dor_id: 1500222

506.#.#.a: Público

650.#.4.x: Físico Matemáticas y Ciencias de la Tierra

336.#.#.b: other

336.#.#.3: Registro de colección de proyectos

336.#.#.a: Registro de colección universitaria

351.#.#.b: Proyectos Universitarios PAPIIT (PAPIIT)

351.#.#.a: Colecciones Universitarias Digitales

harvesting_group: ColeccionesUniversitarias

270.1.#.p: Dirección General de Repositorios Universitarios. contacto@dgru.unam.mx

590.#.#.c: Otro

270.#.#.d: MX

270.1.#.d: México

590.#.#.b: Concentrador

883.#.#.u: https://datosabiertos.unam.mx/

883.#.#.a: Portal de Datos Abiertos UNAM, Colecciones Universitarias

590.#.#.a: Administración central

883.#.#.1: http://www.ccud.unam.mx/

883.#.#.q: Dirección General de Repositorios Universitarios

850.#.#.a: Universidad Nacional Autónoma de México

856.4.0.u: http://datosabiertos.unam.mx/DGAPA:PAPIIT:IN100411

100.1.#.a: Ramsés Humberto Mena Chávez

524.#.#.a: Dirección de Desarrollo Académico, Dirección General de Asuntos del Personal Académico (DGAPA). "Distribuciones aleatorias dependientes", Proyectos Universitarios PAPIIT (PAPIIT). En "Portal de datos abiertos UNAM" (en línea), México, Universidad Nacional Autónoma de México.

720.#.#.a: Ramsés Humberto Mena Chávez

245.1.0.a: Distribuciones aleatorias dependientes

502.#.#.c: Universidad Nacional Autónoma de México

561.1.#.a: Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, UNAM

264.#.0.c: 2011

264.#.1.c: 2011

307.#.#.a: 2019-05-23 18:40:21.491

653.#.#.a: Estadística y probabilidad; Matemáticas

506.1.#.a: La titularidad de los derechos patrimoniales de este recurso digital pertenece a la Universidad Nacional Autónoma de México. Su uso se rige por una licencia Creative Commons BY 4.0 Internacional, https://creativecommons.org/licenses/by/4.0/legalcode.es, fecha de asignación de la licencia 2011, para un uso diferente consultar al responsable jurídico del repositorio por medio de contacto@dgru.unam.mx

041.#.7.h: spa

500.#.#.a: Familias de distribuciones paramétricas y modelos probabilísticos constituyen herramientas fundamentales de estadísticos, probabilístas y una amplia gama de científicos y profesionistas en donde se estudian fenómenos aleatorios y/o datos muestrales. Estas herramientas, cuando se emplean de manera adecuada, son bastante útiles e históricamente han formado la base de las diversas subdisciplinas de dichas áreas y los métodos estadísticos existentes en ellas. Sin embargo, estas distribuciones y modelos pueden llegar a ser bastante restrictivos y por lo general poco robustos ante violaciones a sus supuestos. Por otra parte, en muchos de los casos no toman en cuenta la incertidumbre inherente a la elección del modelo. En contraste, el uso de distribuciones aleatorias, cuando éstas tienen soporte completo, ofrece una alternativa más flexible y robusta, y que además permite de manera natural tomar en cuenta la incertidumbre acerca del modelo. _x000D_ _x000D_ En los orígenes del concepto de distribuciones aleatorias existen instancias en áreas tan variadas como lo son la teoría de genética poblacional [cf. Ewens (1979)], el estudio de distribuciones libres [cf. Dubins y Freedman (1966)], los métodos de aprendizaje automatizado y en general la teoría de estadística y procesos estocásticos. Entre éstas, una de las más representativas es el área de estadística bayesiana no-paramétrica [cf. Ghosh y Ramamoorthi (2002) y Hjort et al. (2010)]. El principal objetivo de esta área es precisamente el de construir y aplicar modelos para distribuciones aleatorias y usarlos como distribuciones iniciales en modelos bayesianos. En un periodo relativamente corto los procedimientos bayesianos no-paramétricos han probado estar dentro de la teoría y las aplicaciones en frontera de diversas áreas como lo son: combinatoria, econometría, ciencias genómicas, aprendizaje automatizado y robótica, estadística médica, genética poblacional, entre otras. Este creciente interés también se ve reflejado en la creación de una nueva Sección Temática dentro de la International Society for Bayesian Analysis (ISBA) o en el hecho de que un prestigioso programa de investigación con esta temática se llevó a cabo en el Isaac Newton Institute for Mathematical Sciences} (INI) de la Universidad de Cambridge en el Reino Unido (ver http://www.newton.ac.uk/programmes/BNR/)._x000D_ _x000D_ La construcción e identificación de modelos adecuados para distribuciones aleatorias está altamente relacionada con la propiedad de intercambiabilidad de variables aleatorias y por lo tanto los modelos resultantes, en principio, son adecuados para modelar datos o fenómenos coherentes con esta propiedad. Sin embargo, el espectro de fenómenos aleatorios encontrados en problemas reales requiere de modelos con otros tipos de dependencia más complejas que la simple simetría subyacente a la propiedad de intercambiabilidad. _x000D_ _x000D_ El objetivo principal del presente proyecto se centra en el estudio y aplicación de distribuciones aleatorias dependientes desde una perspectiva bayesiana, en particular con dependencia markoviana. Asimismo, considera la divulgación de estos modelos entre investigadores y estudiantes nacionales. Cabe destacar que en el 2011, México será cede del 8th Workshop in Bayesian Nonparametrics}, el evento internacional de mayor importancia en estas líneas de investigación.

046.#.#.j: 2019-11-14 12:26:40.706

264.#.1.b: Dirección General de Asuntos del Personal Académico

handle: 691fd965ef89d4b5

harvesting_date: 2019-11-14 12:26:40.706

856.#.0.q: text/html

last_modified: 2019-11-22 00:00:00

license_url: https://creativecommons.org/licenses/by/4.0/legalcode.es

license_type: by

No entro en nada

No entro en nada 2