Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones
El análisis de datos faltantes está orientado a la investigación y aplicación de métodos estadísticos, que permiten trabajar conjuntos de datos, con información faltante. Mediante procesos de estimación estadística, los valores faltantes en una base de datos (o muestra), pueden reemplazarse con valo...
- Autores:
-
Avila León, Mario
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/49335
- Acceso en línea:
- http://hdl.handle.net/11634/49335
- Palabra clave:
- Missing data
Beta regression
Imputation
Imputation methods
Rate and ratio variables
Estadísticas
Variables de Tasas
Métodos Estadísticos
Datos faltantes
Regresión Beta
Imputación
Métodos de imputación
Variables de tasas y proporciones
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_62de4ca148a3577eeaa8d5cc38672cb2 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/49335 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| title |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| spellingShingle |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones Missing data Beta regression Imputation Imputation methods Rate and ratio variables Estadísticas Variables de Tasas Métodos Estadísticos Datos faltantes Regresión Beta Imputación Métodos de imputación Variables de tasas y proporciones |
| title_short |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| title_full |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| title_fullStr |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| title_full_unstemmed |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| title_sort |
Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones |
| dc.creator.fl_str_mv |
Avila León, Mario |
| dc.contributor.advisor.none.fl_str_mv |
Pacheco López, Mario José |
| dc.contributor.author.none.fl_str_mv |
Avila León, Mario |
| dc.contributor.orcid.spa.fl_str_mv |
https://orcid.org/0000-0003-4752-703X |
| dc.contributor.googlescholar.spa.fl_str_mv |
https://scholar.google.com/citations?hl=es&user=a5SEoPgAAAAJ |
| dc.contributor.cvlac.spa.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479 |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.keyword.spa.fl_str_mv |
Missing data Beta regression Imputation Imputation methods Rate and ratio variables |
| topic |
Missing data Beta regression Imputation Imputation methods Rate and ratio variables Estadísticas Variables de Tasas Métodos Estadísticos Datos faltantes Regresión Beta Imputación Métodos de imputación Variables de tasas y proporciones |
| dc.subject.lemb.spa.fl_str_mv |
Estadísticas Variables de Tasas Métodos Estadísticos |
| dc.subject.proposal.spa.fl_str_mv |
Datos faltantes Regresión Beta Imputación Métodos de imputación Variables de tasas y proporciones |
| description |
El análisis de datos faltantes está orientado a la investigación y aplicación de métodos estadísticos, que permiten trabajar conjuntos de datos, con información faltante. Mediante procesos de estimación estadística, los valores faltantes en una base de datos (o muestra), pueden reemplazarse con valores obtenidos en dicho proceso; y lograr una base de datos con información completa. Algo ideal para un investigador; disponer de la data completa es una garantía para considerar toda la información de la muestra. Por este motivo, obtener una buena estimación de los valores faltantes, permite mejorar los análisis; por el contrario, reemplazar los valores ausentes con sesgos en su estimación puede generar valoraciones inadecuadas en un análisis. Los métodos y procesos para la imputación de datos faltantes, mejoran su potencia según el comportamiento de los datos y la información observada. Por tanto, los métodos de imputación pueden aplicarse a variables que cumplan algunas condiciones para asegurar una adecuada estimación. Este trabajo, propone estimar los valores faltantes para variables de proporciones o tasas, con un modelo de regresión Beta. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-02-04T00:24:17Z |
| dc.date.available.none.fl_str_mv |
2023-02-04T00:24:17Z |
| dc.date.issued.none.fl_str_mv |
2023-02-03 |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Avila León, M. (2022). Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/49335 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Avila León, M. (2022). Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/49335 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Cristian Tellez, S. G., Diego Lemus. (2014). Estadística Inferencial con Aplicaciones en R. Institución Universitaria Los Libertadores. Dagnino, J. (2014). Datos Faltantes (Missing Values). Revista Chilena de Anestesía, (43), 332-334. Dennis D. Wackerly, R. L. S., William Mendenhall III. (2010). Statistical Analysis with Missing Data (7st). Cengage Learning Editores, SA de CV. Enders, C. K. (2010). Applied Missing Data Analysis. The Guilford Press. Fernando Medina, M. G. (2007). Imputación de Datos: Teoría y Práctica (inf. téc.). CEPAL. Francisco Cribari-Neto, A. Z. (2010). Beta Regression in R. Journal of Statistical Software, 34. Geert Molenberghs, M. G. K. (2007). Missing Data in Clinical Studies. John Wiley & Sons Ltd. Juan Francisco Muñoz Rojas, E. Á. V. (2009). Métodos de imputación para el tratamiento de datos faltantes: aplicación mediante R/Splus. Revista de Métodos Cuantitativos para la Economía y la Empresa, (3), 3-30. Mitas, J. B. L. H. G. M. F. M. G. (2018). Visualización y Métodos de Imputación de Datos Faltantes en la Encuesta de Gasto de los Hogares (inf. téc.). Universidad del Rosario de Argentina. Moisés, C. C. (2014). Imputación de Datos Faltantes en un Modelo de Tiempo de Fallo Acelerado (Tesis de maestría). Universidad da Coruña. Rianne Margaretha Schouten, G. V. (2021). The Dance of the Mechanisms: How Observed Information Influences the Validity of Missingness Assumptions. Sociological Methods & Research, 50, 1243-1258. Rianne Margaretha Schouten, G. V., Peter Lugtig. (2018). Generating missing values for simulation purposes: a multivariate amputation procedure. Journal of Statistical Computation and Simulation, 88 (15), 2909-2930. Roderick J. A. Little, D. B. R. (2020). Statistical Analysis with Missing Data (3rd). John Wiley & Sons, Inc. Silvia L.P. Ferrari, F. C.-N. (2004). Beta Regression for Modelling Rates and Proportions. Stef Van Buuren, K. G.-O. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45, 1-67. Villegas, M. Á. G. (2005). Inferencia Estadística. Díaz de Santos. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Rregrado estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/49335/6/2023marioavila.pdf.jpg https://repository.usta.edu.co/bitstream/11634/49335/7/Carta%20CRAI%20Mario%20Avila%20%28%2812031%29.pdf.jpg https://repository.usta.edu.co/bitstream/11634/49335/8/Carta%20derechos%20de%20autor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/49335/4/license_rdf https://repository.usta.edu.co/bitstream/11634/49335/5/license.txt https://repository.usta.edu.co/bitstream/11634/49335/1/2023marioavila.pdf https://repository.usta.edu.co/bitstream/11634/49335/2/Carta%20CRAI%20Mario%20Avila%20%28%2812031%29.pdf https://repository.usta.edu.co/bitstream/11634/49335/3/Carta%20derechos%20de%20autor.pdf |
| bitstream.checksum.fl_str_mv |
3e7ea4cb34cfc9c5a63b2904e2480d12 20435b204eaa2ea1b21f350f08c70bc7 1cd6703ce9735d7880d9d1f24e9c7ef8 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 996e1b9746605c5f27c6ada364c796ff d0d9f44fb38585f5fe3bf8cf9285dff9 a68bc450f679850249a61ed9d59f1262 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
repositorio@usantotomas.edu.co |
| _version_ |
1782026249628024832 |
| spelling |
Pacheco López, Mario JoséAvila León, Mariohttps://orcid.org/0000-0003-4752-703Xhttps://scholar.google.com/citations?hl=es&user=a5SEoPgAAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479Universidad Santo Tomás2023-02-04T00:24:17Z2023-02-04T00:24:17Z2023-02-03Avila León, M. (2022). Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/49335reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl análisis de datos faltantes está orientado a la investigación y aplicación de métodos estadísticos, que permiten trabajar conjuntos de datos, con información faltante. Mediante procesos de estimación estadística, los valores faltantes en una base de datos (o muestra), pueden reemplazarse con valores obtenidos en dicho proceso; y lograr una base de datos con información completa. Algo ideal para un investigador; disponer de la data completa es una garantía para considerar toda la información de la muestra. Por este motivo, obtener una buena estimación de los valores faltantes, permite mejorar los análisis; por el contrario, reemplazar los valores ausentes con sesgos en su estimación puede generar valoraciones inadecuadas en un análisis. Los métodos y procesos para la imputación de datos faltantes, mejoran su potencia según el comportamiento de los datos y la información observada. Por tanto, los métodos de imputación pueden aplicarse a variables que cumplan algunas condiciones para asegurar una adecuada estimación. Este trabajo, propone estimar los valores faltantes para variables de proporciones o tasas, con un modelo de regresión Beta.Missing data analysis is oriented to the investigation and application of statistical methods, that allow working with data sets, with missing information. By means of statistical estimation processes, the missing values in a database (or sample), can be replaced with values obtained in this process; and achieve a database with complete information. Something ideal for a researcher; having the complete data is a guarantee to consider all the information of the sample. For this reason, obtaining a good estimate of the missing values, allows to improve the analysis; on the contrary, replacing the missing values with biases in their estimation can generate inadequate valuations in an analysis. The methods and processes for missing data, imputation improve their power according to the behavior of the data and the information observed. Therefore, imputation methods can be applied to variables that meet some conditions to ensure an adequate estimation. This paper, proposes to estimate missing values for ratio or rate variables, with a Beta regression model.Profesional en estadísticaPregradoapplication/pdfspaUniversidad Santo TomásRregrado estadísticaFacultad de estadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Propuesta de un Método de Imputación Múltiple para Variables de Tasas y ProporcionesMissing dataBeta regressionImputationImputation methodsRate and ratio variablesEstadísticasVariables de TasasMétodos EstadísticosDatos faltantesRegresión BetaImputaciónMétodos de imputaciónVariables de tasas y proporcionesinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáCristian Tellez, S. G., Diego Lemus. (2014). Estadística Inferencial con Aplicaciones en R. Institución Universitaria Los Libertadores.Dagnino, J. (2014). Datos Faltantes (Missing Values). Revista Chilena de Anestesía, (43), 332-334.Dennis D. Wackerly, R. L. S., William Mendenhall III. (2010). Statistical Analysis with Missing Data (7st). Cengage Learning Editores, SA de CV.Enders, C. K. (2010). Applied Missing Data Analysis. The Guilford Press.Fernando Medina, M. G. (2007). Imputación de Datos: Teoría y Práctica (inf. téc.). CEPAL.Francisco Cribari-Neto, A. Z. (2010). Beta Regression in R. Journal of Statistical Software, 34.Geert Molenberghs, M. G. K. (2007). Missing Data in Clinical Studies. John Wiley & Sons Ltd.Juan Francisco Muñoz Rojas, E. Á. V. (2009). Métodos de imputación para el tratamiento de datos faltantes: aplicación mediante R/Splus. Revista de Métodos Cuantitativos para la Economía y la Empresa, (3), 3-30.Mitas, J. B. L. H. G. M. F. M. G. (2018). Visualización y Métodos de Imputación de Datos Faltantes en la Encuesta de Gasto de los Hogares (inf. téc.). Universidad del Rosario de Argentina.Moisés, C. C. (2014). Imputación de Datos Faltantes en un Modelo de Tiempo de Fallo Acelerado (Tesis de maestría). Universidad da Coruña.Rianne Margaretha Schouten, G. V. (2021). The Dance of the Mechanisms: How Observed Information Influences the Validity of Missingness Assumptions. Sociological Methods & Research, 50, 1243-1258.Rianne Margaretha Schouten, G. V., Peter Lugtig. (2018). Generating missing values for simulation purposes: a multivariate amputation procedure. Journal of Statistical Computation and Simulation, 88 (15), 2909-2930.Roderick J. A. Little, D. B. R. (2020). Statistical Analysis with Missing Data (3rd). John Wiley & Sons, Inc.Silvia L.P. Ferrari, F. C.-N. (2004). Beta Regression for Modelling Rates and Proportions.Stef Van Buuren, K. G.-O. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45, 1-67.Villegas, M. Á. G. (2005). Inferencia Estadística. Díaz de Santos.THUMBNAIL2023marioavila.pdf.jpg2023marioavila.pdf.jpgIM Thumbnailimage/jpeg4812https://repository.usta.edu.co/bitstream/11634/49335/6/2023marioavila.pdf.jpg3e7ea4cb34cfc9c5a63b2904e2480d12MD56open accessCarta CRAI Mario Avila ((12031).pdf.jpgCarta CRAI Mario Avila ((12031).pdf.jpgIM Thumbnailimage/jpeg8327https://repository.usta.edu.co/bitstream/11634/49335/7/Carta%20CRAI%20Mario%20Avila%20%28%2812031%29.pdf.jpg20435b204eaa2ea1b21f350f08c70bc7MD57open accessCarta derechos de autor.pdf.jpgCarta derechos de autor.pdf.jpgIM Thumbnailimage/jpeg7685https://repository.usta.edu.co/bitstream/11634/49335/8/Carta%20derechos%20de%20autor.pdf.jpg1cd6703ce9735d7880d9d1f24e9c7ef8MD58open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/49335/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/49335/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessORIGINAL2023marioavila.pdf2023marioavila.pdfTrabajo de Gradoapplication/pdf422039https://repository.usta.edu.co/bitstream/11634/49335/1/2023marioavila.pdf996e1b9746605c5f27c6ada364c796ffMD51open accessCarta CRAI Mario Avila ((12031).pdfCarta CRAI Mario Avila ((12031).pdfCarta aprobación facultadapplication/pdf138983https://repository.usta.edu.co/bitstream/11634/49335/2/Carta%20CRAI%20Mario%20Avila%20%28%2812031%29.pdfd0d9f44fb38585f5fe3bf8cf9285dff9MD52metadata only accessCarta derechos de autor.pdfCarta derechos de autor.pdfCarta derechos de autorapplication/pdf198765https://repository.usta.edu.co/bitstream/11634/49335/3/Carta%20derechos%20de%20autor.pdfa68bc450f679850249a61ed9d59f1262MD53metadata only access11634/49335oai:repository.usta.edu.co:11634/493352023-05-09 09:39:07.635open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |