EP Estadística
https://hdl.handle.net/20.500.12672/5100
2024-03-28T11:23:11ZComparación de la regresión logística y redes neuronales en la predicción de la anemia en gestantes, ENDES 2022
https://hdl.handle.net/20.500.12672/21497
Comparación de la regresión logística y redes neuronales en la predicción de la anemia en gestantes, ENDES 2022
Sánchez Medina, Ada Mariela
Compara los modelos predictivos de regresión logística y las redes neuronales
para la predicción de la anemia en gestantes.
La anemia es una enfermedad silenciosa que no presenta síntomas representativos hasta
que se manifiestan signos importantes. Por tal motivo, no es percibido fácilmente por quienes la
padecen. Esta es de especial preocupación si se presenta en personas vulnerables, como es el
caso de los niños y las personas de la tercera edad. Para ello, es de vital importancia la detección
en las primeras etapas de la vida, en especial de las gestantes, ya que podría ayudar a tomar
medidas de forma preventiva. Actualmente, en el área de salud, no sólo se recurren a pruebas
diagnósticas para la detección de la anemia, sino que también se recurre a técnicas predictivas
para determinar si se padece la enfermedad o no. Es por ello que se propone una comparación
entre dos de las técnicas más usadas en el campo predictivo. En el proceso, se encontró que el
conjunto de datos presentaba desbalance en la variable dependiente (presencia de anemia) por lo
que se empleó la técnica de muestreo SMOTE. Luego, en el análisis de las variables, se encontró
que el número de hijos, edad, grado de instrucción y nivel de riqueza tienen influencia en la
presencia de anemia. Finalmente, se encontró que las redes neuronales mostraron un mejor
desempeño que la regresión logística.
2023-01-01T00:00:00ZSegmentación de clientes de una empresa de casa de apuestas deportivas del Perú en el año 2023
https://hdl.handle.net/20.500.12672/21386
Segmentación de clientes de una empresa de casa de apuestas deportivas del Perú en el año 2023
Lopez Vega, Arturo Emerson
Sostiene como fin, agrupar la cartera de clientes inmerso ámbito mercantil, y mundial cuyo fin es que la empresa pueda tomar mejor las decisiones en las estrategias en cuanto a la captación de clientes. Para ello se desarrolla una segmentación en los usuarios con la finalidad de asociarlas por sus características particulares de conducta empleando la técnica de análisis de conglomerados como K medias. Cabe señalar que se emplea estas técnicas visto que la información recopilada tiene contiene datos atípicos, como también, está segmentada por faces, por lo cual se emplea indicadores de validación clúster cuya finalidad es realizar una buena segmentación en los usuarios y así tomar buenas decisiones.
2023-01-01T00:00:00ZDeterminar la influencia de los gastos en las personas de 18 a 30 años y su impacto en el acceso a la educación superior en la región de Junín, periodo 2020 al 2022
https://hdl.handle.net/20.500.12672/21377
Determinar la influencia de los gastos en las personas de 18 a 30 años y su impacto en el acceso a la educación superior en la región de Junín, periodo 2020 al 2022
Basilio Ibarra, Rudy Franco
Determina y cuantifica los principales factores que explican el gasto de los estudiantes de nivel superior en el departamento de Junín. Para ello, la presente utiliza la información de la Encuesta Nacional de Hogares (ENAHO) en un corte transversal, y mediante un modelo estadístico usando la metodología de regresión Logit. Asimismo, Por medio del modelo de Mínimos Cuadrados Ordinarios se busca estima un modelo estadístico, para también determinar la influencia del gasto y su acceso en la educación para los hogares en la región Junín (Perú).
2023-01-01T00:00:00ZModelo de Regresión Logístico en datos no balanceados para predecir la reincorporación de alumnos ausentes en la Universidad Continental
https://hdl.handle.net/20.500.12672/21266
Modelo de Regresión Logístico en datos no balanceados para predecir la reincorporación de alumnos ausentes en la Universidad Continental
Quispe Conde, Sandro
Aplica la metodología Undersampling a un conjunto de datos desbalanceados
de alumnos en condición de ausencia para ver su impacto en las predicciones
hechas por el Modelo de Regresión Logística.
Se utiliza un conjunto de datos de alumnos en condición de ausencia
de la Universidad Continental, en el cual se necesita saber qué alumnos se reincorporarán en el
periodo 2023-2. Se observa que la gran mayoría no se reincorpora, ya que dicho
porcentaje es del 90% aproximadamente según la información histórica que maneja la
universidad. Es decir; se evidencia un desbalance de clases en la variable respuesta.
La reincorporación estudiantil universitaria es el retorno del alumno a su centro de estudios
luego que dicho alumno se ausentó de la universidad. Se utiliza la lista de alumnos ausentes al
cerrarse la matrícula del 2022-1, donde el estado de reincorporación es la variable respuesta la
cual se conoce en el cierre de matrícula del siguiente periodo académico (2022-2) y la cual es
desbalanceada. Con dicha información consolidada se construye un modelo de Regresión
Logística tradicional y otro aplicando la metodología Undersampling, la cual es útil para
corregir el desbalance y generar mejores predicciones, que es lo que se muestra en este trabajo
al comparar sus resultados con los resultados del modelo cuando no se utiliza dicha
metodología. Lo anteriormente descrito es propio de un enfoque cuantitativo, además de tener
las características de un diseño no experimental dado que no se manipulan las variables
independientes. Después de obtener y comprar resultados se decidirá sí se va a utilizar dicha
metodología para elaborar predicciones para el 2023-2.
2023-01-01T00:00:00Z