Análisis conjunto mediante modelos lineales jerárquicos y modelos lineales jerárquicos bayesianos. Una aproximación desde el análisis multivariado.

Vista sencilla de ítem
dc.contributor.advisorPineda Rios, Wilmar
dc.contributor.authorAlarcón Granados, Mauricio
dc.date.accessioned2020-01-20T17:45:00Z
dc.date.available2020-01-20T17:45:00Z
dc.descriptionCon el fin de evaluar la estrategia de mercado a seguir en el relanzamiento de un producto financiero vigente en el mercado, la compañía consultó a sus clientes actuales y potenciales a través de una encuesta, por el producto financiero ideal. Los resultados fueron recogidos, procesados y analizados mediante al análisis conjunto o Conjoint Analysis. La primera evaluación se realiza mediante el análisis conjunto para datos ordenados, tradicionalmente utilizado en la investigación de mercados. Seguidamente, y con el objeto de evaluar los resultados a través de distintas metodologías como el análisis conjunto lineal, análisis conjunto lineal jerárquico y análisis conjunto jerárquico bayesiano se realiza la transformación de los datos tipo RANKING a datos tipo SCORE utilizando el análisis de homogeneidad.spa
dc.description.abstractIn order to evaluate the market strategy to be followed in the relaunch of a current financial product in the market, the company consulted its current and potential customers through a survey of the ideal financial product. The results were collected, processed and analyzed through Análisis Conjunto or Conjoint Analysis. The first evaluation is carried out through a conjoint analysis for ordered data, traditionally used in market research. Next, and in order to evaluate the results through different methodologies such as linear conjoint analysis, hierarchical linear conjoint analysis and Bayesian hierarchical conjoint analysis, the transformation of RANKING type data to SCORE type data is performed using homogeneity analysis.spa
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.citationAlarcón, M. (2019). Análisis conjunto mediante modelos lineales jerárquicos y modelos lineales jerárquicos bayesianos. Una aproximación desde el análisis multivariado. (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/11634/20851
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bogotáspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.publisher.programPregrado Estadísticaspa
dc.relation.referencesAndrade, J., 2010. Conjoint analysis a pie. Market Variance. Recuperado de http://marketvariance.com/ blog/2010/01/12/conjoint-analysis-a-pie.spa
dc.relation.referencesBak, A. , Bartlomowicz, T. 2012. Conjoint analysis method and its implementation in conjoint R package. Wroclaw University of Economics.spa
dc.relation.referencesChapman, C. 2015. R for marketing research and analytics. Springer.spa
dc.relation.referencesDe la Cerna Villavicencio, J. F. 2016. Identificación de preferencias académicas universitarias en alumnos de los últimos años de educación secundaria en el colegio particular “Bella Unión” mediante el uso del Análisis Conjunto -Perfil Completo- con el aplicativo estadístico R. Lima, Perú.spa
dc.relation.referencesFactum Mercadotécnico. 2009. Análisis de conjuntos (Conjoint Analysis. Recuperado de www.factummarketing.com/download.php?file=CONJOINT.ppt.spa
dc.relation.referencesFerreira Lopes, S. (2011). Análisis Conjunto. Teoría, campos de aplicación y conceptos inherentes. Estudios y Perspectivas en Turismo, 20 (2), 341-366.spa
dc.relation.referencesLam, K.Y. Koning, A.J. Franses, Ph.H.B.F., 2010. Ranking Models in Conjoint Analysis,.Econometric Institute Research Papers EI 2010-51, Erasmus University Rotterdam, Erasmus School of Economics (ESE), Econometric Institute..spa
dc.relation.referencesLenk, P. J. , DeSarbo, W. S. , Green, P. E. and Young, M. R. 1996. Hierarchical Bayes Conjoint Analysis: Recovery of Partworth Heterogeneity from Reduced Experimental Designs. Informs.spa
dc.relation.referencesLuce, R. D. , Tukey, R. D. 1994. Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement. , Journal of Mathematical Psychology. 1, 1-27.spa
dc.relation.referencesMaydeu-Olivares, A, Bockenholt, U. 2005. Structural Equation Modeling of Paired-Comparison and Ranking Data.Psychological Methods. Vol. 10, No. 3, pp. 285-304.spa
dc.relation.referencesMcCullough, J, Best, R. 1979. Conjoint Measurement: Temporal Stability and Structural Reliability.Journal of Marketing Research. Vol. 16, No. 1 (Feb., 1979), pp. 26-31.spa
dc.relation.referencesOkamoto, Y. 2015. A Two-Step Analysis with Common Quantification of Categorical Data. Japan Women’s University Journal: Faculty of Integrated Arts and Social Sciences, 2015, 26, 99-112.spa
dc.relation.referencesPark, C. 2004. The robustness of hierarchical Bayes conjoint analysis under alternative measurement scales. Journal of Business Research 57, 1092-1097.spa
dc.relation.referencesRamírez, J. M. 2010. Measuring Preferences: from Conjoint Analysis to Integrated Conjoint Experiments. Revista de métodos cuantitativos para la economía y la empresa. 28-43.spa
dc.relation.referencesRavenzwaaij, D. , Cassey, P. , Brown, S. (2018). A simple introduction to Markov Chain Monte-Carlo sampling. Psychonomic Bulletin Review. 25, 143-154.spa
dc.relation.referencesSharma, S. 2017. Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy.Sydney Institute for Astronomy, School of Physics, University of Sydney, NSW.spa
dc.relation.referencesTenenhaus, M. , Young, F. W. 19855. An analysis and synthesis of multiple correspondence analysis, optimal scaling, dual scaling, homogeneity analysis and other methods for quantifying categorical multivariate data. Psychometrika 50(1):91-119.spa
dc.relation.referencesWoltman, H. , Feldstain, A. , MacKay, J. C. , Rocchi, M. (2012). An introduction to hierarchical linear modeling. Tutorials in Quantitative Methods for Psychology . 8 (1), 52-69.spa
dc.rightsAtribución-SinDerivadas 2.5 Colombia
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/licenses/by-nd/2.5/co/
dc.subject.keywordConjointspa
dc.subject.keywordHomogeneity Analysisspa
dc.subject.lembAnálisis de mercadospa
dc.subject.lembEstadística bayesianaspa
dc.subject.lembAnálisis multivariantespa
dc.subject.proposalConjointspa
dc.subject.proposalAnálisis de homogeneidadspa
dc.subject.proposalDatos ordenadosspa
dc.titleAnálisis conjunto mediante modelos lineales jerárquicos y modelos lineales jerárquicos bayesianos. Una aproximación desde el análisis multivariado.spa
dc.typebachelor thesis
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:
2019mauricioalarcon.pdf
Tamaño:
531.36 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
carta aprobación facultad.pdf
Tamaño:
37.49 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
carta derechos autor.pdf
Tamaño:
44.03 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