Estudio comparativo de métodos de selección de variables con estimación sesgada

dc.contributor.advisor	Firinguetti Limone, Luis Alberto	es
dc.contributor.author	Ávila Coloma, Enrique Gary -- eavilacoloma@gmail.com
dc.contributor.editor	Universidad del Bío-Bío. Departamento de Matemáticas (Chile)	es
dc.date.accessioned	2022-10-11T19:47:56Z
dc.date.available	2022-10-11T19:47:56Z
dc.date.issued	2017
dc.description	Tesis (Magíster en Matemáticas. Mención Estadística) -- Universidad del Bío-Bío, Concepción 2017.	es
dc.description.abstract	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.	es
dc.description.call-number	T(E) 510'E Av55 2017	es
dc.description.call-number	T(DC) 510'E Av55 2017	es
dc.identifier.uri	http://repobib.ubiobio.cl/jspui/handle/123456789/3807
dc.language.iso	es	es
dc.subject	REGRESION RIDGE	es
dc.subject	SELECCION DE VARIABLES	es
dc.subject	SIMULACION	es
dc.title	Estudio comparativo de métodos de selección de variables con estimación sesgada	es
dc.type	Tesis	es