Estudio de la incidencia actitudinal de los estudiantes en pruebas de matemáticas tipo ICFES: Una aproximación semiparamétrica

En temas académicos, los efectos marginales de la educación varían en función de distintos niveles de capacidades de los estudiantes. De esta manera, la omisión del comportamiento de la educación junto con el efecto de interacción de la misma con las capacidades de los estudiantes, conlleva a tener...

Full description

Autores:
Corredor Rivera, Diego Armando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2018
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/10372
Acceso en línea:
http://hdl.handle.net/11634/10372
Palabra clave:
Bayesian semiparametrics
Gibbs sampler
Errors family
Educación -- Métodos estadísticos
Psicología -- Métodos estadísticos
Análisis de regresión
Modelo semiparamétrico bayesiano
Muestreador de Gibbs
Familia de los errores
Modelos de regresión semiparamétrica
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
Description
Summary:En temas académicos, los efectos marginales de la educación varían en función de distintos niveles de capacidades de los estudiantes. De esta manera, la omisión del comportamiento de la educación junto con el efecto de interacción de la misma con las capacidades de los estudiantes, conlleva a tener resultados erróneos si se utilizaran métodos lineales para la estimación de los parámetros de interés. Los modelos de regresión semiparamétrica tienen como principal objetivo analizar la relación entre la variable respuesta y las explicativas, esta relación se puede establecer por medio de una función de distribución conocida, que facilita la estimación de los parámetros y la interpretación de los resultados del modelo. Los errores pueden tener una estructura desconocida la cual puede tener efectos negativos en la estimación de los parámetros, ya que estos pueden llegar a tener gran parte de la informaci on que no se ajusta adecuadamente al modelo, es por esta razón que se estudiaran los diferentes tipos de errores que se pueden obtener al ajustar un modelo semiparamétrico, obteniendo así la mejor estimación insesgada del modelo y la menor perdida de información en los errores.