Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases

En las últimas dos décadas han surgido, en el análisis de datos categóricos, nuevas familias de estadísticos, basadas en medidas de divergencia, para la validación de modelos que mejoran, en algún sentido, a los estadísticos ya existentes de la ji-cuadrado de Pearson y del cociente de verosimilitude...

Descripción completa

Detalles Bibliográficos
Autor: Landaburu Jiménez, María Elena
Tipo de recurso: tesis doctoral
Fecha de publicación:2004
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/55267
Acceso en línea:https://hdl.handle.net/20.500.14352/55267
Access Level:acceso abierto
Palabra clave:Estadística matemática
Estadística matemática (Matemáticas)
1209 Estadística
id ES_8ce7092fdabc8db3e6d65aa751cd558d
oai_identifier_str oai:docta.ucm.es:20.500.14352/55267
network_acronym_str ES
network_name_str España
repository_id_str
spelling Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clasesLandaburu Jiménez, María ElenaEstadística matemáticaEstadística matemática (Matemáticas)1209 EstadísticaEn las últimas dos décadas han surgido, en el análisis de datos categóricos, nuevas familias de estadísticos, basadas en medidas de divergencia, para la validación de modelos que mejoran, en algún sentido, a los estadísticos ya existentes de la ji-cuadrado de Pearson y del cociente de verosimilitudes. Estas medidas de divergencia utilizadas se han venido considerando como medidas cuantitativas de discriminación entre dos poblaciones, caracterizadas por sus respectivas distribuciones de probabilidad, pero sin tener en cuenta la importancia de los resultados asociados al experimento bajo en consideración, respecto a un fin determinado. El objetivo central de la memoria es abordar problemas de bondad de ajuste, bajo el supuesto que los datos estén bien o mal clasificados y tanto bajo hipótesis nula simple como compuesta, cuando las clases compuesta se requerirá la estimación del parámetro desconocido mediante estimadores de mínima divergencia, que tendrán en cuenta las diferentes ponderacionesUniversidad Complutense de Madrid, Servicio de PublicacionesPardo Llorente, LeandroUniversidad Complutense de Madrid20042004-01-0120042004-01-01doctoral thesishttp://purl.org/coar/resource_type/c_db06info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/55267reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/552672026-06-02T12:44:21Z
dc.title.none.fl_str_mv Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
title Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
spellingShingle Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
Landaburu Jiménez, María Elena
Estadística matemática
Estadística matemática (Matemáticas)
1209 Estadística
title_short Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
title_full Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
title_fullStr Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
title_full_unstemmed Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
title_sort Las medidas de divergencia en contrastes de bondad de ajuste con ponderación en las clases
dc.creator.none.fl_str_mv Landaburu Jiménez, María Elena
author Landaburu Jiménez, María Elena
author_facet Landaburu Jiménez, María Elena
author_role author
dc.contributor.none.fl_str_mv Pardo Llorente, Leandro
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv Estadística matemática
Estadística matemática (Matemáticas)
1209 Estadística
topic Estadística matemática
Estadística matemática (Matemáticas)
1209 Estadística
description En las últimas dos décadas han surgido, en el análisis de datos categóricos, nuevas familias de estadísticos, basadas en medidas de divergencia, para la validación de modelos que mejoran, en algún sentido, a los estadísticos ya existentes de la ji-cuadrado de Pearson y del cociente de verosimilitudes. Estas medidas de divergencia utilizadas se han venido considerando como medidas cuantitativas de discriminación entre dos poblaciones, caracterizadas por sus respectivas distribuciones de probabilidad, pero sin tener en cuenta la importancia de los resultados asociados al experimento bajo en consideración, respecto a un fin determinado. El objetivo central de la memoria es abordar problemas de bondad de ajuste, bajo el supuesto que los datos estén bien o mal clasificados y tanto bajo hipótesis nula simple como compuesta, cuando las clases compuesta se requerirá la estimación del parámetro desconocido mediante estimadores de mínima divergencia, que tendrán en cuenta las diferentes ponderaciones
publishDate 2004
dc.date.none.fl_str_mv 2004
2004-01-01
2004
2004-01-01
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/55267
url https://hdl.handle.net/20.500.14352/55267
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869412970652499968
score 15.300724

Similares en LA Referencia