Estadística

URI permanente para esta colección

https://hdl.handle.net/10893/4019

Navegar

Examinando Estadística por Materia "Análisis de datos funcionales"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Estimación funcional robusta de la media de la humedad relativa
    (Universidad del Valle, 2018) Sánchez Ortiz, Daniel Arturo; Olaya Ochoa, Javier
    Las observaciones atípicas pueden generar estimaciones erro´neas o que no concuerdan con la realidad, por lo que es de gran importancia la implementación de técnicas que identifiquen y traten de una forma adecuada dichos valores. En el siguiente trabajo se logra establecer una metodología para reducir el impacto generado por las observaciones atípicas de la Humedad Relativa en el promedio del año 2016 en la ciudad de Santiago de Cali, Colombia. Para esto se aprovechan las ventajas generadas al utilizar el análisis de datos funcionales, de donde se desprenden conceptos como el de profundidad funcional, utilizado para identificar los días del año que presentaron un patrón diferente al convencional y posteriormente mediante teoría de datos escalares buscar una estimación de la media que no se vea afectada por dichos valores. Se estableció que realizando un recorte del 16% de las curvas menos profundas se logra una disminución en la variabilidad y una estimación robusta de la media funcional.
  • Miniatura
    PublicaciónAcceso abierto
    Evaluación del desempeño en métodos clásicos y datos funcionales para la estimación de datos faltantes con mediciones de ozono en la ciudad de Santiago de Cali
    (Universidad del Valle, 2018) Henao Peña, Lina Marcela; Silva Guamanga, Sergio Andrés; Ospina Galindez, Johann Alexis
    En este estudio, se introducen varios métodos de imputación que han sido diseñados con base a las técnicas de análisis de datos funcionales (ADF) y se investiga la capacidad de los métodos para estimar valores faltantes óptimos, es decir, que cuenten con el mínimo error posible. Los métodos de imputación única y los métodos de imputación iterativa se realizan mediante la estimación de curvas a través de métodos de regresión y de suavizado. Por otra parte, se realizan estimaciones por medio de métodos clásicos comunmente utilizados en investigaciones científicas por su fácil aplicabilidad y entendimiento, como lo son los métodos de medias y de regresión. El rendimiento de los métodos basados en datos funcionales y clásico, se comparan mediante un conjunto de datos reales de Ozono troposférico (datos de referencia), obtenidos de la estación Compartir, localizada en la parte oriental de la ciudad de Santiago de Cali. Mil conjuntos de datos faltantes se generan a partir de los datos de referencia con seis patrones diferentes de valores faltantes, los cuales se desarrollan con el objetivo de investigar el rendimiento de los métodos considerados. Los patrones se simulan de acuerdo con tres porcentajes (5, 10 y 15) de valores faltantes con respecto a dos tamaños diferentes (3 y 7) de longitudes de espacio máximos (puntos perdidos consecutivos). La decisión conjunta de los indicadores evaluados muestran que el método de imputación iterativa es más flexible y preciso a los otros métodos evaluados para altos porcentajes de valores aleatorios faltantes y longitudes máximas, logrando optimizar el proceso de imputación.