DSpace Colección :http://repobib.ubiobio.cl/jspui/handle/123456789/24382024-03-06T21:44:25Z2024-03-06T21:44:25ZSimulación de la probabilidad de error tipo l de un test de bondad de ajuste para una distribución Poisson BivariadaGonzález Agüero, Claudia Andreahttp://repobib.ubiobio.cl/jspui/handle/123456789/39012023-09-21T18:55:46Z2020-01-01T00:00:00ZTítulo : Simulación de la probabilidad de error tipo l de un test de bondad de ajuste para una distribución Poisson Bivariada
Autor : González Agüero, Claudia Andrea
Editor : Universidad del Bío-Bío. Departamento de Matemáticas (Chile)
Resumen : Determinar el modelo probabilístico del cual proviene una determinada muestra de datos, permite hacer predicciones y tomar decisiones con un alto nivel de asertividad, con base en dicha muestra. Una manera de conocer si un conjunto de datos se comporta de acuerdo con la distribución de probabilidad en la que se basa un modelo probabilístico específico, es atreves de un test de bondad de ajuste. Este trabajo de investigación tiene por objetivo simular la probabilidad de error tipo I de un test de bondad de ajuste propuesto para una distribución Poisson Bivariante. Se plantea estudiar los resultados para distintos tamaños muestrales y para muestras provenientes de poblaciones de diversas características. Con este fin , se buscan alternativas de paralelización en el lenguaje R, entre ellas se selecciona la que permite minimizarlos tiempos de cómputo y,con base en esta alternativa, se simulan las probabilidades del error tipo I buscadas. Se prueba satisfactoriamente que el lenguaje R permite la paralelización del proceso en cuestión, al menos de dos maneras distintas y que estas alternativas permiten una disminución signi ficativa de los tiempos de cómputo, en comparación con el mismo procedimiento de manera secuencial. A su vez, el trabajo de investigación permite la simulación con tamaños muestrales y vectores de parámetros no estudiados
anteriormente, dejando en evidencia que la probabilidad del error tipo I del test es
cercana al valor nominal en la mayoría de los casos.
Descripción : Tesis (Magister en Matemáticas. Mención Estadística) -- Universidad del Bío-Bío. Concepción, 2020.2020-01-01T00:00:00ZModelado y estimación de datos georeferenciados con asimetría y/o colas pesadas mediante campos aleatorios Tukey-h y Tukey-hhLópez Salinas, Cristian Alexanderhttp://repobib.ubiobio.cl/jspui/handle/123456789/38252023-09-21T19:46:26Z2021-01-01T00:00:00ZTítulo : Modelado y estimación de datos georeferenciados con asimetría y/o colas pesadas mediante campos aleatorios Tukey-h y Tukey-hh
Autor : López Salinas, Cristian Alexander
Editor : Universidad del Bío-Bío. Departamento de Matemáticas (Chile)
Resumen : En los últimos años ha habido un interés creciente en proponer métodos con es- timaciones escalables para datos geoestadísticos, muchas veces considerando un campo aleatorio gaussiano que no se ajusta de mejor forma a las características del proceso. En esta investigación nos enfrentamos a este tipo de problema para los datos espaciales con distribución no gaussianas.
La estimación de máxima verosimilitud para un campo aleatorio no gaussiano es, en general, más exigente computacionalmente que el caso gaussiano. La log- verosimilitud compuesta es un interesante método de estimación alternativo que equilibra la eficiencia estadística y la complejidad computacional.
En primer lugar, proponemos un esquema de ponderación novedoso basado en vecinos más cercanos para la estimación de verosimilitud basada en pares. El nuevo tipo de pesos ponderados permite manejar conjuntos de datos masivos gaussianos o no gaussianos con respecto a las ponderaciones propuestas
anteriormente basa- das en distancias.
Luego aplicamos la función de ponderación propuesta a la estimación de una nueva clase de campos aleatorios no gaussianos denominados campos aleatorios Tukey-hh. Nuestra propuesta de campos aleatorios de Tukey-hh tienen distribu- ciones marginales flexibles, posiblemente sesgadas y/o con cola pesada y, como consecuencia, tienen una amplia gama de aplicaciones.
Proporcionamos expresio- nes analíticas asociadas para la función de covarianza y para la distribución biva- riada y multivariante.
En un extenso estudio de simulación, estudiamos la eficiencia estadística de la función de ponderación propuesta al estimar los parámetros del campo aleatorio de Tukey-hh con verosimilitud por parejas marginal y condicional.
Descripción : Tesis (Magister en Matemáticas. Mención Estadística) -- Universidad del Bío-Bío. Concepción, 2021.2021-01-01T00:00:00ZSimulación de la probabilidad de error tipo l de un test de bondad de ajuste para una distribución Poisson BivariadaGonzález Agüero, Claudia Andrea -- claudiagonzalezaguero@gmail.comhttp://repobib.ubiobio.cl/jspui/handle/123456789/38192022-10-20T19:47:15Z2020-01-01T00:00:00ZTítulo : Simulación de la probabilidad de error tipo l de un test de bondad de ajuste para una distribución Poisson Bivariada
Autor : González Agüero, Claudia Andrea -- claudiagonzalezaguero@gmail.com
Editor : Universidad del Bío-Bío. Departamento de Matemáticas (Chile)
Resumen : Determinar el modelo probabilístico del cual proviene una determinada muestra de datos, permite hacer predicciones y tomar decisiones con un alto nivel de asertividad, con base en dicha muestra. Una manera de conocer si un conjunto de datos se comporta de acuerdo con la distribución de probabilidad en la que se basa un modelo probabilístico específico, es a través de un test de bondad de ajuste. Este trabajo de investigación tiene por objetivo simular la probabilidad de error tipo I de un test de bondad de ajuste propuesto para una distribución Poisson Bivariante. Se plantea estudiar los resultados para distintos tamaños muéstrales y para muestras provenientes de poblaciones de diversas características. Con estén, se buscan alternativas de paralización en el lenguaje R, entre ellas se selecciona la que permite minimizar los tiempos de cómputo y, con base en esta alternativa, se simulan las probabilidades del error tipo I buscadas. Se prueba satisfactoriamente que el lenguaje R permite la paralización del proceso en cuestión, al menos de dos maneras distintas y que estas alternativas permiten una disminución significativa de los tiempos de computo, en comparación con el mismo procedimiento de manera secuencial. A su vez, el trabajo de investigación permite la simulación con tamaños muestrales y vectores de parámetros no estudiados anteriormente, dejando en evidencia que la probabilidad del error tipo I del test es cercana al valor nominal en la mayoría de los casos.
Descripción : Tesis (Magister en Matemáticas. Mención Estadística) -- Universidad del Bío-Bío. Concepción, 2020.2020-01-01T00:00:00ZEstudio comparativo de métodos de selección de variables con estimación sesgadaÁvila Coloma, Enrique Gary -- eavilacoloma@gmail.comhttp://repobib.ubiobio.cl/jspui/handle/123456789/38072022-10-11T19:54:07Z2017-01-01T00:00:00ZTítulo : Estudio comparativo de métodos de selección de variables con estimación sesgada
Autor : Ávila Coloma, Enrique Gary -- eavilacoloma@gmail.com
Editor : Universidad del Bío-Bío. Departamento de Matemáticas (Chile)
Resumen : En la actualidad el desarrollo de tecnologías para la recopilación con de datos ha tenido avances significativos aportando soluciones relevantes desde la perspectiva de captura de datos, pero esto a su vez genera nuevos desafíos estadísticos. Específicamente, en el resumen y la extracción de información se han y se están desarrollando métodos de reducción de las dimensiones y/o de selección de variables, que destacan por la búsqueda de mejores predicciones, modelos parsimoniosos y mejores estimaciones a la vez que se descarta
información que en realidad no es relevante estadísticamente.
La presente tesis se concentra en el problema de la selección de variables, vale decir, suponga que se tiene una matriz X de dimensiones n P, donde las P columnas son posibles variables explicativas y cada una de ellas posee n observaciones. Se desea encontrar un modelo parsimonioso para explicar el comportamiento de una variable Y , que es un vector de dimensiones n 1. En otras palabras se desea seleccionar las p variables m as relevantes desde las P posibles variables explicativas, esto implica necesariamente que p < P. Para
resolver este problema es necesario utilizar criterios que permitan descartar variables
irrelevantes y que permitan incorporar solo las variables que aportan con información
relevante.
Descripción : Tesis (Magíster en Matemáticas. Mención Estadística) -- Universidad del Bío-Bío, Concepción 2017.2017-01-01T00:00:00Z