[pt] Esta dissertação investiga as Redes Neurais Bayesianas, que é uma nova abordagem que conjuga o potencial das redes neurais artificiais com a solidez analítica da estatística Bayesiana. Tipicamente, redes neurais convencionais como backpropagation, têm bom desempenho mas apresentam problemas de convergência, na ausência de dados suficientes de treinamento, ou problemas de mínimos locais, que trazem como conseqüência longo tempo de treinamento (esforço computacional) e possibilidades de sobre-treinamento (generalização ruim). Por essas razões, tem-se buscado desenvolver novos algoritmos de aprendizado para redes neurais baseados em princípios que pertencem a outras áreas da ciência como a Estatística, Lógica Nebulosa, Algoritmos Genéticos, etc. Neste sentido, este trabalho estuda e avalia um novo algoritmo de aprendizado baseado na estatística bayesiana, que consiste na utilização do mecanismo de interferência bayesiana no cálculo dos parâmetros (pesos) da rede neural. As principais etapas deste trabalho foram: o estudo das diferenças dos enfoques da estatística clássica e bayesiana sobre o aprendizado das redes neurais; o estudo dos métodos utilizados na inferência bayesiana; a avaliação das redes neurais Bayesianas (RNB) com aplicações Benchmarks; e por último, a avaliação das RNBs com aplicações reais. A diferença entre a estatística clássica e Bayesiana sobre o aprendizado das redes neurais esá na forma em que os parâmetros da rede são calculados. Por exemplo, o princípio de máxima verossimilhança quepertence à estatística clássica, na qual está baseada o algoritmo de backpropagation, se caracteriza por estimar um único vetor de parâmetros da rede neural. Por outro lado, a inferência Bayesiana se caracteriza por calcular uma função de densidade de probabilidade sobre todos os possíveis vetores de parâmetros que a rede neural pode possuir. Os métodos utilizados na inferência Bayesiana para calcular a função de densidade de probabilidade dos parâmetros. Neste trabalho se deu ênfase a dois métodos amplamente utilizados na estatística Bayesiana: o método de aproximação gaussiana e o método de MCMC (Markov Chain Monte Carlo), que mostraram sua efetividade com respeito ao problema da dimensão elevada do vetor de parâmetros. Para avaliar o desempenho destes algoritmos de aprendizado Bayesiano, foram feitos testes em aplicações benchmarks de previsão, classificação e aproximação de uma função. Também foram desenvolvidas aplicações reais de previsão de uma série temporal e carga elétrica e reconhecimento de face onde se avaliou o desempenho destes algoritmos. Além disso, foram feitas comparações entre estes algoritmos de aprendizado Bayesiano com o backpropagation, sistemas neuro fuzzy hierárquicos e outras técnicas estatísticas tais como Box&Jenkins e Holt-Winters. Com este trabalho, verificou-se que entre as vantagens dos algoritmos de aprendizado Bayesiano tem-se: a de minimizar o problema de sobre-treinamento (overfitting); controlar a complexidade do modelo (princípio de Occam’s razor) e ter boa generalização com poucos dados de treinamento. / [en] This dissertation investigates the Bayesianan Neural Networks, which is a new approach that merges the potencial of the artificial neural networks with the robust analytical analysis of the Bayesian Statistic. Typically, theconventional neural networks such as backpropagation, have good performance but presents problems of convergence, when enough data for training is not available, or due to problems of local minimum, which result in long training time and overfitting. For these reasons, researchers are investigating new learning algorithm for neural networks based on principle that belong to other area of science like Statistics, Fuzzy logic, Genetic Algorithms, etc. This dissertation studies and evaluates a new learning algorithm based on the Bayesian Statistics, that consists in the use of the Bayesian mechanical inference to calculate the value of the parameters of neural networks. The main steps of this research are: the study of the difference between the approach of the classical statistics and the approach of the Bayesian statistics regarding the process of learning in neural networks (RNB) with Benchmarks applications; and the evaluation of RNBs with real applications. The main differences between the classical and Bayesian statistics in regard to the learning on neural networks are in the form of calculation of the parameters. For example, the principle of maximum likelihood that belongs to classical statistics, in which the backpropagation algorithms, it is characterized for calculate only on vector of parameters of neural networks. However, the Bayesian inference, it is characterized for calculate a probabilistic density function of the parameters of neural networks are approximations or numerical methods, because the correct analytical treatment is difficult due to the high dimensions of the vector parameter. This dissertation gives especial emphasis to two methods: the Gaussian approximation and the Markov Chain Monte Carlo method (MCMC). To evaluate the performance of these Bayesian learning algorithms, a number of test has been done in application benchmarks of time series forecasting, classification and approximation of functions. Also, have been developed real applications on time serie forecasting of electrical and face recognition. Moreover, comparations have been made between the Bayesian learning algorithms with backpropagation, neuro fuzzy systems and other statistical techniques like a Box&Jenkins and Holt-Winters. This dissertation has shown that the advantages of the Bayesian learning algorithms are the minimization of the overfitting, control of the model complexity (principle of Occam’s razor)and good generalization with a few data for training.

Esta memoria trata acerca de la teoría de pruebas de múltiples hipótesis estadísticas, tema que está a la vanguardia de la investigación estadística actual con importantes aplicaciones en detección de fuentes en astronomía, estudio de neuro-imágenes y análisis de microarrays. Esta metodología surge cuando se quiere contrastar simultáneamente varias hipótesis, dando una protección adicional a la probabilidad de rechazar hipótesis nulas verdaderas. Este trabajo comienza con un breve repaso de la teoría inferencial frecuentista y bayesiana clásica, procurando establecer un marco de referencia común para posteriormente exponer los fundamentos de los test de hipótesis múltiples, abreviado THM. Luego se realiza una revisión general de las principales ideas detrás de los THM, con énfasis en los trabajos posteriores al de Benjamini y Hochberg en 1995, en el cual se desarrolla el importante concepto de tasa de falsos positivos, abreviado FDR en inglés. La relevancia de este último artículo se debe a que la FDR ha dado lugar a procedimientos estadísticos que se adecúan mejor a problemas en los cuales se dispone de grandes bases de datos con miles e incluso millones de variables que se desean analizar simultáneamente. Posteriormente se discuten algunas soluciones propuestas recientemente para resolver THM, desde una perspectiva frecuentista primero, una bayesiana después y finalmente, desde una perspectiva computacional. Las metodologías escogidas fueron aquellas que se caracterizan por sus interesantes desarrollos matemáticos y el impacto provocado en la comunidad científica, medido a través de la cantidad de citaciones documentadas por la base de datos MathSciNet. Finalmente, inspirados en un artículo reciente de Rudloff y Karatzas del año 2010 sobre la construcción de test de hipótesis no múltiples optimales, se usan ideas de análisis convexo para proponer un resultado de existencia de THM optimales, en el contexto de hipótesis nulas y alternativas compuestas. Se destaca la ausencia de resultados como este en la literatura estadística explorada durante el desarrollo de esta memoria.

Magíster en Gestión de Operaciones. Ingeniero Civil Industrial / Para las tiendas de retail los costos relacionados a la mano de obra son un porcentaje importante de los costos operacionales (Ton 2009\cite{ton}). "Después del costo de los bienes vendidos, el gasto relacionado en contratar, capacitar y la mano de obra de la tienda constituyen por lejos la mayor componente del costo de los retailers" (Netessine et al. 2010\cite{netessine}). Por lo tanto, es sumamente importante lograr el mejor rendimiento posible de esta gran inversión. El objetivo principal de este estudio es optimizar la eficiencia de la fuerza de venta de una tienda de retail, decidiendo la ubicación de los vendedores en tiempo real, utilizando información de las cámaras de seguridad de la tienda. La metodología utilizada se compone de dos partes. En primer lugar, se proponen diferentes modelos de \textit{Poisson} que explican las transacciones ocurridas durante un periodo de 30 minutos, dentro de un departamento, como un proceso de conteo que depende de distintas variables y controles. Estos se estiman por el método jerárquico bayesiano, complementado con una función de control para solucionar la endogeneidad del número de vendedores. En segundo lugar, con el resultado del análisis econométrico, se genera una heurística que tiene como objetivo maximizar las transacciones de la tienda, esta heurística decide cada 30 minutos el número de vendedores asignados a cada departamento dependiendo de la cantidad de clientes, el día, la hora y un conjunto de variables que permite controlar las estacionalidades de las ventas. Usando herramientas de simulación se estudia el incremento en las transacciones al incorporar flexibilidad en la movilidad de los vendedores a lo largo de distintos departamentos, es decir, incorporar vendedores capaces de atender en más de un departamento. El resultado del análisis econométrico, muestra que el efecto del número de vendedores en las transacciones presenta heterogeneidad entre departamentos y depende de la hora. Se muestra que existe un grado de congestión, ya que el parámetro asociado al número de vendedores al cuadrado es negativo, lo que significa que llega un momento en que agregar un vendedor más a algún departamento tiene un efecto negativo en las transacciones. La cantidad de clientes está relacionada positivamente con las transacciones. En relación al proceso de simulación, se encuentra que las ventas aumentan a medida que los vendedores son capaces de atender en más departamentos, llegando a aumentar en 11.4\% si los vendedores fueran capaces de atender en toda la tienda, en comparación a que atiendan en sólo un departamento. Se concluye que la heterogeneidad del efecto de los vendedores en los distintos departamentos, permite que la heurística desarrollada aumente las transacciones en la tienda ubicando a los vendedores de manera estratégica, aprovechando la información que entregan las cámaras de seguridad. Además la incorporación de vendedores polifuncionales brindan mayor flexibilidad al proceso de ubicación de la fuerza de venta, lo que se traduce en un mejor desempeño de la tienda / Este trabajo ha sido parcialmente financiado por CONICYT-PCHA / Magíster Nacional /2014 - 22141193 CONICYT /Proyecto FONDEF/IT13I20031

Orientador: Laura Leticia Ramos Rifo / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-26T15:05:12Z (GMT). No. of bitstreams: 1 Tasca_GustavoHenrique_M.pdf: 979052 bytes, checksum: bb1371bb1b8626882cebcf01550bb823 (MD5) Previous issue date: 2015 / Resumo: Neste trabalho, estudamos métodos de inferência bayesiana para distribuições de cauda longa, que não envolvam o cálculo da função de verossimilhança. Inicialmente, apresentamos uma análise das propriedades de distribuições de cauda pesada e seus casos particulares, como as famílias de distribuições de cauda longa, subexponenciais e de variação regular. Apresentamos algumas estatísticas e seus comportamentos amostrais, a fim de desenvolvermos medidas de diagnóstico. Para obtenção de inferências a posteriori, discutimos o método ABC de mínima entropia e outros algoritmos para verificação e seleção de modelos, que não utilizam o cálculo da função de verossimilhança. Introduzimos um novo algoritmo para seleção de modelos baseado na distribuição preditiva a posteriori, cujos resultados são validados através de simulações e análises de dados reais relacionados à hidrologia / Abstract: In this work, we study Bayesian inference methods for long-tailed distributions that don't involve the evaluation of the likelihood function. Initially, we present an analysis of the properties of heavy-tailed distributions and particular cases, as long-tailed, subexponencial and regular variation families. Some statistics are presented and their sampling behavior studied, in order to develop diagnostic measures. For obtaining posterior inferences, we discuss the minimum entropy ABC and others likelihood-free algorithms, aiming model checking and model selection. We introduce a new model selection algorithm based on the posterior predictive distribution, the results of which are validated through simulations and real data related to river flow / Mestrado / Estatistica / Mestre em Estatística

Orientador: Helio Fiori de Castro / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-28T11:56:54Z (GMT). No. of bitstreams: 1 Tyminski_NataliaCezaro_M.pdf: 6550021 bytes, checksum: 3fb888c14fc5d24d29f7f155d0e4f2b0 (MD5) Previous issue date: 2015 / Resumo: As unidades geradoras de energia das usinas são formadas por turbinas e turbo-geradores, que são exemplos típicos de máquinas rotativas. Essas maquinas são componentes críticos, pois são essenciais à geração de energia. Sabendo que a análise dinâmica de máquinas rotativas é uma tarefa complexa envolvendo diversos parâmetros a serem analisados, sua realização não deve considerar apenas o rotor, pois seu comportamento dinâmico é influenciado pela interação com os demais componentes do mesmo sistema. O comportamento dinâmico de uma máquina rotativa é, geralmente, representado por um modelo determinístico. Entretanto, sistemas rotativos reais possuem características estocásticas, visto que os inúmeros parâmetros de projetos possuem incertezas inerentes à fabricação e, principalmente, às condições de operações. Desta forma, modelos estocásticos são uma opção importante para representação de sistemas rotativos na fase de projeto, onde se podem prever os efeitos da variação dos parâmetros de projeto. O tema em foco nesta dissertação de mestrado é a aplicação de Inferência Bayesiana para ajustar um modelo de sistema rotativo. Neste trabalho foram analisadas as incertezas nos parâmetros de projeto de um sistema rotativo, e a partir das incertezas obtidas foi possível obter a resposta estocástica do sistema. A primeira analise considera as incertezas dos parâmetros relacionados ao eixo; como o modulo de elasticidade, a massa especifica do material e o coeficiente de proporcionalidade a matriz de rigidez. Na segunda análise, os parâmetros escolhidos foram os parâmetros de desbalanceamento; ângulo de fase, momento de desbalanceamento e posição axial. Em uma terceira abordagem, foi analisado parâmetros dos mancais hidrodinâmicos, folga radial do mancal e temperatura do óleo lubrificante. A partir das incertezas dos referidos parâmetros, foi possível analisar a propagação de incertezas desses parâmetros no cálculo da posição do eixo no mancal e dos coeficientes dinâmicos dos mancais hidrodinâmicos / Abstract: Energy generation plants rely on units such as turbines and turbo-generators, which are common examples of rotating machines. These machines are critical components in these units, once they are essential to the energy generation. The dynamic analysis of rotating machines is a complex task including several parameters to be considered. This analysis requires taking the rotor into account but also the other components, which affect the dynamic behavior of the system. The dynamic behavior of rotating machines is usually represented by a deterministic model. Although, real rotating system have stochastic characteristics once that the parameters on project have uncertainties. In this way, stochastic models are an important option for the representation of these systems, and it's possible predict the variation's parameters. This study aims the application of Bayesian Inference for model updating on rotating systems. The uncertainties of rotating machines parameters were analyzed, and the system stochastic response was obtained. The first analyzed considers the uncertainties of the beam parameters, as the Young¿s modulus, and the proportionality coefficient to the stiffness matrix. In the second analysis, the selected parameters were the unbalance parameters; phase angle, unbalance moment and axial position. In a third approach, it was analyzed parameters of journal bearings, clearance radial and lubricating oil temperature. From the uncertainties of these parameters, it was possible to analyze the propagation of uncertainties of these parameters, to calculate the center line position in the bearing, and the dynamic coefficients of journal bearings / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestra em Engenharia Mecânica

El presente trabajo busca documentar el potencial de los modelos VAR Bayesianos (BVAR) para la predicción de índices de tipos de cambio reales efectivos. Para esto, se prueban distintas especificaciones de modelos predictivos utilizando la base angosta de índices de tipos de cambio reales efectivos de BIS que incluye datos para 27 economías. En primera instancia se prueban modelos univariados simples para realizar las predicciones y tener un punto de referencia para las estimaciones BVAR. El análisis de los resultados de las predicciones de los modelos BVAR tradicionales muestran que estos por sí solos no tienen un mejor desempeño que los modelos univariados. Estos resultados son robustos a la ventana de estimación, y a la especificación de los priors del BVAR.

Tesis para optar al grado de Magíster en Ciencias, Mención Física / En esta tesis se introduce el formalismo de la estadística Bayesiana aplicado a cosmología LCDM y otros modelos de energía oscura, enfocado en los observables de agrupamiento de galaxias y de crecimiento cósmico. Se explora un gran rango de aplicaciones del marco de trabajo Bayesiano. Primero, se exploran las posibilidades de predicción de la estadística Bayesiana con nuestro primer proyecto, el cual consiste en la aplicación del método de Aproximación de Verosimilitudes con Derivadas (DALI por sus siglas en inglés) para mejorar las predicciones de Matriz de Fisher de un experimento de agrupamiento de galaxias tipo LSST. El método contiene una expansión de Taylor hasta el tercer orden a partir del punto de parámetros de confianza, capturando formas de las regiones de confianza que van más allá de las usuales elipses de Fisher en la bibliografía. Además se compara con muestras de Cadenas de Markov Monte Carlo para mostrar la efectividad del método. Luego, realizamos un proyecto acerca de la aplicación del formalismo de la Robustez Interna a una compilación de datos de crecimiento cósmico, el cual es un método Bayesiano que potencialmente puede detectar outliers (datos aislados), errores sistemáticos o nuevas leyes físicas en los datos, considerando la posibilidad de que subconjuntos de los datos sigan diferentes parámetros o modelos (incluyendo de esta manera el aspecto de comparación de modelos básico de la estadística Bayesiana). No se encuentran errores sistemáticos ni outliers en el set de datos, así asegurando su robustez interna. Finalmente, tomamos por completo el campo de comparación de modelos Bayasiana, y lo hacemos via un estudio acerca de diferentes métodos de comparación de modelos cosmológicos. Se comparan varios modelos de energía oscura usando datos crecimiento cósmico y expansión cósmica, y esto se hace utilizando cuatro criterios de comparación: Comparación de evidencias, Criterio de Información Bayesiano, Criterio de Información de Akaike y un método reciente de Figura de Mérito. Luego, se discute acerca de la efectividad y conveniencia de cada uno de ellos. / CONICYT Powered@NLHPC: Esta tesis fue parcialmente apoyada por la intraestructura de supercómputo del NLHPC (ECM-02)

Over the years, the method of least squares (SLS) has been the method of inference commonly applied in hydrological modeling, although its hypotheses are not respected by the modeling errors. Awareness of the fact that the hydrological modeling process is affected by more, and more important, sources of uncertainty that the purely observational, the only source of error considered by SLS, has contributed to the appearance of publications that suggest the need for applying more appropriate inference methods on hydrological models, and in general, on environmental models. The adequacy of inference methods involves considering all sources of error, or their effects, which influence the modeling process. Only in this way it is possible to obtain reliable parameters, a non-biased prediction and a correct estimation of the uncertainty of both, these being the main objectives of this Doctoral Thesis. To this end, this thesis proposes the joint inference, following the Bayesian inference paradigm, of hydrological parameters and the parameters of a generalized error model, which provides the necessary flexibility to relax all hypotheses (Gaussian errors with null mean, independent and identically distributed), which disable the SLS error model to infer hydrological models. The main contribution of the thesis is the proposition of the methodology to follow, for the correct application of the direct modeling (without previous transformation of the variables) of the variance of the errors. This methodology is based on the need to consider the coupling, during the joint inference, between the variations of the marginal distribution of the errors and the variations of their conditional distributions, which are modeled by the error model. Such coupling is guaranteed by the fulfillment of the Total Laws (TLs) of the expectation and the variance. In order to verify the feasibility of the theoretical aspects deduced in the Thesis, a series of inference experiments is performed in which two lumped and one distributed hydrological models are combined with two classic error models (SLS and WLS) and two generalized error models proposed in this Thesis (GL++ and GL++Bias). The results show, once again, that inferences with SLS and WLS are not applicable to hydrological models, since the generated errors do not fulfill their hypotheses. Likewise, based on the results obtained, this thesis can be considered as the culminated affirmation of the hypothesis in it, that is to say: the non application of the TLs in the direct modeling of the variance and the bias of the errors produces an incorrect estimation of the hydrological parameters, as well as their uncertainty and an erroneous estimation of the predictive distribution. / A lo largo de los años, el método de los mínimos cuadrados (SLS) ha sido el método de inferencia comúnmente aplicado en modelación hidrológica, a pesar de que sus hipótesis no son respetadas por los errores en los resultados de la modelación. La concienciación sobre el hecho de que el proceso de modelación hidrológica es afectado por más, y más importantes, fuentes de incertidumbre que la puramente observacional, única fuente de error considerada por el SLS, ha contribuido a la aparición de publicaciones que sugieren la necesidad de aplicar métodos de inferencia más adecuados para los modelos hidrológicos, y en general, los modelos ambientales. La adecuación de los métodos de inferencia pasa por considerar todas las fuentes de error, o sus efectos, que influyen en el proceso de modelación. Solamente de esa manera es posible la obtención de unos parámetros fiables, una predicción no sesgada y una estimación correcta de la incertidumbre de ambos, siendo estos los objetivos principales de esta Tesis Doctoral. Para ello, esta Tesis plantea la inferencia conjunta, siguiendo el paradigma de los métodos de inferencia Bayesianos, de los parámetros hidrológicos y los parámetros de un modelo de error generalizado, el cual proporciona la flexibilidad necesaria para relajar todas las hipótesis (errores Gaussianos con media nula, independientes e idénticamente distribuidos), que inhabilitan al modelo de error SLS para inferir modelos hidrológicos. La principal aportación de la Tesis es la proposición de la metodología a seguir para la correcta aplicación de la modelación directa (sin previa transformación de las variables) de la varianza de los errores. Dicha metodología se fundamenta en la necesidad de considerar el acoplamiento, durante la inferencia conjunta, entre las variaciones de la distribución marginal de los errores y las variaciones de las distribuciones condicionales, las cuales son modeladas por el modelo de error. Dicho acoplamiento se garantiza mediante el cumplimiento de las Leyes Totales (TLs) de la esperanza y de la varianza. Para la comprobación de la viabilidad de los aspectos teóricos deducidos en la Tesis, se realiza una serie de experimentos de inferencia en los que se combina 2 modelos hidrológicos agregados y uno distribuido, con dos modelos de error clásicos (SLS y WLS) y dos modelos de error generalizados propuestos en esta Tesis (GL++ y GL++Bias). Los resultados muestran, una vez más, que las inferencias con SLS y WLS no son aplicables a modelos hidrológicos, puesto que los errores generados no cumplen con sus hipótesis. Igualmente, en base a los resultados obtenidos, esta Tesis se puede considerar como la afirmación culminada de la hipótesis en ella planteada, esto es: la no aplicación de las TLs en la modelación directa de la varianza y el sesgo de los errores produce una incorrecta estimación de los parámetros hidrológicos, así como de su incertidumbre y una errónea estimación de la distribución predictiva. / Al llarg dels anys, el mètode dels mínims quadrats (SLS) ha sigut el mètode d'inferència comunament aplicat en modelació hidrològica, a pesar que les seues hipòtesis no són respectades pels errors en els resultats de la modelació. La conscienciació sobre el fet de que el procés de modelació hidrològica és afectat per més, i més importants, fonts d'incertesa que la purament observacional, única font d'error considerada pel SLS, ha contribuït a l'aparició de publicacions que suggerixen la necessitat d'aplicar mètodes d'inferència més adequats per als models hidrològics, i en general, els models ambientals. L'adequació dels mètodes d'inferència passa per considerar totes les fonts d'error, o els seus efectes, que influïxen en el procés de modelació. Només d'eixa manera és possible l'obtenció d'uns paràmetres fiables, una predicció no esbiaixada i una estimació correcta de la incertesa d'ambdós, sent estos els objectius principals d'esta Tesi Doctoral. Per a això, esta Tesi planteja la inferència conjunta, seguint el paradigma dels mètodes d'inferència Bayesianos, dels paràmetres hidrològics i els paràmetres d'un model d'error generalitzat, el qual proporciona la flexibilitat necessària per a relaxar totes les hipòtesis (errors Gaussianos amb mitja nul·la, independents i idènticament distribuïts), que inhabiliten el model d'error SLS per a inferir models hidrològics. La principal aportació de la Tesi és la proposició de la metodologia que s'ha de seguir per a la correcta aplicació de la modelació directa (sense prèvia transformació de les variables) de la varianza dels errors. La dita metodologia es fonamenta en la necessitat de considerar l'adaptament, durant la inferència conjunta, entre les variacions de la distribució marginal dels errors i les variacions de les distribucions condicional, les quals són modelades pel model d'error. El dit adaptament es garantix per mitjà del compliment de les Lleis Totals (TLs) de l'esperança i de la variància. Per a la comprovació de la viabilitat dels aspectes teòrics deduïts en la Tesi, es realitza una sèrie d'experiments d'inferència en què es combina 2 models hidrològics agregats i un distribuït, amb dos models d'error clàssics (SLS i WLS) i dos models d'error generalitzats proposats en esta Tesi (GL++ i GL++Bias). Els resultats mostren, una vegada més, que les inferències amb SLS i WLS no són aplicables a models hidrològics, ja que els errors generats no complixen amb les seues hipòtesis. Igualment, basant-se en els resultats obtinguts, esta Tesi es pot considerar com l'afirmació culminada de la hipòtesi en ella plantejada, açò és: la no aplicació de les TLs en la modelació directa de la variància i el biaix dels errors produïx una incorrecta estimació dels paràmetres hidrològics, així com de la seua incertesa i una errònia estimació de la distribució predictiva. / Hernández López, MR. (2017). Inferencia Bayesiana conjunta de modelos hidrológicos y modelos de error generalizados, para la evaluación de las incertidumbres predictiva y de los parámetros [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90652 / TESIS

Los modelos de diagnóstico cognitivo (MDC) tienen como finalidad describir o diagnosticar el comportamiento de los evaluados por medio de clases o perfiles latentes, de tal manera que se obtenga información más específica acerca de las fortalezas y debilidades de ellos. Uno de los modelos más populares de esta gran familia es el llamado modelo DINA, el cual tuvo su primera aparición en Haertel (1989) enfocado principalmente en el campo educacional. Este modelo considera solo respuestas observadas dicotómicas de parte de los individuos y tiene como restricción principal que ellos deben dominar necesariamente todas las habilidades requeridas por cada ítem; aquellas que se resumen en una matriz llamada Q. Asimismo, el modelo estima parámetros para los ítems, los cuales son denominados de \ruido": Adivinación y Desliz. En este trabajo desarrolla teóricamente el modelo expuesto; es decir, sus fundamentos y principales propiedades desde el enfoque bayesiano. Específicamente, las estimaciones se realizan mediante el Muestreador de Gibbs. Se realizaron 8 estudios de simulación, cada uno de ellos con tres diferentes tamaños de población, donde se probaron combinaciones de los parámetros en estudio con el fin de comparar la recuperación de parámetros mediante el enfoque clásico y el bayesiano. El análisis de ambos enfoques se realizó con rutinas de código del software libre R, usando los paquetes CDM y dina para el enfoque clásico y el bayesiano, respectivamente. En líneas generales, los resultados muestran estimaciones insesgadas y con valores pequeños de la raíz del error cuadrático medio (RMSE) para ambos enfoques. Incluso, conforme el tamaño de la población incrementa, las estimaciones no tienen mayores diferencias. Aunque en tamaños de población más pequeños el enfoque bayesiano obtiene ligeras ventajas con respecto al otro, especialmente en el parámetro de probabilidad de pertenencia a las clases (π). Además, es necesario mencionar que los parámetros de ruido de los ítems son estimados más precisamente con el enfoque clásico en varios de los estudios. Finalmente, se presenta una aplicación enfocada en educación, donde se analiza una muestra de 3040 alumnos del 2do grado de secundaria, evaluados en una prueba de 48 ítems de la competencia matemática realizada por la Oficina de Medición de la Calidad de los Aprendizajes (UMC) en el 2015. A esta prueba se le aplica el modelo de Rasch y el modelo DINA bajo el enfoque bayesiano, con el _n de estudiar la correspondencia entre indicadores de ambos modelos, tanto para los parámetros de los alumnos (habilidad y per_les latentes) como de los ítems (dificultad y parámetros de ruido). / Trabajo de investigación

Los efectos o externalidades de red son factores que pueden condicionar las decisiones de contratación de los consumidores en favor de empresas ya establecidas y en contra de los nuevos competidores, pudiendo limitar la competencia efectiva y potencial de los mercados, en especial, en aquellas industrias donde el número de empresas es bajo y la entrada de nuevos competidores es poco frecuente. Por ello, es importante verificar su existencia y la magnitud de sus efectos sobre las decisiones de compra de los consumidores con el objetivo de justificar o establecer medidas que impulsen una competencia más equilibrada entre las empresas. Además, teniendo en consideración que los consumidores pueden tener cierto grado de heterogeneidad en sus comportamientos de adquisición, también resulta relevante estudiar el grado de diferenciación de los efectos de red entre los consumidores a fin de mejorar las políticas que fomenten la competencia. Este trabajo tiene por objetivo estimar un modelo logit mixto bajo el enfoque de la inferencia bayesiana, para estudiar empíricamente la existencia y heterogeneidad de los efectos de red sobre las decisiones de contratación de los consumidores en la industria de telefonía móvil peruana. El análisis se hace con base a una muestra que combina información de la Encuestas Residencial de Servicios de Telecomunicaciones (ERESTEL) del a˜no 2015 e información de las empresas operadoras del servicio de telefonía móvil. Los resultados de las estimaciones realizadas sugieren que los efectos de red tendrían un condicionamiento importante sobre las decisiones de contración del servicio de telefonía móvil, además de presentar un grado de heterogeneidad estadísticamente significativo en la magnitud de sus efectos.