amazonian species face extinction due to the high demand for their wood. To reduce the pressure on the demanded species and to promote the use of new species, it is necessary to know their technological characteristics, mainly, the physical and mechanical ones. Due to the large number of properties, it has been proposed to study the species with multivariate techniques, specifically through Cluster analysis. This with the purpose of grouping them according to the similarity they have in their physical and mechanical properties. Thus, it es possible to group little known species in the market with highly demanded species and suggest potential uses. For the present study, the CLARA algorithm (Clustering Large Applications) was used, which is suitable for large data sets. To select the optimal number of conglomerates, groups from two to ten were formed; then the average Silhouette width and the Dunn index were compared by group and the highest value was chosen. It was found that with an average Silhouette width of 0.339 the optimum number of clusters is two. The number of clusters indicated coincides with the results from the Dunn index, which reaches its highest value at 0.1264 with two clusters. The conglomerates had Guarea subridiflora ("requia de altura") and Retrophyllum tospigliosii ("ulcumano") as medoids. The first conglomerate was characterized by having high mechanical and physical properties, according to Aróstegui et al (1986). On the other hand, the "ulcumano" medóide conglomerate was characterized by having low physical-mechanical properties, with the exception of the cleavage, which turned out to be medium.Tesisapplication/pdfspaUniversidad Nacional Agraria La Molinainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Agraria La MolinaRepositorio institucional - UNALMreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMArboles forestalesAmazoníaClasificaciónVariedadesModelos estadísticosMétodos estadísticosAnálisis de datosPerúEspecies forestales maderablesAnálisis de ClusterAlgoritmo Clarahttps://purl.org/pe-repo/ocde/ford#4.05.00Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clarainfo:eu-repo/semantics/masterThesisSUNEDUEstadistica aplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Estadística AplicadaMaestríaTEXTmontenegro-muro-rolando-antonio.pdf.txtmontenegro-muro-rolando-antonio.pdf.txtExtracted texttext/plain106103https://repositorio.lamolina.edu.pe/bitstreams/7ff2e6b2-ac48-40aa-8dd4-f198a3bf4ad9/downloadaca12c54ac58d061644f1b5c07662263MD54resumen.pdf.txtresumen.pdf.txtExtracted texttext/plain4626https://repositorio.lamolina.edu.pe/bitstreams/9bf157d1-1798-44d0-9421-b2bae168bd26/download66f328d9c04a9fcdbe1ae655e9e35208MD56THUMBNAILmontenegro-muro-rolando-antonio.pdf.jpgmontenegro-muro-rolando-antonio.pdf.jpgGenerated Thumbnailimage/jpeg3342https://repositorio.lamolina.edu.pe/bitstreams/d1c3554d-6645-4134-94bc-88e761727dc8/downloadf13e5c7a5657be1cb492c35d424c5930MD55resumen.pdf.jpgresumen.pdf.jpgGenerated Thumbnailimage/jpeg3028https://repositorio.lamolina.edu.pe/bitstreams/43185458-b1aa-4a64-ba52-e191fc8129b3/downloadb1d847b5525819dc07058db74ee0ad3fMD57ORIGINALmontenegro-muro-rolando-antonio.pdfmontenegro-muro-rolando-antonio.pdfTexto completoapplication/pdf1516888https://repositorio.lamolina.edu.pe/bitstreams/7a7b1264-0e77-42a6-bfc2-4a31ea8db480/downloadc37138725ef93b220ac75ff16b74f0c6MD51resumen.pdfresumen.pdfResumenapplication/pdf195257https://repositorio.lamolina.edu.pe/bitstreams/b8414e84-a42b-4722-aa4e-9e1fd406e222/download2a4df3395f4e7088f8aea39112490981MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81683https://repositorio.lamolina.edu.pe/bitstreams/6abd85d0-612a-42de-a7b2-02e2bc1adff0/download85e652b8dfa19b82485c505314e0a902MD5220.500.12996/3759oai:repositorio.lamolina.edu.pe:20.500.12996/37592023-01-05 03:41:16.899https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 12.650644
Clasificación de especies forestales maderables de la Amazonía Peruana aplicando análisis Clúster con algoritmo Clara
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