Métodos no paramétricos de clasificación con variables continuas : caso de aplicación en una muestra de empresas que operan bajo la forma de sociedades anónimas en la Argentina
Introducción.-- Capítulo 1: Métodos no paramétricos de clasificación.-- 1.1. Discriminación paramétrica y no paramétrica.-- 1.2. Método de Kernel 1.2.1. Caso Univariado.-- 1.2.2. Caso Multivariado.-- 1.3. Método “El Vecino más cercano”.-- 1.3.1. Generalidades.-- 1.3.2. Regla del Vecino más cercano: 1 Vecino más cercano (k = 1).-- 1.3.3. Regla con k vecinos más cercanos (k>1) 1.4. Método del “Árbol de Clasificación”.-- 1.4.1. Generalidades.-- 1.4.2. Construcción del Árbol.-- 1.5. Precisión de los diferentes métodos.-- 1.5.1. Tasa de error aparente 1.5.2. Tasa de error por Cross-Validation.-- Capítulo 2: Caso de aplicación de los métodos de clasificación no paramétricos.-- 2.1. Introducción.-- 2.2. Universo de estudio.-- 2.3.El Análisis de los Estados Contables como herramienta de diagnóstico 2.4.Selección del grupo de análisis.-- 2.5. Variables del Modelo.-- 2.5.1. Situación financiera a largo plazo.-- 2.5.2. Situación financiera a corto plazo.-- 2.5.3. Situación económica.-- 2.6. Procesamiento.-- 2.6.1.Supuestos.-- 2.6.2. Análisis descriptivo multivariado.-- 2.6.3. Definición de modelos.-- 2.6.4. Aplicación de metodologías no paramétricas a los datos.-- 2.7. Error de Clasificación.-- Capítulo 3: Resultados y clasificación de nuevas orbservaciones.-- 3.1. Resultados de los Métodos de Kernel, El Vecino más cercano y Árbol de Clasificación.-- 3.2.Aplicación de los métodos de clasificación no paramétricos a nuevas observaciones.-- 3.3. Conclusiones.-- Referencias.-- Anexo
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | masterThesis biblioteca |
| Language: | spa |
| Published: |
2014-12-03
|
| Subjects: | Discriminante no paramétrico, Método Kernel, Vecino más cercano, Árbol de clasificación, Crossvalidation, Estados contables, Empresas, Sociedades anónimas, Variables continuas, Argentina, |
| Online Access: | http://hdl.handle.net/11086/1643 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Introducción.-- Capítulo 1: Métodos no paramétricos de clasificación.-- 1.1. Discriminación paramétrica y no paramétrica.-- 1.2. Método de Kernel
1.2.1. Caso Univariado.-- 1.2.2. Caso Multivariado.-- 1.3. Método “El Vecino más cercano”.-- 1.3.1. Generalidades.-- 1.3.2. Regla del Vecino más cercano: 1 Vecino
más cercano (k = 1).-- 1.3.3. Regla con k vecinos más cercanos (k>1)
1.4. Método del “Árbol de Clasificación”.-- 1.4.1. Generalidades.-- 1.4.2. Construcción del Árbol.-- 1.5. Precisión de los diferentes métodos.-- 1.5.1. Tasa de error aparente
1.5.2. Tasa de error por Cross-Validation.-- Capítulo 2: Caso de aplicación de los métodos de clasificación no paramétricos.-- 2.1. Introducción.-- 2.2. Universo de estudio.-- 2.3.El Análisis de los Estados Contables como herramienta de diagnóstico
2.4.Selección del grupo de análisis.-- 2.5. Variables del Modelo.-- 2.5.1. Situación financiera a largo plazo.-- 2.5.2. Situación financiera a corto plazo.-- 2.5.3. Situación económica.-- 2.6. Procesamiento.-- 2.6.1.Supuestos.-- 2.6.2. Análisis descriptivo multivariado.-- 2.6.3. Definición de modelos.-- 2.6.4. Aplicación de metodologías no
paramétricas a los datos.-- 2.7. Error de Clasificación.-- Capítulo 3: Resultados y clasificación de nuevas orbservaciones.-- 3.1. Resultados de los Métodos de Kernel, El
Vecino más cercano y Árbol de Clasificación.-- 3.2.Aplicación de los métodos de clasificación no paramétricos a nuevas observaciones.-- 3.3. Conclusiones.-- Referencias.-- Anexo |
|---|