Magíster en Gestión de Operaciones / Este proyecto, formó parte del plan de mitigación de clientes morosos implementado por una empresa de telecomunicaciones en el año 2009, dónde una de las líneas de acción estaba enfocada en disminuir la morosidad de los nuevos clientes en su primera factura. Se propuso un modelo que clasifique a los nuevos clientes en pagadores y no pagadores, permitiendo con ello, reorientar recursos y realizar acciones preventivas de morosidad de manera más focalizada y efectiva, las cuales estaban siendo hasta ese momento aplicadas al universo total de nuevos clientes. El éxito de este proyecto requería el compromiso del área de cobranzas, usuaria del modelo, por esto, la elección del modelo consideró aspectos tanto teóricos como prácticos. La simpleza y la fácil ejecución del modelo, idealmente programable, eran variables deseables y decidoras del éxito de éste. Se ejecutó basado en Clasificación Bayesiana por su forma simple de utilizar y presentar una confiabilidad aceptable [17]. Los métodos de inducción bayesiana han demostrado ser una clase de algoritmos tan competitivos como los métodos árboles de decisión y redes neuronales [29], que permiten implementar algoritmos en Wolfram Mathematica 6.0 cuyas sentencias de programación son muy similares al lenguaje C++, permitiendo su programación posterior. El modelo se confeccionó con 42.087 clientes, contratantes entre el 15 de julio y el 15 de octubre del 2009, de estos, 40.087 formaron la base de aprendizaje para calibrar y realizar los cálculos de probabilidades, y 2.000 como base de testing. Los clientes a clasificar en pagadores y no pagadores correspondieron a 9.328, quienes ingresaron a la empresa entre el 16 de Octubre y el 15 de Noviembre del 2009. En base a establecer una probabilidad a priori, se plantea en valores estimados de corte probabilístico basado en la experiencia o un método de clasificación [19], por una probabilidad de corte de 0,4 para clasificar a un cliente pagador por la necesidad que enfrenta la empresa de mejorar el % de clientes morosos en su primera boleta y a la vez reducir los costos actuales involucrados en la cobranza. El modelo clasificó a 2.910 clientes como no pagadores, 2.179 de ellos efectivamente no cancelaron su boleta al vencimiento (75%). Este resultado es compatible con el esperado en el análisis teórico, debido a la eficiencia de los estimadores estimados, como también, el tamaño de los set de datos empleados que en forma teórica respalda los resultados obtenidos con un 80% de confiabilidad. Como trabajo futuro, resulta interesante evaluar el aporte del modelo en la reducción real del porcentaje de clientes morosos al permitir reorientar recursos y focalizarse en ciertos clientes, como a su vez, actualizar la base de aprendizaje de tal forma ir considerando la actualidad al modelo.

Este trabajo compara tres distribuciones skew-t. En particular, las propuestas por Branco y Dey (2001) y Azzalini y Capitanio (2003), Fernández y Steel (1998), y Jones y Faddy (2003). Se analiza la relación entre los parámetros y el nivel de asimetría a través de la medida de Patil et al. (2014). Se propone una nueva parametrización de la distribución skew-t de Jones y Faddy (2003) que modela mejor la asimetría. Las distribuciones son ajustadas a datos reales basados en el retorno logarítmico de la tasa de cambio de PEN a USD. / Tesis

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2017. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2017-05-03T18:30:08Z No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-05-09T22:44:56Z (GMT) No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) / Made available in DSpace on 2017-05-09T22:44:56Z (GMT). No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) Previous issue date: 2017-05-09 / A análise de frequência de cheias, utilizada na avaliação de riscos de inundação e no dimensionamento de estruturas hidráulicas, consiste no ajuste estatístico de uma distribuição teórica de probabilidade aos dados históricos de vazão. Na maioria das vezes, as vazões não são diretamente medidas em campo, mas estimadas a partir do histórico de cotas máximas de nível d’água e da curva-chave, que é uma função que tenta representar a relação estabelecida entre a cota de nível d’água e a vazão para a seção do rio em estudo. Como a curva-chave é apenas uma aproximação da real relação entre cota e vazão, os dados de vazão são altamente influenciados pela forma como essa curva é estabelecida e, portanto, sujeitos a incertezas. No caso da análise de cheias, essas incertezas podem ser ainda maiores, já que as vazões de pico são usualmente estimadas a partir da extrapolação da curva onde se tem pouca ou nenhuma informação disponível. A compreensão e melhor descrição dessas incertezas permite uma estimativa mais realista dos quantis estimados na análise de frequência de cheias. O uso da inferência Bayesiana é atraente nesses casos, pois o conhecimento das caraterísticas hidráulicas do rio, assim como a modelagem das incertezas envolvidas, pode ser incorporado à análise de uma maneira natural, permitindo que se considere as incertezas nos dados de vazão na estimativa dos quantis. Esse estudo propõe um Modelo Bayesiano Completo (BC), que incorpora o conhecimento hidráulico sobre o trecho do rio em questão na estimativa das incertezas inerentes ao ajuste da curva-chave, e considera essas incertezas na obtenção da curva de frequência de cheias. O modelo é aplicado em um caso sintético com parâmetros conhecidos e em um caso real na estação fluviométrica de Cáceres no rio Paraguai, com intuito de avaliar o impacto dessas incertezas em diferentes cenários de disponibilidade de dados e conhecimento sobre o trecho do rio. Os resultados obtidos mostram que o modelo proposto é adequado para estimativa da distribuição a posteriori dos parâmetros da curva-chave, da distribuição teórica de probabilidades e dos quantis e seus intervalos de credibilidade. O estudo demonstra que as incertezas da curva-chave não são desprezíveis e podem chegar até 70% do valor da incerteza global, e têm um impacto significativo na incerteza nos quantis de cheia. Além disso, os resultados mostram que a disponibilidade de dados de medição de descarga e cotas máximas anuais, assim como o conhecimento hidráulico sobre o trecho do rio podem alterar essas incertezas, indicando o importante papel dos levantamentos de campo na melhoria das estimativas. / Flood frequency analysis is developed to provide essential information for flood risk management and for the design of hydraulic structures. It consists of adjusting a theoretical probability distribution to a sample of streamflow data in order to relate flood magnitudes to their probability of exceedance. Daily streamflow records, however, are not actually measured in the field, but estimated based on daily measurements of water level in conjunction with the rating curve, a mathematical function that relates gauge readings with discharge values at a given station. As the rating curve is only an approximation of the real relationship between water levels and discharge values, daily streamflow data contain uncertainties. In flood frequency analysis, these uncertainties can be even larger because a relatively large portion of the data is estimated based on the extrapolation of the rating curve. The comprehension and quantitative assessment of these uncertainties are important to obtain a more realistic description of the uncertainties in flood quantile estimates. Bayesian inference is very attractive in theses cases because it can easily incorporate the often imprecise knowledge available on the hydraulic behavior of the river into the flood frequency analysis, providing a natural way to not only evaluate the uncertainties in the streamflow sample, but also to consider these uncertainties in the estimated flood quantiles.This dissertation develops a fully Bayesian model (BC) capable of incorporating imprecise knowledge on the hydraulic behavior of the river, when available, to estimate the uncertainties in the rating curve and to consider these uncertainties in the development of the flood frequency curve. The proposed model was applied in a synthetic case with known parameters and in a real case with data from a streamfow gauge located in the Paraguai River. These cases were used to evaluate the impacts of uncertainties in the rating curve in the flood quantile estimates considering different scenarios of record length, amount of discharge measurements and quality of information on the hydraulic behavior of the river. Results show the proposed fully Bayesian model provided adequate posterior distributions of parameters of the rating curve, the probability distribution of annual maximum floods, and flood quantiles. Estimated uncertainties in the rating curve were quite large, representing as much as 70% of the uncertainties in flood quantiles in extreme cases. Results also show that the amount of discharge measurements and prior knowledge on the hydraulic behavior of the river can have an impact on the uncertainties in the flood quantiles, indicating the potential role of field survey and discharge measurement in the reduction of uncertainties on flood quantile.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raiane Silva (raianesilva@bce.unb.br) on 2017-07-14T17:45:49Z No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-08-25T20:49:23Z (GMT) No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) / Made available in DSpace on 2017-08-25T20:49:23Z (GMT). No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) Previous issue date: 2017-08-25 / Certificar-se de que o modelo probabilístico proposto representa satisfatoriamente o problema e um dos principais passos na modelagem estatística, pois a escolha de um modelo que não esteja bem ajustado pode provocar prejuízos irreparáveis com a tomada de uma decisão errada. Frequentemente, o objetivo da modelagem estatística e a predição de novas observações, fazendo com que avaliar a acurácia do modelo seja imprescindível. Por em, métodos que analisam a capacidade preditiva de um modelo não são muito utilizados por sua complexidade. Este trabalho apresentou uma adaptação para a metodologia de verificação da capacidade preditiva de um modelo proposta por Gelfand (1996), que apesar de simples e intuitiva, não permitia a validação de modelos de uma maneira objetiva. A adaptação possibilitou a definição de um critério de rejeição de modelos, por meio de estudos de simulação, proporcionando um meio de discriminação imparcial para a metodologia. O desenvolvimento da proposta foi realizado sob uma perspectiva bayesiana de inferência, expondo os conceitos utilizados em sua elaboração e apresentando os procedimentos necessários para sua aplicação. A metodologia proposta foi aplicada a base de dados reais para exemplificar sua utilização, possibilitando verificar a praticidade de sua aplicação em situações reais. / To ensure that a proposed probability model is a good representation of the problem is one of the main steps of statistical modelling, since choosing a model that does not have a good fit may lead to wrong decisions. Often, the aim of the statistical modelling is the prediction of new observations, making it necessary to ensure the model accuracy. This work provides an adjustment to Gelfand (1996) methodology to validate the model predictive capacity, which, although simple, does not allow an objective form of validation. The adjustment allowed the definition of a model rejection criterion, providing an impartial method to ensure model accuracy. The development of the adjustment was done on a bayesian inference approach, presenting the employed concepts and the necessary procedures to the application. The methodology was tested on a real database, exhibiting the practicality of the method on real applications.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-11-21T17:02:46Z No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2017-01-31T18:35:19Z (GMT) No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Made available in DSpace on 2017-01-31T18:35:19Z (GMT). No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Pesquisas realizadas na última década tem mostrado a abordagem bayesiana como uma ferramenta promissora na avaliação de incertezas em modelos hidrológicos e no auxílio à tomada de decisões a partir de prognósticos desses modelos. A abordagem bayesiana com o emprego das denominadas cadeias de Markov via simulação Monte Carlo permite a obtenção das distribuições posteriores completas de todos os parâmetros do modelo e de qualquer função dos mesmos, incluindo a do hidrograma simulado. Contudo, ao se empregar essa abordagem faz-se necessário representar a natureza assumida para os erros do modelo por meio de uma função de verossimilhança. É comum, em diversos casos de simulação, assumir que os resíduos possam ser representados por uma distribuição normal com média zero e desvio padrão conhecido. Entretanto, diversos estudos tem revelado que essa premissa é frequentemente violada para a maioria dos caso sem hidrologia. Este trabalho se insere nesse contexto e apresenta o desenvolvimento e a aplicação dos algoritmos Metropolis Hastings e Adaptive Metropolis para a estimativa das incertezas referentes aos parâmetros do modelo hidrológico do tipo conceitual denominado Soil Moisture Accounting Procedure (SMAP), para passo de tempo mensal. Complementarmente, o algoritmo Differential Evolution Adaptive Metropolis (DREAM), amplamente testado em diversos trabalhos correlatos, é empregado com o propósito de validar os resultados obtidos com os algoritmos implementados, bem como avaliar o comportamento das estimativas dos erros e das distribuições posteriores quando se faz uso de uma função de verossimilhança generalizada, capaz de agregar a não normalidade, a heterocedasticidade e a correlação entre os resíduos. Com o propósito de melhor explorar o comportamento dos parâmetros e contrapor a abordagem bayesiana com os métodos de calibração determinísticos usualmente empregados, os parâmetros são também estimados com o algoritmo de busca global PSO. Os resultados indicam o comportamento adequado dos algoritmos implementados, mostrando o potencial da abordagem bayesiana para a avaliação de incertezas bem como demonstram a influência da função de verossimilhança nas distribuições posteriores dos parâmetros e nas vazões simuladas. Com o intuito de corroborar para disseminação e uso dessa ferramenta os códigos implementados em linguagem R são disponibilizados ao final do trabalho para os principais casos estudados. / Researches conducted in the last decade has shown Bayesian approach as a promising tool in exploring uncertainty in hydrologic modeling and as an useful support in decision making process. The application of the Bayesian approach, implemented by Markov chains via Monte Carlo simulation, provides the full posterior distribution of the model parameters and any function of them, including the distribution of the simulated flows. However, when applying Bayesian approach the modeler should make assumptions about the errors nature by implementing an appropriate likelihood function. It is usual, in many cases, assuming that residuals can be described by a normal distribution with zero mean and a given standard deviation. However, several studies have shown that this assumption is often violated for most cases in hydrology. This work corroborates to this context and presents Metropolis Hastings and Adaptive Metropolis algorithms implemented in R programming language in order to assess the uncertainty regarding the Soil Moisture Accounting Procedure (SMAP)parameters, a conceptual Rainfall-Runoff model, to monthly time steps. In addition, DREAM algorithm, widely applied in several related works, is used in order to validate the results obtained with the implemented algorithms. Furthermore, residuals behavior are analyzed by a Generalized Likelihood Function that better address the non-normality, heterocedasticity and correlation between errors. For the sake of comparison, parameters were also estimated with a global optimization procedure and with a Bayesian approach. Results illustrate the potential of the Bayesian approach in exploring the parameters uncertainties, and indicate the influence of the likelihood function in the parameter posterior distributions and simulated flow. In order to corroborate to the use and dissemination of Bayesian analyses in hydrologic modeling, programming codes implemented in R statistical language are available at the end of work for the main case studies.

Se revisan diversos modelos de confiabilidad de software reportados en la literatura con los objetivos de: l. Estudiar el comportamiento de la estimación máximo verosímil y bayesiana de los parámetros. 2. Dar a conocer estas técnicas con vistas a su generalización y futura aplicación en la práctica.

A metanálise tem sido amplamente utilizada em estudos médicos especialmente em revisões sistemáticas de ensaios clínicos aleatorizados. Para modelos de regressão a técnica ainda é muito escassa e limitada. Geralmente trata-se apenas de uma medida baseada nas médias de estimativas pontuais dos diferentes estudos, perdendo-se muita informação dos dados originais. Atualmente torna-se cada vez mais fundamental o uso da metanálise para sumarizar estudos de mesmo objetivo, em razão do avanço da ciência e o desejo de usar o menor número de seres humanos em ensaios clínicos. Utilizando uma medida metanalítica Bayesiana, o objetivo é propor um método genérico e eficiente para realizar metanálise em modelos de regressão. / Meta analysis has been widely used in medical studies especially in systematic reviews of randomized clinical trials. For regression models the technique is still very scarce and limited. Usually it is just a measure based on the average point estimates of dierent studies, losing a lot of information of the original data. Currently it becomes increasingly important to use the meta-analysis to summarize the same objective studies, due to the advancement of science and the desire to use the smallest number of human subjects in clinical trials. Using a meta-analytic Bayesian measure, the objective is to propose a generic and ecient method to perform meta-analysis in regression models.

A aplicação da Mecânica Estatística no estudo de Redes Neurais é baseada no fato que a extração de informação de dados (exemplos) pode ser modelada por um processo de minimização de uma função energia. Técnicas originadas no estudo de sistemas desordenados, tais como o Método de Réplicas; o Método da Cavidade; Equações de TAP; bem como técnicas de Monte Carlo tem sido exaustivamente estudadas, levando a vários resultados dentro do que temos conhecido como aprendizagem off-line, onde o sistema é posto em equilíbrio termodinâmico. A possibilidade do tempo de relaxação ser muito grande implica alto custo computacional, o que tem estimulado a busca por algoritmos de aprendizagem fora do equilíbrio, onde surge uma interessante classe de métodos conhecidos por aprendizagem on-line, na qual cada informação (exemplo) é apresentada ao sistema apenas uma vez, trazendo um baixo custo computacional junto a um bom desempenho. Nessa dissertação nós trabalhamos em cima do trabalho de Opper, que relacionou a aprendizagem on-line ótima à aprendizagem off-line Bayesiana por meio de uma aproximação Gaussiana da distribuição posterior. Isso porém, pode ser visto como apenas o primeiro passo numa expansão generalizada de Gram-Charlier (G-Ch) da densidade posterior, a qual pode trazer novos caminhos para o entendimento da relação on-line/off-line. A expansão também pode ser estendida à aprendizagem por potencial, onde a distribuição de probabilidades é Gibbsiana utilizando-se de todos os termos da série, ou seja, na aprendizagem off-line.Assim a G-Ch nos permite estudar extensões não Gaussianas da aprendizagem fora do equilíbrio (on-line) para uma aprendizagem em equilíbrio (off-line), dando uma interpretação do uso das famílias dos hiperparâmetros, construídos a partir dos cumulantes da distribuição posterior, como uma incorporação de informações sobre a forma geométrica do espaço de Versões. Apresentamos duas aplicações para os algoritmos obtidos por tais caminhos: um Perceptron unidimensional e um N-dimensional. Na primeira observamos a aprendizagem Bayesiana na presença de ruído e quando a regra a ser aprendida muda no tempo, onde construímos um diagrama de robustez para a análise da adaptabilidade do algoritmo frente a estimação incorreta do nível de ruído. Na segunda aplicação apresentamos resultados preliminares para o Perceptron em N dimensões. Estudamos aprendizagem usando o potencial ótimo que leva à saturação do limite de Bayes para a generalização no limite termodinâmico.

O uso de técnicas não invasivas está sendo utilizado na avaliação do trato vocal e da laringe como uma ferramenta de auxílio ao especialista na prevenção, diagnóstico e tratamento de alterações vocais e laríngeas. Dessa forma, esse trabalho apresenta o uso da teoria de decisão, mais precisamente da teoria Bayesiana na avaliação das condições da laringe. Utilizando-se de sinais de voz diagnosticados, foram extraídas 38 medidas acústicas que representam informações numéricas do sinal. A partir dessas informações, em etapas univariada e multivariada (combinação das medidas acústicas), dentro de uma população de 4 patologias (edema, fenda, nódulo e pólipo) mais a voz normal, realizaram-se as discriminações individualmente e com a combinação das 38 medidas acústicas. Os resultados retornam percentuais de acerto das medidas acústicas na discriminação das 4 patologias mais a voz normal nas etapas citadas. Os resultados mostraram o potencial do sistema implementado na discriminação das 4 patologias da laringe mais a voz normal. Na etapa univariada, obteve-se 100% de acerto na discriminação apenas para a patologia pólipo e 90% para as outras 3 patologias e voz normal. Na etapa multivariada, para a combinação 2a2 das medidas acústicas, apenas para a patologia edema obteve-se 90% de acerto na sua discriminação e para as outras 3 patologias e voz normal obteve-se 100% de acerto. Na combinação 3a3 das medidas acústicas, obteve-se 100% de acerto para as 4 patologias e voz normal, embora para a patologia edema apenas uma única combinação resultou em 100% de acerto. Dessa forma, realizou-se a combinação 4a4 das medidas acústicas na tentativa de se obter um número maior de combinações que resultassem em 100% de acerto na discriminação da patologia edema e o resultado foi positivo. Na etapa multivariada, o processo de combinação se deu até 4a4 pelo fato de conseguirmos obter 100% para todas as 4 patologias mais a voz normal envolvidas na análise e dessa forma, não continuamos as combinações por questões como tempo computacional e volume de dados excessivo para análise. Em suma, essa etapa contribuiu de forma incisiva para listar as medidas acústicas que melhor discriminaram as 4 patologias mais a voz normal em análise, portanto, esse trabalho obtêm resultados inéditos até o momento na literatura. Com isso, a conclusão é que o sistema implementado mostrou-se potencial como ferramenta de auxílio ao especialista em caráter de triagem e consulta. / Non invasive techniques have been used in the evaluation of the vocal tract and larynx as an additional tool of aid in the prevention, diagnosis and treatment of vocal and larynx alterations. This work presents the use of decision theory, more precisely the Bayesian theory in the evaluation of the conditions of the larynx. From the diagnosed voice signals, 38 acoustic parameters were extracted which represent numerical information of the signals. This information in univaried and multivaried stages enabled to perform individual and combined discriminations of these parameters by using Bayesian theory as discriminator. By using the procedures, percentages of success in the discrimination of the analyzed pathologies were achieved. These results have shown the potential of the implemented system in the discrimination of larynx pathologies, where 4 pathologies were analyzed (edema, fend, nodule and polyp) and also normal voice. In the univaried step, it was achieved 100% of success only for Polyp and 90% for the rest of the pathologies. In the multivaried step, for 2 for 2 combinations only for edema it was achieved 90% of success in the discrimination, and the others 100%. In 3 for 3 combinations, 100% of success was reached for all cases analyzed, although for edema only a single combinations resulted in 100% of success. In 4 for 4 combinations was realized so when could get a larger number of combination with 100% of success in the discrimination. In the multivaried step, the combination process was done until 4 for 4, where we could reach 100% of success for the 4 pathologies e normal voice, therefore, we have not continued the combinations due to high computational time for the process, as well as too many data for analysis. That step, was primordial to list the measure that best discrimination the 4 pathologies and normal voice in analysis, whose results have never published up to now. With this work we can conclude that the system proved to be a potential tool in medical aid and for selection and assistance.

La estimación de la prevalencia de una enfermedad, la cual es definida como el número de casos con la enfermedad en una población dividida por el número de elementos en ésta, es realizado con gran precisión cuando existen pruebas 100% exactas, también llamadas gold standard. Sin embargo, en muchos casos, debido a los altos costos de las pruebas de diagnóstico o limitaciones de tecnología, la prueba gold standard no existe y debe ser reemplazada por una o más pruebas diagnósticas no tan caras pero con bajos niveles de sensibilidad o especificidad. Este estudio está enfocado en el estudio de dos enfoques bayesianos para la estimación de prevalencia cuando no es factible tener resultados de una prueba 100% exacta. El primero es un modelo con dos parámetros que toman en cuenta la asociación entre los resultados de las pruebas. El segundo es un enfoque que propone el uso del Bayesian Model Averaging para combinar los resultados de cuatro modelos donde cada uno de estos tiene suposiciones diferentes sobre la asociación entre los resultados de las pruebas diagnósticas. Ambos enfoques son estudiados mediante simulaciones para evaluar el desempeño de estos bajo diferentes escenarios. Finalmente estas técnicas serán usadas para estimar la prevalencia de enfermedad renal crónica en el Perú con datos de un estudio de cohortes de CRONICAS (Francis et al., 2015). / Tesis