https://hdl.handle.net/20.500.12008/25555 Incluye las pasantías en Estadística, requisito para obtener el grado en las diferentes orientaciones: Económica, Tecnológica, Administrativa o Actuarial y Demográfica. 2026-04-23T10:31:32Z https://hdl.handle.net/20.500.12008/52059 Título: Inferencia bayesiana en modelos de volatilidad estocástica Autor: Garrido, Luciano; Altamiranda, Diego Resumen: En los modelos de volatilidad estocástica, la volatilidad es un proceso latente no observable directamente, lo que complica tanto la estimación de sus parámetros como su inferencia en tiempo real. El objetivo principal de este trabajo es presentar un esquema de inferencia eficiente para estos modelos, abordando tanto la estimación de los parámetros como la predicción del estado latente de la volatilidad. Para ello, se adopta un enfoque basado en un modelo bayesiano jerárquico, en el que la volatilidad sigue una estructura probabilística multinivel. En este marco, se implementa un método de muestreo de Gibbs dentro de un esquema cadena de Markov Monte Carlo (MCMC), lo que permite obtener estimaciones consistentes de los parámetros del modelo. Sin embargo, debido a la naturaleza batch del muestreo MCMC, este método no resulta óptimo para realizar predicciones en línea. Para superar esta limitación, se introduce un filtro de partículas, que permite estimar y actualizar la volatilidad en tiempo real a medida que se observan nuevos datos. Para ilustrar la aplicación de las técnicas propuestas, se realiza un estudio empírico utilizando datos reales correspondientes al precio diario de Bitcoin (BTC) en dólares estadounidenses (USD) durante el periodo 2022-2024, un activo que se caracteriza por su marcada volatilidad. Descripción: Tribunal integrado por: Leonardo Moreno, Fernando Massa y Marco Scavino. 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/51768 Título: Predicciones globales de fecundidad mediante técnicas de aprendizaje profundo Autor: Morini, Facundo Resumen: El proceso de declive sostenido de la fecundidad en todas las regiones del planeta ha agudizado la necesidad de obtener proyecciones demográficas precisas. En la actualidad, el uso de modelos bayesianos jerárquicos domina el campo de las proyecciones de fecundidad, siendo el enfoque utilizado por las Naciones Unidas y por los institutos de estadística de muchos países. Sin embargo, a pesar de presentar buenos resultados, estos modelos tienen ciertas debilidades, como la dificultad para incorporar información de otras variables que puedan mejorar los resultados de las proyecciones. En este trabajo se propone un método novedoso para la predicción de la Tasa Global de Fecundidad (TGF), planteando un enfoque de series temporales a partir de modelos de aprendizaje profundo que permiten la inclusión de información histórica relevante. Los resultados obtenidos muestran que este enfoque es capaz de capturar la dinámica de la fecundidad en la mayoría de las poblaciones analizadas y de representar adecuadamente la incertidumbre asociada a las predicciones obtenidas. Descripción: Tribunal integrado por: Paola Bermolen, Natalia da Silva y Daniel Ciganda. 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/51257 Título: Análisis estadístico de la posesión del balón en los Mundiales de fútbol Catar 2022 y Australia / Nueva Zelanda 2023 Autor: Grau Pérez Santomauro, Martín Resumen: Este trabajo se enfoca en el análisis de las posesiones de balón de las selecciones participantes en los mundiales de fútbol Catar 2022 (masculino) y Australia/Nueva Zelanda 2023 (femenino), utilizando datos de eventing provistos por la empresa StatsBomb. El objetivo principal es identificar y caracterizar patrones de juego a través de técnicas de aprendizaje estadístico no supervisado, con énfasis en análisis de clúster mediante el algoritmo k-means. Se construye una base de 9370 posesiones filtradas para garantizar trayectorias continuas del equipo en posesión, calculando una amplia variedad de características para cada secuencia que describen distintos aspectos de éstas. Tras varios análisis preliminares, se seleccionan 6 clústeres de modo de capturar una variedad de estilos. Cada clúster se caracteriza en función de las variables creadas y su caracterización se puede resumir en: (1) juego basado mayoritariamente en traslados y por los laterales, (2) secuencias con gran cantidad de pases en campo propio, (3) jugadas elaboradas que alcanzan el área (y terminan en tiros al arco), (4) secuencias con gran cantidad de pases en campo rival, (5) acciones mayoritariamente de pelota quieta ofensiva y (6) envíos largos desde campo propio. De modo de complementar el análisis se utilizan herramientas de visualización tales como el gráfico de jugadas y el parallel plot. Como aportes adicionales, se explora el éxito de las posesiones según los clústeres así como de posesiones consecutivas ya sea si se alternan los equipos dueños de la posesión o si corresponden a la misma selección. Descripción: Tribunal integrado por: Luciana Cantera, Juan Kalemkerian e Ignacio Álvarez-Castro. 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/48807 Título: metasurvey: paquete de R para el procesamiento de encuestas por muestreo con generación de recetas mediante metaprogramación y estimación de varianzas. Autor: Loprete, Mauro Resumen: El presente trabajo presenta metasurvey, un paquete de R diseñado para mejorar el procesamiento de encuestas por muestreo y la estimación de parámetros poblacionales junto con sus respectivos errores estándar. Utiliza meta-programación y técnicas de remuestreo, para evaluar la incertidumbre de las estimaciones de los diferentes parámetros y fomentar la reproducibilidad. A diferencia de otras bibliotecas, metasurvey combina flexibilidad mediante meta-programación con las capacidades de procesamiento de encuestas del paquete survey. Los objetivos incluyen proporcionar una herramienta útil, incorporar técnicas de remuestreo para usuarios no expertos, permitir la generación de ‘recetas’ personalizadas, y fomentar la contribución de la comunidad. Se destaca como alternativa a paquetes propietarios, enfocándose en la transparencia y reproducibilidad para mejorar la confiabilidad de las estimaciones poblacionales. Descripción: Tribunal integrado por: Ignacio Álvarez-Castro, Juan Pablo Ferreira y Natalia da Silva 2024-01-01T00:00:00Z