Metodología para modelar la asociación entre dos variables aleatorias continuas a través de funciones cópula: aplicación en datos biomédicos

La estimación de la fuerza de la dependencia entre dos variables aleatorias es importante en el análisis de los datos. Un método para hallar dicha asociación son las funciones cópulas, representada como una forma paramétrica conveniente para modelar la estructura de dependencia en distribuciones conjuntas de variables aleatorias. Existe una amplia gama de funciones cópulas, por lo que la elección de una cópula adecuada es uno de los grandes retos al que se enfrenta el investigador. Con este trabajo se busca proponer un mecanismo de selección de cópula usando pruebas analíticas y gráficas, entre las pruebas gráficas se encuentran los gráficos Chi-Plot y K-Plot. Entre sus resultados relevantes se encontró que para marginales normal, la mejor cópula es gaussiana con parámetro ρ = 0.88, para marginales log-normal, la cópula que mejor ajustó fue una frank con un parámetro de 4.438, para las marginales t-student, la cópula que mejor ajustó fue una gaussiana con parámetro ρ = 0.87 y para para marginales weibull, la copula que mejor ajustó fue frank. Haciendo uso de esta metodología, fue posible encontrar la asociación de dos variables aleatorias, por medio de las funciones cópula.

• Autores: Martinéz Hernandez, Maira Alejandra
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de Córdoba
• Repositorio: Repositorio Institucional Unicórdoba
• Idioma: spa
• OAI Identifier: oai:repositorio.unicordoba.edu.co:ucordoba/7859
• Acceso en línea: https://repositorio.unicordoba.edu.co/handle/ucordoba/7859; https://repositorio.unicordoba.edu.co/
• Palabra clave: 500 - Ciencias naturales y matemáticas; Función cópula; Dependencia; Datos bivariados; τ de kendall; Métodos gráficos; Copula function; Dependence; Bivariate data; Kendall’s τ; Graphical methods
• Rights: openAccess
• License: Copyright Universidad de Córdoba, 2023