Análisis de datos funcionales dispersos para señales electromiográficas (EMG)

Lopera Marín, Alejandro

Análisis de datos funcionales dispersos para señales electromiográficas (EMG)

dc.contributor.advisor	Pineda Ríos, Wilmer
dc.contributor.author	Lopera Marín, Alejandro
dc.contributor.cvlac	http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001454199	spa
dc.contributor.googlescholar	https://scholar.google.es/citations?user=5KmOl5oAAAAJ&hl=es	spa
dc.contributor.orcid	https://orcid.org/0000-0001-7774-951X	spa
dc.coverage.campus	CRAI-USTA Bogotá	spa
dc.date.accessioned	2019-01-23T19:39:16Z
dc.date.available	2019-01-23T19:39:16Z
dc.date.issued	2019-01-16
dc.description	En este documento se plantea una metodología estructurada para el análisis de datos electromiográficos (EMG) por medio del análisis de datos funcionales para datos dispersos, que busca modelar y analizar el comportamiento de consumo de los individuos de bebidas lácteas saludables en una investigación desarrollada por el departamento de Mercadeo de la Universidad Santo Tomás. Los resultados obtenidos en esta investigación muestran la posibilidad de interpretar las señales EMG con la ayuda de un cuestionario, y así poder identificar los patrones de señales que indiquen el nivel de agrado o desagrado de los estímulos presentados para llegar a conclusiones que permitan identificar la reacción que tiene un individuo frente a un determinado estímulo.	spa
dc.description.abstract	This document proposes a structured methodology for the analysis of electromyographic data (EMG) through the analysis of functional data for sparse data, which seeks to model and analyze the consumption behavior of healthy milk drinkers in a research developed by the Marketing department of the Santo Tomás University. The results in this investigation show the possibility of interpreting the EMG signals with the help of a questionnaire, and thus be able to identify the patterns of the signals that indicate the level of liking and the displeasure of the stimuli to reach the conclusions that can identify the reaction that an individual has against a certain stimulus.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Profesional en estadística	spa
dc.description.domain	http://unidadinvestigacion.usta.edu.co	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.citation	Lopera, A. y Pineda, W. (2018). Análisis de datos funcionales dispersos para señales electromiográficas (EMG) (Trabajo de pregrado). Universidad Santo Tomás, Bogotá, Colombia.	spa
dc.identifier.instname	instname:Universidad Santo Tomás	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad Santo Tomás	spa
dc.identifier.repourl	repourl:https://repository.usta.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/11634/15099
dc.language.iso	spa	spa
dc.publisher	Universidad Santo Tomás	spa
dc.publisher.faculty	Facultad de Estadística	spa
dc.publisher.program	Pregrado Estadística	spa
dc.relation.references	Aristizabal, Jeimy. (2011).Metodología estadística para el análisis de datos funcionales cerebrales: Una aproximación con potenciales evocados (Tesis de maestría).Universidad Nacional de Colombia, Bogotá, Colombia.	spa
dc.relation.references	Camargo, Andrés; Urrea, Carlos; Mogui, José. (2016). Medición de Patrones de Actividad Cerebral Registrados con el Equipo de EEG Emotiv-Epoc, como Indicador de Engaño en Estudiantes Universitarios (Tesis de especialización). Fundación Universitaria Los Libertadores, Bogotá, Colombia.	spa
dc.relation.references	Carrillo, Alexis; Garatejo, Olga; Pineda, Wilmer. (2017). Análisis multivariado de datos funcionales aplicado a curvas de encefalogramas. Comunicaciones en Estadística, 10:129-144.	spa
dc.relation.references	Fang Yao; Hans-Georg Müller; Jane-Ling Wang. (2012). Functional Data Analysis for Sparse Longitudinal Data. Journal of the American Statistical Association. 87:470,577-590.	spa
dc.relation.references	Gareth M. James; Trevor J. Hastie; Catherine A. Sugar. (2000). Principal Component Models for Sparse Functional Data. Biometrika Trust. 87:587-602.	spa
dc.relation.references	Hasenstab, Kyle; Scheffler, Aaron; Telesca, Donatello; Sugar, Catherine A; Jeste, Shafali; Distefano, Charlotte; Sentürk, Damla. (2017). A multi-dimensional functional principal components analysis of EEG data. Biometrics.	spa
dc.relation.references	Horváth, Lajos; Kokoszka, Piotr. (2012). Infrence for Functional Data with Applications. Springer	spa
dc.relation.references	Jie Peng; Debashis Paul. (2012). A Geometric Approach to Maximum Likelihood Estimation of the Functional Principal Components From Sparse Longitudinal Data. Journal of Computational and Graphical Statistics. 18:4, 995-1015.	spa
dc.relation.references	Jacques, Julien; Preda, Cristian. (2014). Functional data clustering: a survey. Springer Verlag	spa
dc.relation.references	Kokoszka, Piotr; Reimherr, Matthew. (2017). Introduction to Functional Data Analysis. CHAPMAN & HALL/CRC	spa
dc.relation.references	M.B.I. Reaz; M.S. Hussain; F. Mohd-Yasin. (2006). Techniques of EMG signal analysis: detection, processing, classi cation and applications. Biological Procedures Online, 8:11-35.	spa
dc.relation.references	Ramsay, J.O.; Silverman, B.W. (2005). Functional Data Analysis. Springer	spa
dc.relation.references	R.F.M. Kleissen; J.H. Buurke; J. Harlaar; G. Zilvold. (1998). Electromyography in the biomechanical analysis of human movement and its clinical application. Gait & Posture, 2:0-158.	spa
dc.rights	Atribución-NoComercial-SinDerivadas 2.5 Colombia	*
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/co/	*
dc.subject.keyword	Sparses data	spa
dc.subject.keyword	Functional Principal Component Analysis	spa
dc.subject.keyword	functional conglomerate analysis	spa
dc.subject.lemb	Procesamiento electrónico de datos	spa
dc.subject.lemb	Sistemas de almacenamiento y recuperación de información	spa
dc.subject.lemb	Análisis funcional	spa
dc.subject.proposal	Datos dispersos	spa
dc.subject.proposal	Análisis de Componentes Principales Funcionales	spa
dc.subject.proposal	Análisis de conglomerados funcionales	spa
dc.title	Análisis de datos funcionales dispersos para señales electromiográficas (EMG)	spa
dc.type	bachelor thesis
dc.type.category	Formación de Recurso Humano para la Ctel: Trabajo de grado de pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.drive	info:eu-repo/semantics/bachelorThesis
dc.type.local	Tesis de pregrado	spa
dc.type.version	info:eu-repo/semantics/acceptedVersion