Mostrar el registro sencillo del ítem
dc.contributor.advisor | Prieto Alaiz, María Mercedes | es |
dc.contributor.author | Curto Merino, Álvaro | |
dc.contributor.editor | Universidad de Valladolid. Facultad de Ciencias Económicas y Empresariales | es |
dc.date.accessioned | 2023-11-16T08:49:21Z | |
dc.date.available | 2023-11-16T08:49:21Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/63022 | |
dc.description.abstract | La capacidad de predecir la pobreza es un elemento fundamental en el estudio de este fenómeno. La falta de información fiable para determinadas regiones genera la necesidad de poder clasificar qué parte de su población se encuentra en situación de pobreza o no a partir de determinadas variables. Tradicionalmente, los métodos más usados para lograrlo han sido los modelos propuestos desde el ámbito de la Econometría. No obstante, en los últimos tiempos se ha visto la popularización de los nuevos métodos de predicción del Aprendizaje Automático. El objetivo de este trabajo es comparar el comportamiento de diferentes métodos, tanto de la Econometría como del Aprendizaje Automático, para predecir si una persona es pobre o no. En concreto, se analizan la regresión logística, el árbol de clasificación y una red neuronal de una sola capa, utilizando los datos de la Encuesta de Condiciones de Vida del año 2022. Los resultados muestran que todas las técnicas tienen un comportamiento similar en términos de capacidad de predicción. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject.classification | Pobreza | es |
dc.subject.classification | Econometría | es |
dc.subject.classification | Aprendizaje automático | es |
dc.title | Comparación de diferentes técnicas para predecir la pobreza | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Administración y Dirección de Empresas | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.subject.unesco | 5302 Econometría | es |
dc.subject.unesco | 5307.04 Estudios del desarrollo Económico | es |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Grado UVa [27975]
La licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional