Actualmente, uno de los modelos de diagnóstico cognitivo (MDC) más usados es el modelo DINA. Sin embargo, este modelo presenta varias restricciones que hacen que en muchas ocasiones, no sea el que mejor se ajusta a la realidad. En ese contexto, nace una generalización del modelo DINA, denominado G-DINA (Generalized deterministic input, noisy and gate). En el presente estudio se presentan los fundamentos y propiedades del modelo G-DINA y su aplicación en un área en el que su uso todavía no es muy común: la psicología. Así, se evaluaron los resultados de una muestra de pacientes de un hospital general de Lima a los que se les aplicó el test SRQ-18 que evalúa la presencia de desórdenes mentales. Se muestra el proceso de selección del mejor modelo para cada ítem, los resultados de los parámetros obtenidos, los diagnósticos para los 10 primeros pacientes y una distribución de los perfiles de estos pacientes. Finalmente se presenta un estudio de simulación que tiene por finalidad estudiar el efecto del tamaño de muestra en la estimación de los parámetros en el contexto de la aplicación de este estudio. / Tesis

En esta tesis se diseña una técnica de estimación de parámetros constantes para los modelos de jaula sencilla y doble jaula sin pérdidas en el entrehierro de la máquina de inducción trifásica, que parte de los datos del fabricante para obtener trayectorias de comportamiento teórico, llamada Torque-Speed-Tracking. También se diseña una técnica para la estimación de parámetros variables para el modelo de jaula sencilla cuyo comportamiento resultante se compara con el obtenido con el modelo de doble jaula de parámetros constantes; esta técnica parte de medidas experimentales y modela cada parámetro con una función polinómica de coeficientes constantes. Finalmente se utilizan los parámetros constantes obtenidos para analizar los efectos de los huecos de tensión al utilizar los modelos mencionados y se clasifican dichos huecos en función de su severidad en los picos de intensidad, par y deslizamiento en una máquina de inducción trifásica. / In this doctoral thesis a technique has been designed for the constant parameters estimation for the single- and double-cage models, without air gap losses, of the three-phase induction machine; this technique is called Torque- Speed-Tracking, and obtains a path of theoretical behaviour from the manufacturer's data. Also, a technique for the estimation of four variable parameters for the single-cage model has been designed, whose resulting behaviour is compared with the obtained one with the double-cage model with constant parameters; in this technique each parameter is modelled with a polynomial function with constant coefficients, from experimental measurements. Finally, the obtained constant parameters are used to analysing the effects of voltage dips/sags using the listed models. The voltage dips/sags are classified in terms of their severity on peaks of: intensity, torque and slip, on a three-phase induction machine.

[EN] Water and nitrogen transport in soil simulation models are useful for understanding the evolution of such processes and to predict the behaviour of water and nitrogen in the soil to use such information to make recommendations to farmers when these models are applied to commercial farms. A feature of such models is that they have a large number of parameters associated to the different processes modelled. Some of these parameters can be obtained directly from experiments or literature. However, other parameters have to be estimated by comparing the model predictions with experimental data measured in the field. This process is known as model calibration and has to be previously performed to be able to use this type of models for a certain crop and a holding. Measures of moisture and nitrogen content of soil nitrogen are difficult to obtain because either specialized equipment such as humidity probes is needed, or periodic sampling and analyses have to be undertaken, which are expensive from the point of view of the money and time needed. Thus, the number of data available for the calibration of water and nitrogen transport models is not very large therefore the parameter estimation of these models has the problem known as overparameterization. This means, it is possible to find different sets of parameter values for the model in such a way that the model predictions go through the available experimental data. To solve this problem, the chosen approach has been to reduce the number of parameters to be estimated, setting the the other parameters in a typical value. For that, is necessary to have a criterion for choosing which parameters are used in the optimization process associated with calibration and which ones remain fixed. In this work, we have evaluated two methods of global sensitivity analysis for computational models, to determine which are the most sensitive parameters of LEACHN and EU-Rotate\_N models, which simulate the behaviour of water and nitrogen in the soil of two cultivated plots with cauliflower in two consecutive crops, taking as a variable to examine the error between the model outputs and experimental measurements. The methods used were, first, LH-OAT method based on the calculation of average Local sensitivity indices evaluated in a set of points of the parameter space obtained by sampling according to a Latin hypercube. The other method evaluated has been the FAST method, which it is based on the decomposition of the total variance of the model when the parameters space is visited using search curves in this space. After determination of the most important parameters related with the water dynamics in the soil and the nitrogen cycle, we have proceeded to the calibration of these models. With the calibrated models a prediction for the evolution of the moisture and nitrate content in the soil has been performed for the two experimental plots. Once calibrated, both LEACHM and EU-Rotate\_N models have simulated adequately the evolution of the water content in the soil, both in the period used for the calibration and in predictions performed. Parameters related to the nitrogen cycle have presented more interactions, hindering the choice of the most sensitive parameters of each model. After obtaining an optimal configuration for the value of the parameters related to the the nitrogen cycle, a reasonable adjustment for the models has been achieved providing predictions of the evolution of nitrogen content in the soils with a higher error margin than the one obtained for predictions of soil moisture. / [ES] Los modelos de simulación del transporte de agua y nitrógeno en el suelo son útiles para la comprensión del funcionamiento de estos procesos, así como para predecir el comportamiento de los mismos, de modo que puedan utilizarse como herramientas de recomendación para los agricultores cuando se aplican en explotaciones comerciales. Este tipo de modelos se caracterizan por contener una gran cantidad de parámetros asociados a los distintos procesos que modelizan. Algunos de estos parámetros se pueden obtener directamente de experimentos o de la literatura. No obstante, hay otros parámetros que se han de estimar comparando las predicciones de los modelos con datos experimentales que se hayan medido en el campo. Este proceso se conoce como calibración del modelo y se ha de realizar previamente a poder utilizar este tipo de modelos para un cierto cultivo y una explotación determinada. Las medidas de humedad y contenido de nitrógeno en el suelo son difíciles de realizar, ya que se necesita o bien disponer de equipos especializados, como las sondas de humedad, o realizar muestreos y análisis periódicos que son costosos desde el punto de vista económico además de requerir tiempo para su realización. Así, el número de datos disponible para la calibración de los modelos de transporte de agua y nitrógeno no es muy elevado y, por ello, la estimación de parámetros de estos modelos presenta el problema conocido como sobreparametrización, esto es se pueden encontrar distintos conjuntos de parámetros de forma que las predicciones del modelo pasen por los puntos experimentales disponibles. Para resolver este problema, se ha optado por reducir el número de parámetros a estimar, fijando los otros parámetros en un valor típico. Para ello, es necesario disponer de un criterio de elección de qué parámetros se utilizan en el proceso de optimización asociado a la calibración. En este trabajo se han evaluado dos métodos de análisis de sensibilidad global de modelos, para determinar cuales son los parámetros más sensibles de los modelos LEACHN y EU-Rotate\_N, que simulan el comportamiento del agua y nitrógeno en el suelo de dos parcelas cultivadas con coliflor en dos periodos de cultivo consecutivos, tomando como variable a analizar el error entre las salidas del modelo y las medidas experimentales. Los métodos utilizados han sido, por un lado, el método LH-OAT, basado en el cálculo del promedio de índices de sensibilidad local evaluados en un conjunto de puntos del espacio de parámetros obtenidos por un muestreo según un hipercubo latino. El otro método evaluado ha sido el método FAST, que se basa en la descomposición de la varianza total de la salida del modelo al utilizar unas curvas de búsqueda en el espacio de parámetros. Tras la determinación de los parámetros más importantes para la dinámica del agua y el ciclo del nitrógeno en el suelo, se ha procedido a la calibración de estos modelos. Con los modelos calibrados se ha realizado la predicción de la evolución de la humedad y del contenido de nitrato en el suelo. Tanto el modelo LEACHM como el modelo EU-Rotate\_N, una vez calibrados han simulado bien la evolución del contenido de agua en el suelo, tanto en el periodo utilizado para la calibración, como en las predicciones realizadas. Los parámetros relacionados con el ciclo del nitrógeno han presentado mayor grado de interacción, dificultando la elección de los parámetros más sensibles de cada modelo. Una vez obtenida una configuración óptima para el valor de los parámetros relacionados con el ciclo del nitrógeno se ha conseguido un ajuste razonable para el modelo, que permite predicciones de la evolución del nitrógeno con un margen de error superior que el que se ha conseguido para las predicciones de humedad del suelo. / [CAT] Els models de simulació del transport d'aigua i nitrogen en el sòl són útils per a la comprensió del funcionament d'aquests processos a mes de predir el comportament dels mateixos de manera que puguen utilitzar-se com a eines de recomanació per als agricultors quan s'apliquen en explotacions comercials. Aquest tipus de models es caracteritzen per contenir una gran quantitat de paràmetres associats als diferents processos que modelitzen. Alguns d'aquests paràmetres es poden obtenir directament d'experiments o de la literatura. No obstant açò, hi ha altres paràmetres que s'han d'estimar comparant les prediccions dels models amb dades experimentals que s'hagen mesurat en el camp. Aquest procés es coneix com a calibratge del model i s'ha de realitzar prèviament a poder utilitzar aquest tipus de models per a un cert cultiu i una explotació determinada. Les mesures d'humitat i contingut de nitrogen en el sòl són difícils de realitzar ja que es necessita disposar d'equips especialitzats, com les sondes d'humitat, o bé realitzar mostrejos i anàlisis periòdiques que són costosos des del punt de vista econòmic, i a més requereixen temps per a la seua realització. Així, el nombre de dades disponible per al calibratge dels models de transport d'aigua i nitrogen no és molt elevat i, per açò, l'estimació de paràmetres d'aquests models presenta el problema conegut com sobreparametrització, açò és, es poden trobar diferents conjunts de paràmetres de manera que les prediccions del model passen pels punts experimentals disponibles. Per a resoldre aquest problema s'ha optat per reduir el nombre de paràmetres a estimar, fixant els altres paràmetres en un valor típic. Per a açò, és necessari disposar d'un criteri d'elecció de quins paràmetres s'utilitzen en el procés d'optimització associat al calibratge. En aquest treball s'han avaluat dos mètodes d'anàlisis de sensibilitat global d'un model, per a determinar quins són els paràmetres més sensibles dels models LEACHN i EU-Rotate\_N, que simulen el comportament de l'aigua i nitrogen en el sòl de dues parcel·les conreades amb coliflor en dos períodes de cultiu consecutius, prenent com a variable a analitzar l'error entre les eixides del model i les mesures experimentals. Els mètodes utilitzats han sigut, d'una banda, el mètode LH-OAT, basat en el càlcul de la mitja d'índexs de sensibilitat local avaluats en un conjunt de punts de l'espai de paràmetres obtinguts per un mostreig segons un hipercub llatí. L'altre mètode avaluat ha sigut el mètode FAST, que es basa en la descomposició de la variància total de l'eixida del model en utilitzar unes corbes de cerca en l'espai de paràmetres. Després de la determinació dels paràmetres més importants per a la dinàmica de l'aigua i el cicle del nitrogen en el sòl, s'ha procedit al calibratge d'aquests models. Amb els models calibrats s'ha realitzat la predicció de l'evolució de la humitat i del contingut de nitrat en el sòl. Tant el model LEACHM com el model EU-Rotate\_N, una vegada calibrats, han simulat bé l'evolució del contingut d'aigua en el sòl, tant en el període utilitzat per al calibratge, com en les prediccions realitzades. Els paràmetres relacionats amb el cicle del nitrogen han presentat major grau d'interacció, dificultant l'elecció dels paràmetres més sensibles de cada model. Una vegada obtinguda una configuració òptima per al valor dels paràmetres relacionats amb el cicle del nitrogen s'ha aconseguit un ajust raonable per al model, que permet prediccions de l'evolució del nitrogen amb un marge d'error superior que el que s'ha aconseguit per a les prediccions d'humitat del sòl. / Sánchez De Oleo, CM. (2016). Estimación de parámetros en modelos de transporte de agua y nitrógeno en el suelo [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/62589 / TESIS

En el campo educacional, cuando los estudiantes resuelven problemas su habilidad en un tema particular puede influir en el desempeño de los mismos en un área de estudio similar pero diferente. Por ejemplo, la habilidad en ciencias podría tener un efecto en su dominio sobre las matemáticas, lo que a su vez afectará la forma en que los evaluados responden a las preguntas o ítems sobre matemáticas de una prueba. Por tanto, resulta natural examinar la relación entre el rendimiento en un área particular de estudio y el dominio de los atributos en un tema relacionado. Los modelos de diagnóstico cognitivo (CDM) proporcionan un marco ideal para realizar un análisis de este tipo, ya que clasifican a los examinados en perfiles de atributos que indican su dominio en las habilidades delimitadas permitiendo obtener información más específica con respecto a sus fortalezas y debilidades. Los CDM resuelven varias limitaciones de los métodos clásicos y los modelos de teoría de respuesta a ítems unidimensionales (TRI). Para este estudio se amplía el marco de DINA al incorporar una covariable en un modelo de DINA reparametrizado. La covariable se puede especificar en dos niveles: en el nivel inferior, afectando la forma en que los evaluados resuelven los ítems (es decir, la probabilidad de respuesta), y en el nivel superior, influenciando en el dominio de los atributos (es decir, la clasificación latente). En esta tesis, se desarrolla teóricamente el modelo indicado desde el enfoque clásico. Para la estimación desarrollaremos el método de máxima verosimilitud y el método de la moda a posteriori vía el algoritmo de Esperanza-Maximización (EM) y de Newton-Raphson. Para tal fin, se realiza 4 estudios de simulación con la finalidad de observar en primer lugar el efecto de la covariable cuando afecta simultáneamente a los ítems y a los atributos, luego cuando la covariable afecta por separado a ambos, y también cuando la covariable no los afecta. Finalmente, se muestra su aplicación en la evaluación de la prueba de admisión a una Universidad.

La presente tesis muestra la distribución mixtura de distribuciones Birnbaum-Saunders basados en mixturas de escala normal asimétrica (MF-BS-MENA). Este modelo es una extensión a la propuesta de Maehara (2018a) para datos unimodales basados en distribuciones con mixtura de escala normal asimétrica utilizada para modelar datos con percentiles extremos y altamente concentrados a la izquierda de la distribución. El modelo propuesto permite modelar datos con dos o más componentes de mixtura de distribuciones asimétricas como la t de Student asimétrica (TA), la Slash asimétrica (SLA), y la normal contaminada asimétrica (NCA). Para estimar los parámetros del modelo propuesto se presenta un método de estimación basado en el algoritmo de maximización condicional de la esperanza (una extensión del algoritmo EM). Además, se desarrollan simulaciones que muestran la precisión de las estimaciones y los errores estándar. Por último, se realizan aplicaciones con un conjunto de datos reales. / The following thesis presents the nite mixtures of Birbaums-Saunders distributions based on the scale mixture of skew-normal distributions, which are called FM-BS-SMSN. This model is an extension of Maehara (2018a) study of unimodal data based on scale mixture of skew-normal distributions which are used to model extreme percentiles in the left-tail of the distribution. The proposed model can t two or more mixture of components of skewed distributions like Skew-t, Skew-slash, and skew-contaminated normal. The proposed method to accomplish the estimation of model parameters is the expectation of conditional maximization (an extension of EM algorithm). Moreover, simulations and applications are presented to illustrate the robustness of the proposed estimation method and standar errors. Finally, the last chapter presents an aplication for real data sets.

Actualmente, uno de los modelos de diagnóstico cognitivo (MDC) más usados es el modelo DINA. Sin embargo, este modelo presenta varias restricciones que hacen que en muchas ocasiones, no sea el que mejor se ajusta a la realidad. En ese contexto, nace una generalización del modelo DINA, denominado G-DINA (Generalized deterministic input, noisy and gate). En el presente estudio se presentan los fundamentos y propiedades del modelo G-DINA y su aplicación en un área en el que su uso todavía no es muy común: la psicología. Así, se evaluaron los resultados de una muestra de pacientes de un hospital general de Lima a los que se les aplicó el test SRQ-18 que evalúa la presencia de desórdenes mentales. Se muestra el proceso de selección del mejor modelo para cada ítem, los resultados de los parámetros obtenidos, los diagnósticos para los 10 primeros pacientes y una distribución de los perfiles de estos pacientes. Finalmente se presenta un estudio de simulación que tiene por finalidad estudiar el efecto del tamaño de muestra en la estimación de los parámetros en el contexto de la aplicación de este estudio.

El conocimiento del equilibrio entre fases fluidas en sistemas de alta asimetría, es decir, sistemas con significativas diferencias en tamaño molecular y/o en interacciones energéticas, es de importancia en el diseño y desarrollo de nuevos procesos y tecnologías. En esta tesis se desarrollaron herramientas matemáticas para obtener condiciones especiales de equilibrio entre fases y se implementaron algoritmos de cálculo de hiper-líneas de equilibrio. Además se propusieron y estudiaron estrategias de parametrizado para modelos del tipo ecuación de estado. Se consideraron extremos locales en isopletas y/o isotermas y/o isobaras de equilibrio entre fases, es decir, puntos Criocondenbar (CCB), Criocondenterm (CCT) y Criocondencomp (CCC), y los comportamientos asociados “Retrógrado” (CR), “Retrógrado Dual” (CR2) y “Doble Retrógrado” (CDR). Para estudiar los fenómenos mencionados, por un lado, se desarrolló una metodología general la cual se basa en aplicar derivación implícita para obtener las condiciones de extremo local en cualquier tipo de hiper-línea de equilibrio, por ejemplo, isopletas, isotermas, isobaras, líneas críticas, líneas líquido-líquido-vapor, etc. Con esta metodología se demuestra, además, la existencia simultánea de pares de extremos locales en distintos planos de corte de las superficies de equilibrio entre fases, estableciéndose una forma sencilla de identificar la naturaleza de los extremos locales coexistentes. Por otro lado, se desarrollaron robustos algoritmos de cálculo, basados en métodos de continuación numérica, para el cómputo de hiper-líneas, altamente no lineales, de extremos locales, las cuales existen en espacios multidimensionales. Se presentan resultados de cálculo para distintos tipos de hiper-líneas. Las mismas corresponden a los casos CCB, CCT y CCC, y a la cuantificación de la capacidad límite de reproducción, por parte de un modelo, de coordenadas clave del equilibrio entre fases. Los resultados para los casos CCB, CCT y CCC permitieron detectar y cuantificar los comportamientos CR, CR2 y CDR. Se desarrollaron además diferentes estrategias no convencionales de parametrizado de ecuaciones de estado. Para esto se consideraron la definición y clasificación de puntos clave del diagrama global de fases (Global Phase Behaviour Approach) y la parametrización, sea por reproducción exacta de coordenadas clave ó por estimación de parámetros vía optimización. Se estudiaron distintas variantes de reproducción exacta de coordenadas clave y de los enfoques de optimización implícito y semi-implícito, ambos considerados bajo un formalismo unificado. Se presentan resultados de la aplicación de dichas estrategias de estimación de parámetros para sistemas binarios asimétricos como por ejemplo metano + n-alcano, CO2 + n-alcano y agua + n-alcano. Los resultados ilustran cómo la utilización de datos experimentales correctamente seleccionados y la implementación de enfoques de optimización apropiados, permiten minimizar el nivel de intervención por parte del usuario en el proceso de estimación de parámetros de ecuaciones de estado.