• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Navegar

    Todo o repositórioComunidadesPor data do documentoAutoresAssuntosTítulos

    Minha conta

    Entrar

    Estatística

    Ver as estatísticas de uso

    Compartir

    Ver item 
    •   Página inicial
    • TRABALHO DE CONCLUSÃO DE ESTUDO
    • Trabajos Fin de Grado UVa
    • Ver item
    •   Página inicial
    • TRABALHO DE CONCLUSÃO DE ESTUDO
    • Trabajos Fin de Grado UVa
    • Ver item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/57936

    Título
    Métodos de Análisis Cluster Difusos
    Autor
    Ventura Sánchez, Patricia
    Director o Tutor
    García Escudero, Luis ÁngelAutoridad UVA
    Editor
    Universidad de Valladolid. Facultad de CienciasAutoridad UVA
    Año del Documento
    2022
    Titulación
    Grado en Estadística
    Resumo
    En numerosas aplicaciones estadísticas, es interesante crear grupos con los individuos de un conjunto de datos de manera que los miembros de cada grupo tengan características similares. Estos grupos son lo que estadísticamente se conocen como clusters, y el método de búsqueda automatizada de estos clusters es conocido como Análisis Cluster. En este Trabajo Fin de Grado, se tratan distintos métodos de Análisis Cluster, especialmente los métodos difusos “fuzzy”, que no asignan cada individuo a un único grupo, sino que se asigna a cada individuo probabilidades de pertenencia a cada cluster. Esto puede ser interesante en muchos problemas y se resuelven algunos problemas asociados a estos métodos que asignan cada observación a un único cluster (métodos “hard”). Se presentarán algunos métodos de Análisis Cluster Robustos que son capaces de resistir el efecto de algunas observaciones atípicas. Los distintos métodos serán ilustrados usando ejemplos mediante el software R.
     
    In numerous statistical applications, it’s interesting to create groups with the individuals in a data set so that the members in each group have similar features. Theses groups are statistically known as clusters, and the method of automated searching of this clusters is known as Cluster Analysis. In this project, everything about Cluster Analysis Methods will be addressed, especially fuzzy methods, which don’t assign each individual to an unique group, but each individual’s belonging probabilities are assigned to each cluster. This can be interesting in many problems, and those issues asociated to methods which assign each individual to an unique cluster (“hard” methods) are solved. Some Robust Clustering Methods that are capable of resisting the effect of some outliers, will be presented. All of the different methods will be ilustrated using examples of their application with the software R.
    Palabras Clave
    Análisis Cluster
    Métodos Difusos
    Software R
    Departamento
    Departamento de Estadística e Investigación Operativa
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/57936
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30865]
    Mostrar registro completo
    Arquivos deste item
    Nombre:
    TFG-G5969.pdf
    Tamaño:
    2.659Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10