Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/9279
Título : | Análisis discriminante no métrico y regresión logística en el problema de clasificación |
Autor : | Patiño Rodríguez, Carmen Elena |
metadata.dc.subject.*: | Análisis de regresión Regression analysis Análisis de regresión logística Logistic regression analysis Análisis discriminante Discriminant analysis Análisis multivariante Multivariate analysis Estadística Statistics |
Fecha de publicación : | 2008 |
Editorial : | Instituto Tecnológico Metropolitano |
Citación : | O. C. Úsuga-Manco and C. E. Patiño-Rodríguez, "Análisis discriminante no métrico y regresión logística en el problema de clasificación," Tecno Lógicas, no. 21, pp. 13-29, 2008. |
Resumen : | RESUMEN: Este artículo muestra los resultados de un proyecto de investigación donde se realizó un estudio de comparación entre análisis discriminante no métrico y regresión logística para el caso en el que se clasifican más de dos grupos que provienen de distribuciones normales y no normales, bajo diferentes tamaños muestrales. Este proceso se llevó a cabo por medio de un estudio de simulación, evaluando los dos procedimientos por medio de la tasa de clasificación errónea. El estudio permitió concluir que bajo distribuciones simétricas los dos procedimientos son similares en cuanto a la tasa de clasificación errónea y bajo distribuciones no simétricas la regresión logística se comporta mejor que el análisis discriminante no métrico. Palabras clave: Análisis discriminante, análisis discriminante no métrico, regresión logística, clasificación |
metadata.dc.identifier.eissn: | 2256-5337 |
ISSN : | 0123-7799 |
Aparece en las colecciones: | Artículos de Revista en Ingeniería |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
PatinoCarmen_2008_AnalisisDiscriminanteClasificacion.pdf | Artículo de investigación | 547.03 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons