Revista: | Respuestas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000444361 |
ISSN: | 2422-5053 |
Autores: | García Cruz, Ehidy Karime1 Castro Silva, Hugo Fernando1 Salazar Uribe, Juan Carlos2 |
Instituciones: | 1Universidad Pedagógica y Tecnológica de Colombia, Sogamoso, Boyacá. Colombia 2Universidad Nacional de Colombia, Medellín, Antioquia. Colombia |
Año: | 2020 |
Volumen: | 25 |
Paginación: | 69-78 |
País: | Colombia |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | Los modelos matemáticos han sido usados para describir la relación entre dos o más variables o características de la población objetivo. En el campo de la estadística el modelo de regresión lineal simple han sido aplicados ampliamente y sus propiedades son bien conocidas. Sin embargo, este tipo de modelos no tiene aplicación an algunos casos como en el escenario longitudinal. Los modelos lineales mixtos (LMMs) son de utilidad cuando las medidas han sido registradas en un intervalo de tiempo. Uno de los más importantes supuestos, para los dos modelos, ha sido el establecer que el modelo se mantiene invariante sobre todo el intervalo de regresión. En caso contrario, se puede encontrar uno o varios puntos de cambio en los cuales el modelo cambia (media, varianza o simultaneamente media - varianza). Esta propuesta permite estimar los puntos de cambio sujeto-específicos que permiten la minimización de una función de riesgo o pérdida asociada al modelo en mención |
Resumen en inglés | Mathematical models are used to describe the relationship between two or more variables or features over the target population. Statistically, Simple Linear regression model has been extensively applied and the properties of their estimators are well known. However, this kind of model is not correctly applied in most cases, such as a longitudinal setting. Linear mixed models (LMMs) are useful when the measurements have been done over a specific interval of time. One of the most important assumptions, on both models, has been established as that the model holds for the whole data. In latter case, we could find one or several points which the function changes into. This proposal allows us to estimate the points where the model changes by minimizing a specific risk function or a loss function associated with the fitted model |
Disciplinas: | Matemáticas |
Palabras clave: | Matemáticas aplicadas, Estadística, Modelos lineares mixtos, Punto de cambio, Algoritmos evolutivos |
Keyword: | Applied mathematics, Statistics, Linear mixed model, Change points, Evolutionary algorithms |
Texto completo: | https://revistas.ufps.edu.co/index.php/respuestas/article/view/2678/2790 |