Modelo Fay-Herriot espacio-temporal para la estimación de los resultados del módulo de matemáticas de la prueba saber-11 2018 calendario A desagregada por departamento

Vista sencilla de ítem
dc.contributor.advisorPineda Ríos, Wilmer Darío
dc.contributor.authorGutiérrez Pérez, Mayron Esteban
dc.date.accessioned2019-07-09T21:03:55Z
dc.date.available2019-07-09T21:03:55Z
dc.date.issued2019-06-11
dc.descriptionEl examen de estado SABER-11 es una prueba de evaluación de la educación media aplicada a todos los estudiantes en proceso de grado de educación media en Colombia, los resultados son utilizados por distintas entidades estatales, así como colegios y estudiantes, al ser una prueba de tipo censal, los resultados a menudo tardan un tiempo importante en ser procesados. El presente trabajo académico pretende estimar los resultados del modulo de Matemáticas de la prueba Saber-11 del año 2018 Calendario A a partir de un diseño probabilistico utilizando el modelo de Fay-Herriot (1979), añadiendo los factores espacial y temporal propuestos por Esteban et al (2016). Los resultados muestran que con una muestra pequeña es posible estimar de manera precisa los resultados desagregados por departamento, ademas, de estimar también los casos de no respuestaspa
dc.description.abstractSABER-11 is a test of evaluation of secondary education applied to all students in the process of middle school education in Colombia, the results are used by different state entities, as well as schools and students, being a test of census type, the results often take an important time to be processed. The present academic work aims to estimate the results of the Maths module of the Saber-11 test of 2018 Calendar A from a probabilistic design using the Fay-Herriot model (1979), adding the spatial and temporal factors proposed by Esteban et al ( 2016). The results show that with a small sample it is possible to estimate in a precise way the results disaggregated by department, in addition, to also estimate the cases of non-response.spa
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdf
dc.identifier.citationGutiérrez, M. (2019). Modelo Fay-Herriot espacio-temporal para la estimación de los resultados del módulo de matemáticas de la prueba saber-11 2018 calendario A desagregada por departamento. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombiaspa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/17558
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bogotáspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.publisher.programPregrado Estadísticaspa
dc.relation.referencesAuguie, B. (2017), gridExtra: Miscellaneous Functions for ”Grid”Graphics. R package version 2.3. *https://CRAN.R-project.org/package=gridExtraspa
dc.relation.referencesBatesse, G.E., H. R. & Fuller, W. (1988), ‘An error-components model for prediction of county crop areas using survey and satellite data’, Journal of the American Statistical Association 83(1), 28–36.spa
dc.relation.referencesCorcuera, J. (2002), Tecnicas de estimacion en areas pequenas, Eustat.spa
dc.relation.referencesCressie, N. (1993), Statistics for Spatial Data, John Wiley and Sons, Inc.spa
dc.relation.referencesEsteban, M.D., M. D. P. A. S. L. (2012), ‘Small area estimation of poverty proportions under area-level time models.’, Journal of the American Statistical Association 56(1), 2840–2855.spa
dc.relation.referencesFay, R. & Herriot, R. (1979), ‘Estimation of income from small places: An application of james-stein procedures to census data.’, Journal of the American Statistical Association 74(1), 269–277spa
dc.relation.referencesGutierrez, Esteban y Tellez, C. (2019), UNA APLICACION DEL MODELO FAY HERRIOT PARA LA ESTIMACION DE LA MEDIA DE LOS RESULTADOS POR DEPARTAMENTO DEL MODULO DE MATEMATICAS PARA LA PRUEBA SABER 11 DEL SEGUNDO PERIODO DEL 2018. Presentado en el VI IWAS. Bogota Colombia. *Trabajo pendiente de publicacionspa
dc.relation.referencesICFES (2018), Tomado de www.ism.ac.jp, ICFESICFES (2018), Tomado de www.ism.ac.jp, ICFESspa
dc.relation.referencesMarhuenda, Y., M. I. M. D. (2013), ‘Small area estimation with spatio temporal fay herriot models’, Computational Statistics and Data Analysis 58(1), 308–325.spa
dc.relation.referencesMolina, I. & Marhuenda, Y. (2015), ‘sae: An R package for small area estimation’, The R Journal 7(1), 81–98. *https://journal.r-project.org/archive/2015/RJ-2015-007/RJ-2015-007.pdfspa
dc.relation.referencesMolina, I., S. N. P. M. (2009), ‘Bootstrap for estimating the mse of the spatial eblup’, Computational Statistics 24(1), 441–458.spa
dc.relation.referencesMorales, D. (2015), Estimacion en areas pequenas: Metodos basados en Modelos, Universidad Miguel Hernandez de Elche.spa
dc.relation.referencesMoran, P. (1950), ‘Notes on continuous stochastic phenomena’, Biometrika 37(1), 17–23.spa
dc.relation.referencesPratesi, M., S. N. (2008), ‘Small area estimation: the eblup estimator based on spatially correlated random area effects.’, Statistical Methods and Applications 17(1), 113–141.spa
dc.relation.referencesRao, J. (2003), Small Area Estimation., New York: John Wiley and Sons.spa
dc.relation.referencesRoger S. Bivand, Edzer Pebesma, V. G. R. (2013), Applied spatial data analysis with R, Second edition, Springer.spa
dc.relation.referencesRojas, H. A. G. (2018), TeachingSampling: Selection of Samples and Parameter Estimation in Finite Population. R package version 3.4.2. *https://CRAN.R-project.org/package=TeachingSamplingspa
dc.relation.referencesSarndal, C.-E., Swensson, B. & Wretman, J. (1992), Model Assisted Survey Sampling, Springer.spa
dc.relation.referencesWei, T. & Simko, V. (2017), R package corrplot: Visualization of a Correlation Matrix. (Version 0.84).spa
dc.relation.referencesWickham, H. (2017), tidyverse: Easily Install and Load the ’Tidyverse’. R package version 1.2.1. *https://CRAN.R-project.org/package=tidyversespa
dc.rightsCC0 1.0 Universal
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/
dc.subject.keywordsaespa
dc.subject.keywordsaber-11spa
dc.subject.keywordSARspa
dc.subject.keywordARspa
dc.subject.keywordspatio-temporalspa
dc.subject.keywordmathsspa
dc.subject.lembModelospa
dc.subject.lembEstimacionspa
dc.subject.lembMatematicasspa
dc.subject.lembPrueba de inteligenciaspa
dc.subject.proposalsaespa
dc.subject.proposalsaber-11spa
dc.subject.proposalSARspa
dc.subject.proposalARspa
dc.subject.proposalespacio-temporalspa
dc.subject.proposalmatemáticasspa
dc.titleModelo Fay-Herriot espacio-temporal para la estimación de los resultados del módulo de matemáticas de la prueba saber-11 2018 calendario A desagregada por departamentospa
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de pregradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2019mayrongutierrez.pdf
Tamaño:
945.4 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
cartadeaprobacion.pdf
Tamaño:
47.49 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
cartadeautorizacion.pdf
Tamaño:
357.76 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Estadística