Clasificación de resultados en la prueba de admisión de la UNALM utilizando análisis discriminante lineal de Fisher y Máquina de Soporte Vectorial

dc.contributor.advisorRosas Villena, Fernando René
dc.contributor.authorVivanco Huaytara, Fredy
dc.date.accessioned2018-11-27T16:12:30Z
dc.date.available2018-11-27T16:12:30Z
dc.date.issued2018
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
dc.description.abstractEl objetivo general de la investigación es la identificación entre las técnicas del Análisis Discriminante Lineal de Fisher y Máquina de Soporte Vectorial la que presenta mejores indicadores de clasificación del rendimiento de los postulantes en la prueba de admisión 2015-II en la Universidad Nacional Agraria La Molina (UNALM). Ambas técnicas estadísticas se aplicaron en dos oportunidades, en la primera se evaluó el resultado en la prueba admisión de la UNALM de los postulantes que no se prepararon en el CEP-UNALM y que ingresaron o no a la universidad (aplicación 1) y en la segunda se evaluó resultado en la prueba admisión de la UNALM de los postulantes que si se prepararon en el CEP-UNALM y que ingresaron o no a la universidad (aplicación 2). Los resultados muestran que la técnica Máquina de Soporte Vectorial presenta mejores indicadores de clasificación que el Análisis Discriminante Lineal de Fisher.
dc.description.abstractThe aim of this research is the identification between the techniques of Fisher's Linear Discriminant Analysis and Vector Support Machine which presents better indicators of classification performance from the applicants in the admission test 2015-II Universidad Nacional Agraria La Molina (UNALM). Both statistical techniques were applied on two occasions; the first one evaluated the results of the UNALM admission test for applicants who were not prepared at CEP-UNALM and who entered university (application 1) and at the university. Second, the results were evaluated in the UNALM admission test of the applicants, if they were prepared in the CEP-UNALM and who entered university or not (application 2). The results show that the Vector Support Machine technique presents better classification indicators than the Fisher Linear Discriminant Analysis
dc.description.uriTesis
dc.formatapplication/pdf
dc.identifier.otherU10.V58-T BAN UNALM
dc.identifier.urihttps://hdl.handle.net/20.500.12996/3705
dc.language.isospa
dc.publisherUniversidad Nacional Agraria La Molina
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceUniversidad Nacional Agraria La Molina
dc.sourceRepositorio institucional - UNALM
dc.subjectUniversidades
dc.subjectInstituciones de educación
dc.subjectServicios
dc.subjectAnálisis discriminante
dc.subjectMétodos estadísticos
dc.subjectPerú
dc.subjectPostulantes
dc.subjectAcademias preuniversitarias
dc.subjectClasificación de rendimiento
dc.subjectPrueba de admisión
dc.subjectAnálisis discriminante lineal
dc.subjectMáquina de soporte vectorial
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#4.05.00
dc.titleClasificación de resultados en la prueba de admisión de la UNALM utilizando análisis discriminante lineal de Fisher y Máquina de Soporte Vectorial
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineEstadística e Informática
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación
thesis.degree.levelTítulo Profesional
thesis.degree.nameIngeniero Estadístico e Informático

Files

Original bundle

Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
vivanco-huaytara-fredy.pdf
Size:
1.2 MB
Format:
Adobe Portable Document Format
Description:
Texto completo
Loading...
Thumbnail Image
Name:
U10-V58-T-resumen.pdf
Size:
69.14 KB
Format:
Adobe Portable Document Format
Description:
Resumen

License bundle

Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.64 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections