Show simple item record

dc.contributor.advisorSalinas Flores, Jesús Walter
dc.contributor.advisorRosas Villena, Fernando René
dc.contributor.authorRado Huaringa, Joao Manuel
dc.date.accessioned2017-01-13T13:59:09Z
dc.date.available2017-01-13T13:59:09Z
dc.date.issued2014
dc.identifier.otherC10.R33-T BAN UNALM
dc.identifier.urihttp://repositorio.lamolina.edu.pe/handle/UNALM/2269
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informáticaes_PE
dc.description.abstractEl objetivo de la investigación fue probar la hipótesis que la tasa de error de clasificación utilizando el análisis discriminante con algoritmos genéticos es menor a la que se obtiene con el análisis discriminante lineal de Fisher. La aplicación se efectuó en la predicción del rendimiento en el examen de admisión de la Universidad Nacional Agraria La Molina de los postulantes cuya preparación se realizó en su Centro de Estudios Preuniversitarios. En la técnica de algoritmos genéticos se empleó el método de selección, cruce y mutación que permitió realizar la búsqueda de funciones discriminantes con error mínimo. Los resultados del estudio indican que el análisis discriminante con algoritmos genéticos proporcionó una función discriminante más eficiente que la proporcionada por Fisher.es_PE
dc.description.abstractThe aim of the research was to test the hypothesis that the error rate of classification using discriminant analysis with genetic algorithms is lower than obtained with the Fisher linear discriminant analysis. The study was made in predicting performance in the entrance examination of the Universidad Nacional Agraria La Molina of applicants whose preparation was conducted in the Preparatory School of the UNALM. In the technique of genetic algorithms your method of selection, crossover and mutation allowing search discriminant function with minimal error was used. The results indicate that the discriminant analysis with genetic algorithms provided a more efficient discriminant function that provided by Fisher.en_US
dc.description.uriTesises_PE
dc.formatapplication/pdfen_US
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad Nacional Agraria La Molinaes_PE
dc.sourceRepositorio institucional - UNALMes_PE
dc.subjectAnálisis discriminante con algoritmos genéticoses_PE
dc.subjectAnálisis discriminante lineales_PE
dc.subjectEstudianteses_PE
dc.subjectUniversidadeses_PE
dc.subjectTécnicas de predicciónes_PE
dc.subjectRendimientoes_PE
dc.subjectModelos matemáticoses_PE
dc.subjectMétodos estadísticoses_PE
dc.subjectAnálisis de datoses_PE
dc.subjectEvaluaciónes_PE
dc.subjectPerúes_PE
dc.subjectExámen de admisiónes_PE
dc.titlePredicción del rendimiento en el exámen de admisión a la UNALM [Universidad Nacional Agraria La Molina] utilizando las técnicas de análisis discriminante lineal y análisis discriminante con algoritmos genéticoses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
thesis.degree.disciplineEstadística e Informáticaes_PE
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificaciónes_PE
thesis.degree.nameIngeniero Estadístico e Informáticoes_PE
thesis.degree.levelTítulo Profesionales_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#4.05.00es_PE


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess