Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos

The mixture models are widely used in cases when there are elements that come from different populations, mixed in a superpopulation. There are traditional methods for the estimation of the parameters in mixture models: the Bayesian Method and the Expectation-Maximization (EM) algorithm. For that re...

Full description

Autores:
Romero-Rios, Natalia
Correa, Juan Carlos
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
eng
OAI Identifier:
oai:repository.usta.edu.co:11634/6460
Acceso en línea:
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585
Palabra clave:
Mixture estimation; mixture distribution; evolutive algorithms; genetic algorithms.
Estimación de mezclas; algoritmos evolutivos; algoritmos genéticos.
Rights
License
Copyright (c) 2016 Comunicaciones en Estadística
id SANTTOMAS2_48a85ed197eeccc98b0e0454f47cf13d
oai_identifier_str oai:repository.usta.edu.co:11634/6460
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
spelling Juan Carlos Correa Morales, Universidad Nacional de ColombiaRomero-Rios, NataliaCorrea, Juan Carlos2016-09-29https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/258510.15332/s2027-3355.2016.0002.05The mixture models are widely used in cases when there are elements that come from different populations, mixed in a superpopulation. There are traditional methods for the estimation of the parameters in mixture models: the Bayesian Method and the Expectation-Maximization (EM) algorithm. For that reason, in this work we propose the use of evolutive algorithms, such as genetic algorithms. We propose an algorithm for the comparison of evolutive and traditional methods, and we illustrate the use of this algorithm with a real application. We found that the evolutive algorithms are a competitive option to estimate the parameters in mixture models in the cases when the populations in the mixture follows a gamma distribution, the weights of the populations in the mixture are even and the sam- ple size is bigger than 100 items. For the mixture of normal distributions and the estimation of the number of populations in a mixture, the traditional method is a better option than the genetic algorithm.  Los modelos de mezclas son ampliamente usados en casos en los que se tienen elementos de poblaciones diversas, unidos en una super población. Hay métodos tradicionales para la estimación de los parámetros de modelos de mezclas, como lo son el bayesiano y el algoritmo de esperanza-maximización (EM). En esta investigación se propone usar los algoritmos evolutivos, como lo son los algoritmos genéticos, como método que puede servir para encontrar los parámetros de estimación de los modelos de mezclas. Para el desarrollo de este estudio se propone un algoritmo para la comparación de métodos evolutivos y tradicionales y se incluye un ejemplo de aplicación con datos reales. Se encontró que los algoritmos evolutivos son una opción competitiva para la estimación de parámetros en distribuciones de mezclas en los casos cuando las poblaciones en la mezcla siguen una distribución gamma, los pesos en las poblaciones son balanceados y el tamaño de muestra es mayor de 100 ítems. Para las mezclas de distribuciones normales y la estimación del número de poblaciones en una mezcla, el método tradicional es una mejor opción que el algoritmo genético.application/pdftext/plainengUniversidad Santo Tomáshttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585/3127https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585/3591Comunicaciones en Estadística; Vol. 9, Núm. 2 (2016); 255-270 (241-254 English)2339-30762027-3355Comunicaciones en Estadística; Vol. 9, Núm. 2 (2016); 255-270 (241-254 English)Copyright (c) 2016 Comunicaciones en Estadísticahttp://purl.org/coar/access_right/c_abf2Estimación de parámetros en modelos de mezclas usando algoritmos evolutivosParameter estimation in mixture models using evolutive algorithmsinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Mixture estimation; mixture distribution; evolutive algorithms; genetic algorithms.Estimación de mezclas; algoritmos evolutivos; algoritmos genéticos.11634/6460oai:repository.usta.edu.co:11634/64602023-07-14 16:32:48.886metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
dc.title.alternative.eng.fl_str_mv Parameter estimation in mixture models using evolutive algorithms
title Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
spellingShingle Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
Mixture estimation; mixture distribution; evolutive algorithms; genetic algorithms.
Estimación de mezclas; algoritmos evolutivos; algoritmos genéticos.
title_short Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
title_full Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
title_fullStr Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
title_full_unstemmed Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
title_sort Estimación de parámetros en modelos de mezclas usando algoritmos evolutivos
dc.creator.fl_str_mv Romero-Rios, Natalia
Correa, Juan Carlos
dc.contributor.author.spa.fl_str_mv Romero-Rios, Natalia
Correa, Juan Carlos
dc.contributor.eng.fl_str_mv Juan Carlos Correa Morales, Universidad Nacional de Colombia
dc.subject.proposal.eng.fl_str_mv Mixture estimation; mixture distribution; evolutive algorithms; genetic algorithms.
topic Mixture estimation; mixture distribution; evolutive algorithms; genetic algorithms.
Estimación de mezclas; algoritmos evolutivos; algoritmos genéticos.
dc.subject.proposal.spa.fl_str_mv Estimación de mezclas; algoritmos evolutivos; algoritmos genéticos.
description The mixture models are widely used in cases when there are elements that come from different populations, mixed in a superpopulation. There are traditional methods for the estimation of the parameters in mixture models: the Bayesian Method and the Expectation-Maximization (EM) algorithm. For that reason, in this work we propose the use of evolutive algorithms, such as genetic algorithms. We propose an algorithm for the comparison of evolutive and traditional methods, and we illustrate the use of this algorithm with a real application. We found that the evolutive algorithms are a competitive option to estimate the parameters in mixture models in the cases when the populations in the mixture follows a gamma distribution, the weights of the populations in the mixture are even and the sam- ple size is bigger than 100 items. For the mixture of normal distributions and the estimation of the number of populations in a mixture, the traditional method is a better option than the genetic algorithm.  
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016-09-29
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.spa.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585
10.15332/s2027-3355.2016.0002.05
url https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585
identifier_str_mv 10.15332/s2027-3355.2016.0002.05
dc.language.iso.spa.fl_str_mv eng
language eng
dc.relation.spa.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585/3127
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/2585/3591
dc.relation.citationissue.spa.fl_str_mv Comunicaciones en Estadística; Vol. 9, Núm. 2 (2016); 255-270 (241-254 English)
2339-3076
2027-3355
dc.relation.citationissue.eng.fl_str_mv Comunicaciones en Estadística; Vol. 9, Núm. 2 (2016); 255-270 (241-254 English)
dc.rights.spa.fl_str_mv Copyright (c) 2016 Comunicaciones en Estadística
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2016 Comunicaciones en Estadística
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
text/plain
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1782026226608635904