Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes

Descripción del Articulo

En el siguiente trabajo se presentan dos tratamientos a los problemas suscitados en el análisis de datos con presencia de datos perdidos: El Algoritmo EM basado en la Estimación por Máxima Verosimilitud y la Imputación Múltiple para datos faltantes, ambos métodos presentan ciertas ventajas frente a...

Descripción completa

Detalles Bibliográficos
Autor: Galarza Guerrero, Lourdes Angelica
Formato: tesis de grado
Fecha de Publicación:2013
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/3578
Enlace del recurso:https://hdl.handle.net/20.500.12672/3578
Nivel de acceso:acceso abierto
Materia:Algoritmos
Imputación múltiple (Estadística)
https://purl.org/pe-repo/ocde/ford#1.01.03
id UNMS_52174fe798a6f4caff8b3dd2af51acbf
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/3578
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
title Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
spellingShingle Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
Galarza Guerrero, Lourdes Angelica
Algoritmos
Imputación múltiple (Estadística)
https://purl.org/pe-repo/ocde/ford#1.01.03
title_short Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
title_full Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
title_fullStr Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
title_full_unstemmed Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
title_sort Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
author Galarza Guerrero, Lourdes Angelica
author_facet Galarza Guerrero, Lourdes Angelica
author_role author
dc.contributor.advisor.fl_str_mv Kraenau Espinal, Erwin
dc.contributor.author.fl_str_mv Galarza Guerrero, Lourdes Angelica
dc.subject.none.fl_str_mv Algoritmos
Imputación múltiple (Estadística)
topic Algoritmos
Imputación múltiple (Estadística)
https://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.03
description En el siguiente trabajo se presentan dos tratamientos a los problemas suscitados en el análisis de datos con presencia de datos perdidos: El Algoritmo EM basado en la Estimación por Máxima Verosimilitud y la Imputación Múltiple para datos faltantes, ambos métodos presentan ciertas ventajas frente a los métodos de imputación simple que ocasionan la obtención de estimadores distorsionados y sesgados. El algoritmo EM y la Imputación Múltiple se aplican a un conjunto de datos obtenido por simulación, causándole la pérdida de algunos valores con el objetivo de realizar posteriores comparaciones de las estimaciones obtenidas en casos con el conjunto de datos con y sin información faltante.
publishDate 2013
dc.date.accessioned.none.fl_str_mv 2014-11-02T02:28:28Z
dc.date.available.none.fl_str_mv 2014-11-02T02:28:28Z
dc.date.issued.fl_str_mv 2013
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/3578
url https://hdl.handle.net/20.500.12672/3578
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/ae5473f9-384e-4529-ad49-27593d0826a2/download
https://cybertesis.unmsm.edu.pe/bitstreams/00cfe71c-1c98-4fad-bb31-28353d8750fe/download
https://cybertesis.unmsm.edu.pe/bitstreams/c79e5819-16fc-4462-897f-98542dc7d265/download
https://cybertesis.unmsm.edu.pe/bitstreams/762eea82-8761-4455-bfc9-9c86d764acd3/download
bitstream.checksum.fl_str_mv 048039f2e2381ff8c849d9c52bd90095
8a4605be74aa9ea9d79846c1fba20a33
c80640dbf56dbf829fa196f822fd2766
55de13e9977c1f2872365f904dc454cc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1847252793052626944
spelling Kraenau Espinal, ErwinGalarza Guerrero, Lourdes Angelica2014-11-02T02:28:28Z2014-11-02T02:28:28Z2013https://hdl.handle.net/20.500.12672/3578En el siguiente trabajo se presentan dos tratamientos a los problemas suscitados en el análisis de datos con presencia de datos perdidos: El Algoritmo EM basado en la Estimación por Máxima Verosimilitud y la Imputación Múltiple para datos faltantes, ambos métodos presentan ciertas ventajas frente a los métodos de imputación simple que ocasionan la obtención de estimadores distorsionados y sesgados. El algoritmo EM y la Imputación Múltiple se aplican a un conjunto de datos obtenido por simulación, causándole la pérdida de algunos valores con el objetivo de realizar posteriores comparaciones de las estimaciones obtenidas en casos con el conjunto de datos con y sin información faltante.TesisspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMAlgoritmosImputación múltiple (Estadística)https://purl.org/pe-repo/ocde/ford#1.01.03Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantesinfo:eu-repo/semantics/bachelorThesisSUNEDULicenciado en EstadísticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Académico Profesional de EstadísticaEstadística07772101https://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALGalarza_gl.pdfGalarza_gl.pdfapplication/pdf2119508https://cybertesis.unmsm.edu.pe/bitstreams/ae5473f9-384e-4529-ad49-27593d0826a2/download048039f2e2381ff8c849d9c52bd90095MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/00cfe71c-1c98-4fad-bb31-28353d8750fe/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTGalarza_gl.pdf.txtGalarza_gl.pdf.txtExtracted texttext/plain101862https://cybertesis.unmsm.edu.pe/bitstreams/c79e5819-16fc-4462-897f-98542dc7d265/downloadc80640dbf56dbf829fa196f822fd2766MD55THUMBNAILGalarza_gl.pdf.jpgGalarza_gl.pdf.jpgGenerated Thumbnailimage/jpeg12008https://cybertesis.unmsm.edu.pe/bitstreams/762eea82-8761-4455-bfc9-9c86d764acd3/download55de13e9977c1f2872365f904dc454ccMD5620.500.12672/3578oai:cybertesis.unmsm.edu.pe:20.500.12672/35782024-08-16 01:52:12.991https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 12.888922
Comparación mediante simulación de los métodos EM e imputación múltiple para datos faltantes
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