Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/19842
Título : Análisis y programación de la similaridad de Lerman entre variables binarias
Autor : Córdova Ruiz, Anabel Dejaneira
Director(es): Pazmiño Maji, Rubén Antonio
Tribunal (Tesis): Congacha Aushay, Jorge Washington
Palabras claves : ANÁLISIS ESTADÍSTICO IMPLICATIVO;SIMILARIDAD DE LERMAN;PROGRAMACIÓN;SOFTWARE;DATOSBINARIOS
Fecha de publicación : 28-abr-2023
Editorial : Escuela Superior Politécnica de Chimborazo
Citación : Córdova Ruiz, Anabel Dejaneira. (2023). Análisis y programación de la similaridad de Lerman entre variables binarias. Escuela Superior Politécnica de Chimborazo. Riobamba
Identificador : UDCTFC;76T00073
Abstract : The Implicative Statistical Analysis started more than 40 years ago, which contains methods such as the so-called Lerman similarity that works with binary variables and was automated in the CHIC computer program; then, a package was created in R (RCHIC), but the Implicative Statistical Analysis (ASI) does not have a programming in the Matlab software to help engineers and mathematicians with the analysis of the large amount of data that is generated nowadays. Therefore, the aim of this research was to program the Lerman similarity between binary variables in Matlab and validate it through the similarity existing with the RCHIC package. The methodology implemented was quantitative and a RGXO1 correlational type, pre-experimental design was used, since the independent variable is not manipulated due to the existence of a programming with which it is compared; the study group consisted of 100,000 random bases of binary data, from which a sample of 383 bases was selected by random sampling and analyzed in the Matlab program. By means of this methodology, it was possible to obtain the Lerman similarity programming in the Matlab software; then, all the binary databases were analyzed by making a comparison between the similarity matrices and the significant nodes. In conclusion, the programming carried out in Matlab obtained a ninety-five percent similarity with the RCHIC package, so it is recommended to improve its programming for future studies.
Resumen : El Análisis estadístico implicativo nació hace más de 40 años, el cual contiene métodos como la llamada similaridad de Lerman que trabaja con variables binarias y fue automatizado en el programa informático CHIC y posteriormente se creó un paquete en R (RCHIC), pero, el Análisis estadístico implicativo (ASI) no cuenta con una programación en el software Matlab que ayude a los ingenieros y matemáticos con el análisis de la gran cantidad de datos que se generan en la actualidad, por lo tanto, el objetivo de esta investigación fue programar en el software Matlab la similaridad de Lerman entre variables binarias y validarla mediante similaridad con el paquete RCHIC. La metodología implementada fue de tipo cuantitativo, se utilizó un diseño pre-experimental de la forma RGXO1 de tipo correlacional puesto que la variable independiente no se la manipula debido a que ya existe una programación con la cual comparar; el colectivo de estudio fue de 100 000 bases aleatorias de datos binarios y de ahí se sacó una muestra de 383 bases aleatorias mediante un muestreo aleatorio simple, las cuales fueron analizadas en el programa hecho en Matlab. Mediante esta metodología se logró la programación de la similaridad de Lerman en el software Matlab y se analizó todas las bases de datos binarios realizando una comparación entre las matrices de similaridad y los nodos significativos. En conclusión, la programación hecha en Matlab tuvo un noventa y cinco por ciento de similaridad con el paquete RCHIC, es por eso que se propone que en estudios futuros se mejore su programación.
URI : http://dspace.espoch.edu.ec/handle/123456789/19842
Aparece en las colecciones: Matemático

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
76T00073.pdf1,85 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons