Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/26029
Cómo citar
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Scavino, Marco | - |
dc.contributor.author | Gadea, Rodrigo | - |
dc.contributor.author | Moreno, Leonardo | - |
dc.date.accessioned | 2020-12-02T17:49:31Z | - |
dc.date.available | 2020-12-02T17:49:31Z | - |
dc.date.issued | 2011 | - |
dc.identifier.citation | GADEA, Rodrigo y MORENO, Leonardo. Clustering robusto en el paradigma basado en modelos [en línea]. Tesis de grado. Montevideo: Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración, 2011. | es |
dc.identifier.uri | https://hdl.handle.net/20.500.12008/26029 | - |
dc.description.abstract | Una gran variedad de técnicas o procedimientos de clustering han surgido en los últimos años en distintas ramas de la investigación estadística. Sin embargo, la mayoría se basa en conjeturas heurísticas que carecen del debido rigor científico, lo que conlleva a conclusiones “oscuras” y posiblemente ficticias. Brindar procedimientos consistentes, que sean eficientes en distintos paradigmas de datos - inclusive en presencia de ruido - es un problema de elevada complejidad. Algunas principales líneas recientes de investigación, tales como McLachlan (2006), Gallegos y Ritter (2005, 2009), Cuesta, Gordaliza y Matran (2008) abordan el problema de clustering desde una óptica basada en modelos y en presencia de outliers, intentando brindar respuestas formales en este ámbito. El objetivo de esta monografía es introducir, analizar, comparar e implementar distintas técnicas robustas de clustering basadas en modelos probabilísticos. La finalidad es poder discernir qué procedimiento es más eficiente y estable frente a distintas tipologías de datos, pudiendo así obtener conclusiones más precisas sobre los grupos obtenidos. El análisis se realizó sobre distintos patrones de datos simulados y luego se aplicaron las técnicas a un conjunto de datos reales. | es |
dc.format.extent | 160 p. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | es | es |
dc.publisher | Udelar. FCEA | es |
dc.rights | Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014) | es |
dc.subject | Cluster | es |
dc.subject | Robustez | es |
dc.subject | Outliers | es |
dc.subject | k-medias | es |
dc.subject | Mezcla de distribuciones | es |
dc.subject | Trimming | es |
dc.subject.other | ESTADISTICA MATEMATICA | es |
dc.subject.other | ANALISIS DE CONGLOMERADOS | es |
dc.subject.other | ESTADISTICA ROBUSTA | es |
dc.subject.other | MODELOS ESTADISTICOS | es |
dc.subject.other | METODOS DE SIMULACION | es |
dc.title | Clustering robusto en el paradigma basado en modelos | es |
dc.type | Tesis de grado | es |
dc.contributor.filiacion | Gadea Rodrigo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración | - |
dc.contributor.filiacion | Moreno Leonardo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración | - |
thesis.degree.grantor | Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración | es |
thesis.degree.name | Licenciado en Estadística | es |
dc.rights.licence | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) | es |
Aparece en las colecciones: | Trabajos Finales de Grado de la Licenciatura en Estadística - Facultad de Ciencias Económicas y de Administración |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | ||
---|---|---|---|---|---|
TFG_GadeaMoreno.pdf | TFG | 1,37 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons