Análisis de componentes principales y análisis de regresión para datos categóricos. Aplicación en HTA

Vista sencilla de ítem
dc.contributor.advisorCasas Cardoso, Gladys
dc.contributor.authorNavarro Céspedes, Juan Manuel
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2019-02-07T17:26:14Z
dc.date.available2019-02-07T17:26:14Z
dc.date.issued2008-06-26
dc.description.abstractEn la presente investigación, se presentan los métodos más importantes para el análisis de datos categóricos. Nuestra contribución está basada en la aplicación de dos nuevos métodos estadísticos categóricos: Análisis Regresión y Análisis de Componentes Principales, ambos categóricos, en un problema médico. La primera técnica aplica la metodología de escalamiento óptimo para cuantificar las variables categóricas, incluyendo la variables respuesta en el análisis de regresión, simultáneando la optimización del coeficiente de regresión múltiple. Los niveles de escalamiento que pueden ser aplicados son nominal, spline no monótono, ordinal, spline monótono o numérico. La segunda técnica es la equivalente no lineal del Análisis de Componentes Principales (ACP). Las ventajas más importantes del no lineal sobre el ACP lineal están dadas por el hecho que incorpora variables nominales u ordinales, y además posibilita la manipulación y descripción de relaciones no lineales entre las variables. Se presenta un problema de predicción de la hipertensión en el municipio de Santa Clara. Se obtuvo un modelo con buenos resultados con todas las variables predictoras. Se utilizó el ACP Categórico como un procedimiento exploratorio y como técnica de selección. Con las variables seleccionadas, se obtuvo un nuevo modelo de regresión categórica. Se verificaron los supuestos en todos los modelos. Finalmente, con el objetivo de resolver un problema de clasificación, se utilizó la regresión categórica como método discriminante.en_US
dc.description.abstractIn this research, the most important methods for categorical statistical analysis are presented. Our contribution is based on the application in a medical problem of two new categorical statistical methods: Regression Analysis and Principal Component Analysis, both categorical. The first technique applies optimal scaling methodology to quantify categorical variables, including the response variable in regression analysis, simultaneously optimizing the multiple regression coefficients. The scaling levels that can be applied are nominal, nonmonotonic spline, ordinal, monotonic spline or numerical. The second technique is the nonlinear equivalent of the standard Principal Component Analysis (PCA). The most important advantages of nonlinear over linear PCA are given by the fact that it incorporates nominal and ordinal variables, and also because is possible to handle and discover nonlinear relationships between variables. An hypertension prediction problem in Santa Clara is presented. A model with all predictive variables was obtained with good results. Categorical PCA are used as exploratory procedure and as feature selection technique. With the selected variables, a new categorical regression model was obtained. Assumptions are verified in all models. Finally, in order to solve the classification problem, categorical regression was used as discriminant method.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Matemáticaen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/10747
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectAnálisis de Componentes Principales (ACP)en_US
dc.subjectAnálisis de Regresiónen_US
dc.subjectDatos Categóricosen_US
dc.subjectHipertensión Arterialen_US
dc.subject.otherAnálisis de Regresiónen_US
dc.subject.otherAnálisis Estadísticoen_US
dc.subject.otherHipertensión Arterialen_US
dc.subject.otherTécnicas para Pronósticosen_US
dc.titleAnálisis de componentes principales y análisis de regresión para datos categóricos. Aplicación en HTAen_US
dc.typeThesisen_US
dc.type.thesismasteren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis Maestria Juan Manuel.pdf
Tamaño:
599.07 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Maestría - Matemática Aplicada