Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/20070
Título: Comparación de exactitud entre los modelos de Cadena de Márkov y de Regresión lineal para realizar predicciones utilizando fuentes de datos integradas.
Autor: Cumbicos Mizhquero, Nathaly Fernanda
Palabras clave: ANÁLISIS PREDICTIVO
REGRESIÓN LINEAL
CADENAS DE MARKOV
PREDICCIÓN
Fecha de publicación: 29-ene-2019
Editorial: Quito, 2019.
Citación: Cumbicos Mizhquero, N. F. (2019). Comparación de exactitud entre los modelos de Cadena de Márkov y de Regresión lineal para realizar predicciones utilizando fuentes de datos integradas. 107 hojas. Quito : EPN.
Resumen: Performing a predictive analysis allows an organization to make strategic and informed decisions as they take advantage of their own collections of data. However, finding a prediction model that offers optimal results, in terms of prediction accuracy, can be a problem since the model may not fit the type of data available or may not fit the organization's prediction needs. The objective of this project is to compare the predictions of continuous values of employment indicators in Ecuador for 2017 using two models: Linear Regression and Markov Chains. We aim to determine which of these models, offers more accurate predictions. To carry out the project and obtain the predictions of the proposed models, we followed the phases of data analytics as work methodology for the analysis. In addition, for the communication of the results, a web system based on the prototyping methodology is built. After analyzing our data, we concluded that the predictions made using Markov Chains model are slightly more exact than those of the Linear Regression model. In addition, it was found that, from the analyzed data set, the Markov Chains model obtained better results, in terms of accuracy, in data with a non-linear trend.
Descripción: Realizar un análisis predictivo permite a una organización tomar decisiones estratégicas e informadas aprovechando sus propias colecciones de datos para realizar sus predicciones. Sin embargo, encontrar un modelo de predicción que ofrezca resultados óptimos, en cuanto a la exactitud de la predicción, puede representar un problema. El objetivo de este proyecto es comparar las predicciones de valores continuos de indicadores de empleo en Ecuador para el año 2017 realizadas por dos modelos: Regresión Lineal y Cadenas de Márkov. Esto permitirá determinar cuál de estos modelos, ofrece mejores resultados en la exactitud de su predicción. Para llevar a cabo el proyecto y obtener las predicciones de los modelos propuestos, se desarrollan las fases de la analítica de datos como metodología de trabajo para el análisis. Además, para la comunicación de los resultados del análisis y la predicción de los dos modelos se construirá un sistema web basado en la metodología de prototipado. De nuestros resultados, verificamos que el modelo de Cadenas de Márkov es ligeramente más preciso que el modelo de Regresión Lineal para el conjunto de datos analizado. Además, se encontró que, del conjunto de datos analizado, el modelo de Cadenas de Márkov obtuvo mejores resultados, en cuanto a exactitud, en datos con tendencial no lineal.
URI: http://bibdigital.epn.edu.ec/handle/15000/20070
Tipo: bachelorThesis
Aparece en las colecciones:Tesis Sistemas Informáticos y de Computación (ISIS)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD-9509.pdf4,54 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.