Estimación bayesiana de modelos lineales generalizados en datos funcionales
Loading...
Date
2018
Authors
Advisor
Link to resource
DOI
Google Scholar
description domain:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santo Tomás
Share
PDF documents
Loading...
Resumen
Los estudios actuales, no siempre se deberían manejar como datos usuales donde un individuo representa un objeto
en específico, si no como datos funcionales, tal que un individuo representa una curva, en la cual su naturaleza
continua se conserva y se obtiene una reducción notable de la dimensión de los datos. Las variables funcionales
se caracterizan por la evolución de una variable a lo largo del tiempo (proceso estocástico), de modo que los
valores que toman son, en general, funciones de uno o varios argumentos en lugar de vectores como en análisis
multivariante clásico. (curso Máster en estadística, Universidad de Granada, 2016). Dentro del análisis de datos
funcionales se abordan los modelos lineales generalizados; estos modelos agrupan tanto modelos con variables
respuestas numéricas como categóricas, lo que nos lleva a tener en cuenta otras distribuciones (Poisson, binomial,
hipergeométrica, gamma, multinomial, etc.), además de la normal, y estos avances en la teoría de los modelos
lineales se beben a Nelder y Wedderbum, y conjuntamente se impone el teorema de Bayes, el cual, trasciende
la aplicación clásica, especialmente cuando se amplía a otro contexto en el que la probabilidad no se entiende
exclusivamente como la frecuencia relativa de un suceso a largo plazo, sino como el grado de convicción personal
acerca de que el suceso ocurra o pueda ocurrir (definición subjetiva de la probabilidad). Al admitir un manejo
subjetivo de la probabilidad, el analista bayesiano podrá emitir juicios de probabilidad sobre una hipótesis H y
expresar por esa vía su grado de convicción al respecto, tanto antes como después de haber observado los datos
([PDF]Estadística Bayesiana). Considerando estos temas se realiza un estudio de América Latina (Sin Surinam y
Guyana) del índice de democracia EIU, a partir de tres índices, los cuales son: Producto Interno Bruto Per cápita
y Índice de GINI desde el año 2002 hasta el 2015.
Abstract
Current studies, should not always be handled as usual data where an individual represents a specific object, if
not as functional data, such that an individual represents a curve, in which its continuous nature is conserved and
a significant reduction of the dimension of the data. Functional variables are characterized by the evolution of a
variable over time (stochastic process), so that the values they take are, in general, functions of one or several arguments
instead of vectors as in classical multivariate analysis. (Master course in statistics, University of Granada,
2016). Within the analysis of functional data, generalized linear models are addressed; these models group both
models with numerical and categorical variables, which leads us to take into account other distributions (Poisson,
binomial, hypergeometric, gamma, multinomial, etc.), in addition to the normal one, and these advances in
the theory of linear models are drunk to Nelder and Wedderbum, and jointly Bayes’s theorem is imposed, which transcends classical application, especially when it is extended to another context in which probability is not exclusively
understood as the relative frequency of an event long term, but as the degree of personal conviction that
the event occurs or may occur (subjective definition of probability). By admitting a subjective management of
probability, the Bayesian analyst will be able to make probability judgments about a H hypothesis and express in
this way his degree of conviction in this regard, both before and after having observed the data ([PDF] Bayesian
Statistics). Considering these topics, a study of Latin America (Without Suriname and Guyana) of the democracy
index EIU is made, based on three indices, which are: Per cápita Gross Domestic Product and GINI Index from
the year 2002 until 2015.
Language
spa
Keywords
Citation
Rugeles, L. (2018). Estimación bayesiana de modelos lineales generalizados en datos funcionales. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia
Collections
Creative commons license
Atribución-NoComercial-SinDerivadas 2.5 Colombia