En el siguiente trabajo se presentan dos tratamientos a los problemas suscitados en el análisis de datos con presencia de datos perdidos: El Algoritmo EM basado en la Estimación por Máxima Verosimilitud y la Imputación Múltiple para datos faltantes, ambos métodos presentan ciertas ventajas frente a los métodos de imputación simple que ocasionan la obtención de estimadores distorsionados y sesgados. El algoritmo EM y la Imputación Múltiple se aplican a un conjunto de datos obtenido por simulación, causándole la pérdida de algunos valores con el objetivo de realizar posteriores comparaciones de las estimaciones obtenidas en casos con el conjunto de datos con y sin información faltante.

Publicación a texto completo no autorizada por el autor / Presenta el procedimiento de imputación múltiple como método alternativo a la no respuesta parcial. Para la aplicación de este estudio se contó con una base de datos de empleados de una empresa de Lima Metropolitana, en ella se determinó el tamaño de muestra para los objetivos que se trazaron, la muestra seleccionada se denominó muestra completa y a partir de ella se generó una muestra incompleta eliminando aproximadamente el 10.4% de algunos campos, esto se realizó con la finalidad de comparar las estimaciones con datos completos e incompletos mediante la aplicación del procedimiento de imputación múltiple a la muestra incompleta. / Tesis

Publicación a texto completo no autorizada por el autor / Estudia la imputación múltiple propuesta por Rubín (1987), basada en simulación de Montecarlo y cadenas de Markov, que permite analizar bases de datos incompletas cuando se presentan encuestas por muestro con una alta tasa de no respuesta parcial. Para la aplicación se contó con una base de datos del Instituto Nacional de Estadística e Informática (INEI), Encuesta Permanente de Empleo en Lima Metropolitana – 2016. Se considera las siguientes variables en la encuesta: edad en años, años de estudio, número de personas que laboran en el trabajo, total de horas trabajadas, ingreso total mensual. / Trabajo de suficiencia profesional