Show simple item record

dc.contributor.advisorBayes Rodríguez, Cristian Luis
dc.contributor.authorBlas Oyola, Sthip Frank
dc.date.accessioned2021-01-18T20:48:28Z
dc.date.available2021-01-18T20:48:28Z
dc.date.created2020
dc.date.issued2021-01-18
dc.identifier.urihttp://hdl.handle.net/20.500.12404/17868
dc.description.abstractEn muchos casos prácticos, al realizar un análisis de regresión, se cuenta con un gran número de potenciales variables explicativas de las cuáles sólo algunas serán importantes para explicar la variable respuesta. Por lo tanto, un problema importante para la construcción de un modelo de regresión es encontrar un adecuado conjunto de variables explicativas. A los métodos que lidian con este problema se les denomina métodos de selección de variables. En el presente proyecto de tesis, se estudiarán tres métodos de selección de variables bajo inferencia bayesiana para el modelo de regresión lineal normal los cuales fueron propuestos por George y McCulloch (1993), Kuo y Mallick (1998) y Dellaportas et al. (2002). Estos métodos, a diferencia de los métodos tradicionales, consideran la selección de variables dentro del mismo modelo, por ejemplo, introduciendo variables latentes que indiquen la presencia o ausencia de una variable explicativa. Se realizaron comparaciones de estos métodos bayesianos con los métodos Lasso y Stepwise por ser los más tradicionales. A través de un estudio con datos simulados, en diversos escenarios se observa que los métodos bayesianos permiten una adecuada selección de las variables explicativas. Adicionalmente se presentan los resultados de una aplicación con datos reales.es_ES
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.subjectAnálisis de regresiónes_ES
dc.subjectVariables latenteses_ES
dc.subjectEstadística bayesianaes_ES
dc.titleMétodos de selección de variables bajo el enfoque bayesiano para el modelo lineal normales_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
thesis.degree.nameMaestro en Estadísticaes_ES
thesis.degree.levelMaestríaes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Escuela de Posgradoes_ES
thesis.degree.disciplineEstadísticaes_ES
dc.type.otherTesis de maestría
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.01.03es_ES
dc.publisher.countryPEes_ES
renati.advisor.dni40372640
renati.advisor.orcidhttps://orcid.org/0000-0003-0474-7921es_ES
renati.author.dni47192564
renati.discipline542037es_ES
renati.jurorValdivieso Serrano, Luis Hilmar
renati.jurorSal Y Rosas Celi, Victor Giancarlo
renati.jurorBayes Rodríguez, Cristian Luis
renati.levelhttps://purl.org/pe-repo/renati/level#maestroes_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess