Por favor, use este identificador para citar o enlazar este ítem: http://cimat.repositorioinstitucional.mx/jspui/handle/1008/981
Métodos Robustos para el Análisis de Conglomerados en Datos Funcionales
DIEGO RIVERA GARCIA
Acceso Abierto
Atribución-NoComercial
análisis de conglomerados
La determinación de una técnica adecuada de análisis de conglomerados, es siempre más compleja con la presencia de valores atípicos en los datos, resultando muy difícil decidir cuándo un conjunto de observaciones debe ser considerado como un grupo adicional, o simplemente como ruido y ser descartado. El análisis de conglomerados en datos funcionales ha recibido particular atención en la última década. En este trabajo se presenta un algoritmo robusto, que llamamos Robust Functional Clustering (RFC), basado en el esquema de modelos probabilísticos que se construyen a partir de la aproximación a la función de densidad para datos funcionales y el uso conjunto de las técnicas de recorte y restricciones sobre las matrices de dispersión de los grupos. El procedimiento fue evaluado mediante un análisis de simulación, que muestra su efectividad en presencia de datos contaminados por ruido. Se presentan también aplicaciones al problema de análisis de conglomerados robusto para series de tiempo estacionarias, basado en el análisis de las densidades espectrales como datos funcionales. Adicionalmente, se plantea un procedimiento que aborda el problema de recortes por celdas en el análisis de conglomerados para datos funcionales. La propuesta realiza recortes por coordenadas (cellwise trimming) evitando recortar datos completos. Se realizaron diversos estudios de simulación para evaluar el desempeño del procedimiento y se presentan aplicaciones a conjuntos de datos reales. Finalmente, se muestran las conclusiones y propuestas de trabajo futuro.
10-10-2018
Trabajo de grado, doctorado
ANÁLISIS GLOBAL
Versión aceptada
acceptedVersion - Versión aceptada
Aparece en las colecciones: Tesis del CIMAT

Cargar archivos:


Fichero Descripción Tamaño Formato  
TE 706.pdf28.14 MBAdobe PDFVisualizar/Abrir