english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/10551 Cómo citar
Título: Determinación de tipologías de infecciones parasitarias intestinales, en escolares mediante, técnicas de clustering sobre datos binarios
Autor: Álvarez-Vaz, Ramón
Massa, Fernando
Tipo: Documento de trabajo
Palabras clave: Algoritmo EM, Distancias binarias, Fuzzy clustering
Fecha de publicación: 2012
Resumen: El presente documento describe la metodología y los resultados para la determinación de tipologías de infección parasitaria en escolares mediante técnicas de clustering sobre datos binarios. En un estudio sobre nutrici on y parasitosis intestinal, los diferentes par asitos intestinales evaluados se agruparon en 3 familias: geohelmintos, otros pat ogenos y no pat ogenos, lo que genera 3 variables binarias, que ser an usadas para la construcci on de tipolog as de infecci on. Teniendo en cuenta que se trata de datos binarios los m etodos convencionales usados para clustering, donde se maneja una m etrica euclideana, no corresponden con lo cual se propone la aplicaci on de otras t ecnicas. Se ensaya un m etodo de cluster probabil stico con una variable latente, estimado mediante el algoritmo EM(m etodo 1), un m etodo mixto que combina clustering basado en medidas de entrop a con una partici on difusa estimada con el algoritmo c-modes(m etodo 2), y un tercer m etodo de clustering jer arquico sobre distancias binarias de tipo 'simple matching'(m etodo 3). Los dos primeros m etodos proporcionan clusters difusos y el tercero establece una partici on, por lo cual se comparan los resultados a trav es de un an alisis de sensibilidad, donde se da cuenta del comportamiento de los m etodos al cambiar la inicializaci on y el n umero de iteraciones.
Editorial: Udelar. FCEA-IESTA
Serie o colección: Serie DT (12 / 05);
ISSN: 1688-6453
Citación: Álvarez-Vaz, R., Massa, F. Determinación de tipologías de infecciones parasitarias intestinales, en escolares mediante, técnicas de clustering sobre datos binarios [en línea]. Montevideo : Udelar. FCEA-IESTA, 2012
Licencia: Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
Aparece en las colecciones: Documentos de Trabajo - Instituto de Estadística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
dt_05_2012(1).pdf454,78 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons