DSpace Repository

Regresión lineal segmentada

Show simple item record

dc.contributor.author Ávila Ortega, Hibels Denichi
dc.date.accessioned 2021-10-13T22:32:42Z
dc.date.available 2021-10-13T22:32:42Z
dc.date.created 2020-10-06
dc.date.issued 2021-10-11
dc.identifier.citation Ávila ortega, Hibels Denichi. (2020). Regresión lineal segmentada (Maestría en Ciencias Fisicomatemáticas). Instituto Politécnico Nacional, Sección de Estudios de Posgrado e Investigación, Escuela Superior de Física y Matemáticas, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/29623
dc.description Tesis (Maestría en Ciencias Fisicomatemáticas), Instituto Politécnico Nacional, SEPI, ESFM, 2020, 1 archivo PDF, (107 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: Al realizar un análisis estadístico, la regresión lineal es una de las principales herramientas; si bien en ocasiones se observan cambios en la tendencia lineal de los datos y es posible utilizar un enfoque de regresión lineal segmentada, la cual puede ser continua o no. En dicho enfoque, es necesario definir el número de segmentos que constituyen la regresión, con lo que se obtiene un conjunto de modelos para un mismo fenómeno; posteriormente, para elegir el mejor de los diferentes modelos se puede utilizar algún criterio de información como el bayesiano o el de Akike, los cuales buscan minimizar la suma de errores cuadrados con el menor número de segmentos posible para llegar a un modelo “parsimonioso”. Algunas aplicaciones de este tipo de regresión que se exploran en este trabajo son la búsqueda de los límites de las regiones de la raíz de Arabidopsis thaliana y las tendencias de contaminantes atmosféricos. El uso de modelos segmentados sugiere que la raíz se encuentra formada por al menos tres zonas que son: división, transición y crecimiento acelerado. La modelación de tendencias de contaminantes de las redes de monitoreo atmosférico de la Cuidad de México y el área conurbada permite identificar tendencias y fechas donde cambia el comportamiento de los principales contaminantes. A manera de conclusión, en esta investigación se muestra cómo el uso de los modelos segmentados puede ser una herramienta importante en el análisis de diferentes fenómenos en los que se presentan cambios discretos. ABSTRACT: When conducting statistical analysis, linear regression is one of the main tools; although changes are sometimes observed in the linear trend of the data and it is possible to use a segmented linear regression approach, which may or may not be continuous. In this approach, it is necessary to define the number of segments that make up the regression, thereby obtaining a set of models for the same phenomenon; subsequently, to choose the best of the different models, some information criteria such as Bayesian or Akike’s can be used, which seek to minimize the sum of squared errors with the least number of segments possible to arrive at a “parsimonious” model. Some applications of this type of regression that are explored in this work are the search for the limits of the Arabidopsis thaliana root regions and the trends of atmospheric pollutants. The use of segmented models suggests that the root is made up of at least three zones, which are: division, transition and accelerated growth. The modeling of pollutant trends of the atmospheric monitoring networks of Mexico City and the metropolitan area allows to identify trends and dates where the behavior of the main pollutants changes. In conclusion, this research shows how the use of segmented models can be an important tool in the analysis of different phenomena in which discrete changes occur. es
dc.language.iso es es
dc.subject Regresión es
dc.subject SIMAT es
dc.subject Raíces es
dc.title Regresión lineal segmentada es
dc.type TESIS es
dc.contributor.advisor Pacheco Escobedo, Mario Alberto
dc.contributor.advisor Sarmiento Rosales, Eliseo


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account