33° Simposio Internacional de estadística 2024 : ciencia de datos

Vista sencilla de ítem
dc.contributor.corporatenameUniversidad Nacional de Colombia. Sede Bogotá. Facultad de Ciencias. Departamento de Estadísticaspa
dc.coverage.temporal30 de julio al 02 de agosto de 2024
dc.date.accessioned2025-03-13T19:33:22Z
dc.date.available2025-03-13T19:33:22Z
dc.date.issued2024
dc.descriptionilustraciones, diagramas, mapas, tablasspa
dc.description.abstractEl Simposio de Estadística de la Universidad Nacional de Colombia nace en 1990 como un encuentro que tenía como tema central el análisis de regresión y con el pasar de los años, diversas áreas de investigación estadística, tanto teórica como aplicada y temas afines fueron integrándose de manera paulatina, convirtiendo al Simposio en un espacio de interacción, dialogo, discusión, actualización, revisión y divulgación de los tópicos y saberes que se encuentran en tendencia, haciendo de este evento, un referente a nivel nacional y regional. De esta forma, el departamento de Estadística de la Universidad Nacional ha dispuesto desde el inicio, un comité organizador, el cual, cada año ha propuesto uno o varios temas de interés y ha invitado a varios expertos nacionales e internacionales, que han impartido cursillos y conferencias y socializado sus conocimientos con estudiantes, profesores e investigadores de distintas áreas del saber. Es importante destacar que, a lo largo de más de 30 años, el simposio se ha realizado en distintas ciudades y municipios de Colombia, como lo son: Bogotá, Santa Marta, Cartagena, Rionegro, San Andrés, Armenia, Paipa, Bucaramanga, Cali, Medellín, Sincelejo y Barranquilla, realizándose en algunas versiones en conjunto con otras instituciones y convirtiéndose en 2012, en un evento de carácter internacional. Con perseverancia, dedicación, calidad y trabajo, hemos llegado en el año 2024, a la versión número 33 de este evento en la ciudad de Cartagena, Bolívar. La temática que se convocó este año fue Ciencia de Datos, motivado principalmente por ser un tema de reciente y marcada importancia que se da en un contexto global, regional y nacional en la que los datos cada vez tienen mayor volumen y que las herramientas que se necesitan para su análisis tienen un fuerte y relevante sustento estadístico, con un creciente interés por parte de la comunidad estadística nacional. Agradecemos a cada uno de los participantes por ser parte de este evento, esto muestra la acogida que cada año tiene este simposio a lo largo y ancho del territorio nacional, en distintas instituciones académicas y de investigación, mostrando los distintos resultados y perspectivas que ofrecen cada una de las ramas de la estadística en la solución de problemas de interés local, regional, nacional e internacional y como se hace necesaria la comprensión de las temáticas propuestas y la continuidad de la realización de nuestro Simposio. Gracias a estos encuentros se ha llegado a tener un fortalecimiento dinámico y sostenido en el quehacer estadístico nacional, con lo cual los pioneros de esta idea pueden sentirse satisfechos, pues los diferentes comités organizadores le han cumplido al país y a la Universidad con el objetivo propuesto en la primera versión. Les esperamos en el 34 Simposio Internacional de Estadística 2025. (Texto tomado de la fuente)spa
dc.description.editionPrimera edición, 2024spa
dc.description.tableofcontentsÍndice -- APLICACIÓN DE MACHINE LEARNING PARA PREVENIR LA DESERCIÓN EN LA UNIVERSIDAD DE CÓRDOBA MEDIANTE UN SISTEMA DE ALERTAS TEMPRANAS -- MÉTODO BOOTSTRAP BASADO EN RESIDUALES CONDICIONALES Y RESIDUALES DE PEARSON EN PROBLEMAS DE ÁREAS PEQUEÑAS: APLICACIÓN A GASTOS EN JUEGOS DE AZAR DE LOS HOGARES -- OPTIMIZACIÓN DE LA RECONSTRUCCIÓN DE SERIES TEMPORALES DE PRECIOS EN CORABASTOS: IMPLEMENTACIÓN DE UN PROCESO ETL BASADO EN WEB SCRAPING PARA DATOS DIARIOS DEL SISTEMA DE PRECIOS SIPSA (ENERO 2018- JUNIO 2024) -- ESTIMADOR DE LA MEDIA AJUSTADO POR LA PROBABILIDAD DE RESPUESTA ESTIMADA EN ENCUESTAS MUESTRALES EN PRESENCIA DE LA NO RESPUESTA: MÉTODOS PARAMÉTRICOS Y NO PARAMÉTRICOS -- ESTIMADORES BAYES-MINIMAX-ADMISIBLES DE FRECUENCIAS ALÉLICAS -- UN MÉTODO PARA LA COMPARACIÓN DE DISIMILITUDES ENTRE SERIES DE TIEMPO CON TAMAÑOS DE MUESTRAS NO BALANCEADAS. UN CASO DE ESTUDIO CON MEDICIONES DE MATERIAL PARTICULADO -- IMPACTO DE PROCESOS DE IMPUTACIÓN EN EL MODELAMIENTO DE SERIES TEMPORALES UNIVARIADAS Y MULTIVARIADAS: UN CASO DE ESTUDIO PARA MEDICIONES DE PM10 Y PM2.5 -- DISTRIBUCIÓN ESPACIAL DEL RIESGO DE LESIONES EN MUJERES VÍCTIMAS DE VIOLENCIA FÍSICA DE PAREJA EN LOS DEPARTAMENTOS DE COLOMBIA EN EL PERÍODO 2015-2022 -- ESTUDIO COMPARATIVODE PRONÓSTICOS PARA LA TASA DE DESEMPLEO COLOMBIANA -- APLICACIÓN SHINY PARA LA LEY DÉBIL DE LOS GRANDES NÚMEROS -- BAYESIAN STATISTICAL HYPOTHESIS TESTING IN THE ERA OF BIG DATA -- MODELO DE ECUACIONES ESTRUCTURALES DEL PENSAMIENTO CRÍTICO EN ESTUDIANTES UNIVERSITARIOS -- MODELO KM-HMM PARA PRECIPITACIONES Y SU RELACIÓN CON VARIABLES ATMOSFÉRICAS EN BOGOTÁ -- MODELOS DE AJUSTE LOCAL BAJO UN ENFOQUE CLÁSICO Y MODELOS DE ESPACIO DE ESTADO BAYESIANOS PARA PRONOSTICAR EL PIB EN COLOMBIA EN 2024 -- ESTIMACIÓN DE LA CONCENTRACIÓN DE PM10 EN BOGOTÁ MEDIANTE EL USO DE UN MODELO DE CADENA DE MARKOV OCULTO BASADO EN LOS REGISTROS DE PRECIPITACIONES DIARIAS -- ANÁLISIS PROFUNDO DE SERIES TEMPORALES: DESARROLLO Y EVALUACIÓN DE MODELOS DE PREDICCIÓN PROBABILÍSTICA -- ESTIMACIÓN EN ÁREAS PEQUEÑAS PARA PUNTAJES DE LAS PRUEBAS SABER 3579 -- EFECTOS DE EDAD, PERÍODO Y COHORTE EN LA MORTALIDAD POR CÁNCER DE CUELLO UTERINO EN COLOMBIA ENTRE 1985 Y 2014 -- APLICACIÓN DE TÉCNICAS DEMACHINE LEARNING EN LA GEOFÍSICA PARA IDENTIFICAR ZONAS DE MANEJO PARA EL RIEGO POR SITIO ESPECIFICO EN EL MARACUYÁ AMARILLO -- IMPLEMENTACIÓN DE GEOESTADÍSTICA COMO HERRAMIENTA PARA TOMA DE DECISIONES EN EL MANEJO DIFERENCIAL DEL CULTIVO DE MARACUYÁ -- ANÁLISIS DE DATOS DE EXPRESIÓN Y METILACIÓN PARA IDENTIFICAR ALTERACIONES POR CONSUMO DE CIGARRILLO ELECTRÓNICO SIN NICOTINA -- APLICACIÓN SHINY PARA GRÁFICOS DE PROBABILIDAD EN CONFIABILIDAD -- APLICACIÓN INTERACTIVA PARA EL APRENDIZAJE Y ANÁLISIS DEL GRÁFICO DE EVENTOS EN CONFIABILIDAD -- IMPLEMENTACIÓN DE HERRAMIENTAS SHINY PARA LA AUTOMATIZACIÓN DE ACTIVIDADES REPETITIVAS -- IMPACTO DEL MATERIAL PARTICULADO EN LA DINÁMICA DE INFECCIONES RESPIRATORIAS AGUDAS EN BOGOTÁ -- PROPUESTA DE INDICADOR PARA RANKING DE EQUIPOS EN TORNEOS DE FÚTBOL -- MÉTODOS INFERENCIALES SOBRE EL PUENTE BROWNIANO FRACCIONARIO -- METODOLOGÍA ESTADÍSTICA PARA LA ESTIMACIÓN DE LA HUELLA DE CARBONO INDIVIDUAL EN TRES INSTITUCIONES DE EDUCACIÓN SUPERIOR -- APLICACIÓN DE TÉCNICAS DE MUESTREO ÓPTIMO Y DISEÑO EXPERIMENTAL EN LA MODELACIÓN DE LA AMENAZA DE FLUJOS PIROCLÁSTICOS DE LOS VOLCANES CHILES Y CERRO NEGRO -- OPTIMIZACIÓN DE UN MODELO CON EXCESO DE CEROAPLICADO AL CONTROL DE TRIPS EN CULTIVOS DE FRESAS MEDIANTE LA METODOLOGÍA DE SUPERFICIES DE RESPUESTA -- COMPARACIÓN DEL DESEMPEÑO DE CLASIFICADORES DE IMÁGENES DE FRACTURA DE ELEMENTOS MECÁNICOS, QUE USAN ALGORTIMOS DE APRENDIZAJE DE MÁQUINA Y ALGORITMOS DE CLASIFICACIÓN DE DATOS FUNCIONALES -- APLICACIÓN INTERACTIVA PARA EL MODELO DE REGRESIÓN LINEAL BAYESIANO -- TÉCNICAS DE MINERÍA DE DATOS PARA ANÁLISIS DE RESULTADOS DE LA PRUEBA DE INGLÉS EN EL EXAMEN SABER 11 CALENDARIO A AÑO 2022 -- AJUSTE DE MODELOS DE MACHINE LEARNING PARA PRONOSTICAR EL AUSENTISMO DE USUARIOS EN LA CONSULTA MÉDICA ESPECIALIZADA EN UNA IPS -- NUEVAS DISTRIBUCIONES DE PROBABILIDAD PARA MODELAR DATOS BIMODALES. UNA APLICACIÓN A DATOS DE PESOS FETALES OBTENIDOS MEDIANTE ULTRASONIDO -- PROPIEDADES, INFERENCIA Y APLICACIONES DE LA NUEVA DISTRIBUCIÓN POWER-SKEW-ELLIPTICAL BIVARIADA -- MODELO DE REGRESIÓN PARA DATOS DE PROPORCIÓN BASADOS EN LA DISTRIBUCIÓN UNIT-BIRNBAUM-SAUNDERS INFLADA. MÉTODOS Y APLICACIONESr -- MODELO DE REGRESIÓN PARA DATOS NO NEGATIVOS CENSURADOS. UNA APLICACIÓN A DATOS DE UN ESTUDIO DE SEGURIDAD DE LA VACUNA CONTRA EL SARAMPIÓN -- COMPARACIÓN DE MODELOS PARA LA CLASIFICACIÓN DE IMÁGENES BIDIMENSIONALES EN ESCALA DE GRISES: DATOS FUNCIONALES Y REDES NEURONALES CONVOLUCIONALES BAYESIANAS -- ANÁLISIS DE TENDENCIAS DE MORTALIDAD POR CAUSAS EXTERNAS EN COLOMBIA (2014-2022) -- EVALUACIÓN DE LA HABILIDAD PREDICTIVA DE LA REGRESIÓN DE SOPORTE VECTORIAL EN SERIES DE TIEMPO MULTIVARIADAS -- REVISIÓN DE MODELOS DE REGRESIÓN PARA VARIABLES CON RESPUESTA EN EL INTERVALO [0,1]: CASO DE ESTUDIO DE PREDICCIÓN DE ENERGÍA EÓLICA -- EXPLORACIÓN DE LA DUALIDAD TENDENCIA-VARIABILIDAD EN MODELOS HÍBRIDOS PARA LA PREDICCIÓN DE SERIES TEMPORALES: VARIABLES MACROECONÓMICAS UNIVARIADAS -- DISTRIBUCIONES DE RIESGO PROPORCIONAL SEGMENTADAS -- VIGILANCIA CIBERNÉTICA. MODELOMLPARA LA DETECCIÓN DEMALWARE -- COMPARACIÓN DE ALGUNOS MODELOS DE REGRESIÓN PARA LA ESTIMACIÓN DE PRECIPITACIÓN Y HUMEDAD EN EL COLEGIO DE LA UN BOGOTÁ -- EXPLORANDO LOS PATRONES DE CONSUMO DE SUSTANCIAS PSICOACTIVAS: UN ANÁLISIS DETALLADO EN COLOMBIA -- METALICIDAD EN MODELOS DE MARCHINE LEARNING PARA LA DETECCION DE EXOPLANETAS -- MODELO AUTOREGRESIVOTFT PARA MODELAMIENTODE VARIABLES ECONÓMICAS: SALARIO MÍNIMO MENSUAL EN COLOMBIA -- PATRONES DE COMPORTAMIENTO DE LA LEISHMANIASIS CUTÁNEA EN EL DEPARTAMENTO DE CÓRDOBA EN EL PERÍODO 2018 A 2022 -- MONITOREO Y ANÁLISIS DE LA GESTIÓN DEL EFECTIVO IMPRODUCTIVO DE LAS OFICINAS DEL BANCO AGRARIO DE COLOMBIA SEGÚN SU CUPO ASIGNADO Y TIPO DE COMPORTAMIENTO. -- ANÁLISIS DEL EFECTO MATEO EN LA MORTALIDAD INFANTIL EN AMÉRICA POR MEDIO DEL AJUSTE DE UN MODELO DE EFECTOS MIXTOS: UN ESTUDIO LONGITUDINAL DE 2000 A 2019 -- ANÁLISIS DEL RIESGO RELATIVO CON MODELOS ESPACIALES POISSON Y BINOMIAL NEGATIVA PARA LOS CONTAGIOS DEL SARS-COV-2 EN COLOMBIA -- PRONÓSTICO DEL NIVEL DE PRODUCCIÓN DE CEMENTO EN COLOMBIA: UNA METODOLOGÍA ABIERTA E INTERACTIVA A TRAVÉS DE UN TABLERO SHINY -- COMPARACIÓN DE TRES METODOLOGÍAS PARA EL ANÁLISIS DE LA DESERCIÓN ESTUDIANTIL EN LOS PROGRAMAS DE PREGRADO DE LAS SEDES BOGOTÁ Y MEDELLÍN DE LA UNIVERSIDAD NACIONAL DE COLOMBIA ENTRE LOS PERIODOS 2008-03 Y 2020-01 -- DATOS FUNCIONALES: UNA APLICACIÓN AL COMPORTAMIENTO DE LA TASA DE CRECIMIENTO DEMOGRÁFICO EN LATINOAMÉRICA -- MODELOS DE REGRESIÓN Y ECUACIONES ESTRUCTURALES: APLICACIONES Y USOS EN INVESTIGACIÓN EDUCATIVA -- ANÁLISIS DE SUPERFICIES DE RESPUESTA CON RESPUESTA BETA PARA OPTIMIZAR UN SISTEMA FOTOCATALÍTICO SOLAR DE RECUPERACIÓN DE AGUAS GRISES PARA RIEGO AGRÍCOLA -- DATOS ABIERTOS COMO HERRAMIENTA DE ANÁLISIS DE COMORBILIDADES DURANTE EL PRIMER PICO DE COVID-19 EN CARTAGENA DE INDIAS Y EL DEPARTAMENTO DE BOLÍVAR -- UNA IMPLEMENTACIÓN DEL COEFICIENTE DE ASOCIACIÓN DE CHATTERJEE ξ Y EL COEFICIENTE DE DEPENDENCIA CONDICIONAL DE ZADKIACHATTERJEE T PARA EL ANÁLISIS DE SERIES TEMPORALES. -- UNA CARTA DE CONTROL T2 CON LÍMITES DE CONTROL DINÁMICOS PARA EL MONITOREO DE DATOS NORMALES BIVARIADOS -- UNA CARTA DE CONTROL T2 CON LÍMITES DE CONTROL DINÁMICOS PARA EL MONITOREO DE DATOS NORMALES BIVARIADOS -- UN ANÁLISIS DESCRIPTIVODE LA DISTRIBUCIÓN ESPACIO-TEMPORAL DE LA HEPATITIS A EN COLOMBIA 2007-2022 -- APLICACIÓN DE TÉCNICAS DATA MINING EN BIOLOGÍA: MODELADO DE CURVAS DE CRECIMIENTO EN TERNEROS MACHOS Y EVALUACIÓN A LA RESISTENCIA ANTIMICROBIANOS -- BRECHAS DE GÉNERO EN EL MERCADO LABORAL – ÍNDICE DE COMPETITIVIDAD E INDICADORES MACROECONÓMICOS 2022-2023 -- ANÁLISIS BIBLIOMÉTRICO DE PUBLICACIONES CIENTÍFICAS SOBRE “OBJETIVOS DE DESARROLLO SOSTENIBLE” CON ÉNFASIS EN SOSTENIBILIDAD (2018-2024) -- MODELAMIENTO EN DIFERENCIA DE COLOR Y SU APLICACION EN EL PROCESAMIENTO DE IMAGENES EN LA INDUSTRIA DE LA YUCA -- EL INFORME ESTADÍSTICO COMO HERRAMIENTA STEAM PARA LA CONSTRUCCIÓN DE HÁBITOS SALUDABLES EN NIÑOS DE 8 A 12 AÑOS -- SISTEMA DE DETECCIÓN DE EMOCIONES UNIVERSALES EN IMÁGENES REFLEJADAS EN EXPRESIONES FACIALES DE PERSONAS MEDIANTE REDES NEURONALES EN PYTHON -- ESTADÍSTICA DESCRIPTIVA CON DATOS FUNCIONALES CONSUMO DE ENERGÍA MENSUAL EN 28 DEPARTAMENTOS DE COLOMBIA: 2021-2023 -- LABORATORIOS CASEROS COMO ESTRATEGIA DIDÁCTICA EN EL APRENDIZAJE DE LA DINÁMICA, EN ESTUDIANTES DE 10° DE LA INSTITUCION EDUCATIVA INDIGENA SAN JOSE DE HUERTAS CHICAS. -- DISCAPACIDAD Y SU INFLUENCIA PARA MODIFICAR LA ESPERANZA DE VIDA EN ANTIOQUIA: DATOS DE 2023 -- ESTIMACIÓN DE RADIACIÓN SOLAR PARA POTENCIAR LA ENERGÍA FOTOVOLTAICA APLICANDO CADENAS DE MÁRKOV. -- LA LIQUIDEZ DE LAS EMPRESAS COLOMBIANAS DEL SECTOR MANUFACTURERO: ANÁLISIS MEDIANTE MÉTODOS DE CLÚSTER -- MODELO DE PROBABILIDAD CONJUNTA PARA LA ESTIMACIÓN DEL RIESGO DE CRÉDITO -- COL11A1 ISOFORMS BIOINFORMATIC ANALYSIS REVELS DIFFERENTIAL AND PREDOMINANT ABUNDANCE OF ENST00000470170 AND ENST00000370096 VARIANTS IN CANCER AND CHEMORESISTANT OVARIAN CANCER -- STOP BEING POOR!! -- PRUEBA DE HIPÓTESIS DE DOS FORMAS GEOMÉTRICAS BASADO EN EL PAISAJE PERSISTENTE -- IMPACTO DE FACTORES SOCIOECONÓMICOS EN LA TASA DE CULTIVOS DE COCA EN COLOMBIAspa
dc.format.extent533 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.issn2463-0861
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlrepositorio.unal.edu.cospa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/87651
dc.language.isospaspa
dc.language.isoengspa
dc.publisherUniversidad Nacional de Colombia, Sede Bogotá, Facultad de Ciencias, Departamento de Estadísticaspa
dc.publisher.placeBogotá, Colombiaspa
dc.relation.referencesCONSEJO NACIONAL DE ACREDITACIÓN (CNA)., Lineamientos para la acreditación de programas académicos de pregrado. 2013. Consultado: 19 de agosto de 2024. Disponible en: www.mineducacion.gov.co/1621/articles-342684_recurso_1.pdf.spa
dc.relation.referencesMINISTERIO DE EDUCACIÓN NACIONAL DE COLOMBIA., Sistema de Prevención y Análisis de la Deserción en las Instituciones de Educación Superior (SPADIES). 2024. Consultado: 19 de agosto de 2024. Disponible en: www.spadies.mineducacion.gov.co.spa
dc.relation.referencesF. PEDREGOSA, G. VAROQUAUX, A. GRAMFORT, V. MICHEL, B. THIRION, O. GRISEL, M. BLONDEL, P. PRETTENHOFER, R. WEISS, V. DUBOURG, J. VANDERPLAS, A. PASSOS, D. COURNAPEAU, M. BRUCHER, M. PERROT, AND E. DUCHESNAY., Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research 12:2825–2830, 2011.spa
dc.relation.referencesGUIDO VAN ROSSUM AND FRED L. DRAKE JR., Python tutorial. Centrum voorWiskunde en Informatica Amsterdam, The Netherlands, 1995.spa
dc.relation.references[5] DANIEL JURAFSKY AND JAMES H. MARTIN., Speech and Language Processing. Stanford University, 2023.spa
dc.relation.referencesJAMES BERGSTRA AND YOSHUA BENGIO., Random search for hyper-parameter optimization. Journal of Machine Learning Research 13(2):281–305, 2012.spa
dc.relation.referencesDAVIDE CHICCO AND GIUSEPPE JURMAN., The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation. BMC Genomics 21:1–13, 2020. Springer.spa
dc.relation.referencesDAVID M. W. POWERS., Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. CoRR abs/2010.16061, 2020. Disponible en: https://arxiv.org/abs/2010.16061.spa
dc.relation.referencesCORTES, C. AND VAPNIK, V., Support Vector Networks. Machine Learning 20:273–297, 1995.spa
dc.relation.referencesSEBASTIAN RASCHKA, YUXI (HAYDEN) LIU, AND VAHID MIRJALILI., Machine Learning with PyTorch and Scikit-Learn. Packt Publishing, Birmingham, UK, 2022.spa
dc.relation.referencesLEIF E. PETERSON., K-nearest neighbor. Scholarpedia 4(2):1883, 2009.spa
dc.relation.referencesMAHESH PAL., Random forest classifier for remote sensing classification. International Journal of Remote Sensing 26(1):217–222, 2005. Taylor & Francis.spa
dc.relation.referencesDAVID E. RUMELHART, GEOFFREY E. HINTON, AND RONALD J. WILLIAMS., Learning representations by back-propagating errors. Nature 323:533–536, 1986. Disponible en: https://api.semanticscholar.org/CorpusID:205001834.spa
dc.relation.referencesZACHARY CHASE LIPTON, CHARLES ELKAN, AND BALAKRISHNAN NARAYANASWAMY., Thresholding Classifiers to Maximize F1 Score. 2014. Disponible en: https: //arxiv.org/abs/1402.1892.spa
dc.relation.referencesNITESH V. CHAWLA, KEVIN W. BOWYER, LAWRENCE O. HALL, AND W. PHILIP KEGELMEYER., SMOTE: synthetic minority over-sampling technique. Journal of Artificial Intelligence Research 16:321–357, 2002.spa
dc.relation.referencesCAROLINA GUZMÁN RUIZ, DIANA DURÁN MURIEL, JORGE FRANCO GALLEGO, ELKIN CASTAÑO VÉLEZ, SANTIAGO GALLÓN GÓMEZ, KAROLL GÓMEZ PORTILLA, AND JOHANNA VÁSQUEZ VELÁSQUEZ., Deserción estudiantil en la educación superior colombiana. 2009. Disponible en: https://www.mineducacion.gov.co/ sistemasdeinformacion/1735/articles-254702_libro_desercion.pdf.spa
dc.relation.referencesAURÉLIEN GÉRON., Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. O’Reilly Media, Sebastopol, CA, 2017.spa
dc.relation.referencesMARINA SOKOLOVA AND GUY LAPALME., A systematic analysis of performance measures for classification tasks. Information Processing Management 45(4):427–437, 2009. DOI: https://doi.org/10.1016/j.ipm.2009.03.002.spa
dc.relation.referencesPLOTLY TECHNOLOGIES INC., Dash: A Python framework for building analytical web applications. Versión 2.0.0, 2024. Disponible en: https://dash.plotly.com.spa
dc.relation.referencesG. E. BATTESE, R. M. HARTER, AND W. A. FULLER. , An error-components model for prediction of county crop areas using survey and satellite data.. Journal of the American Statistical Association 83(401):28–36, 1988.spa
dc.relation.referencesDANE., Encuesta multipropósito (em), 2017.spa
dc.relation.referencesD. A. HARVILLE., Decomposition of prediction error. Journal of the American Statistical Association, 80(389):132–138, 1985.spa
dc.relation.referencesD. A. HARVILLE., [that blup is a good thing: The estimation of random effects: Comment. Statistical Science, 6(1):35–39, 1991.spa
dc.relation.referencesJ. A. HILDEN-MINTON., Multilevel diagnostics for mixed and hierarchical linear models. 1996.spa
dc.relation.referencesJ. C. PINHEIRO AND D. M. BATES., Linear mixed-effects models: basic concepts and examples. Mixed-effects models in S and S-Plus, pages 3–56, 2000.spa
dc.relation.referencesJ. N. RAO AND I. MOLINA., Small area estimation. John Wiley Sons, 2015.spa
dc.relation.referencesVAN DER LEEDEN, RIEN AND BUSING, FMTA AND MEIJER, ERIK, Bootstrap methods for two-level models. Multilevel conference, 1997spa
dc.relation.referencesG. VERBEKE AND E. LESAFFRE., The effect of misspecifying the random-effects distribution in linear mixed models for longitudinal data. Computational Statistics Data Analysis, 23(4):541–556, 1997.spa
dc.relation.referencesBAFFES, J. & GARDNER, B., The transmission of world commodity prices to domestic markets under policy reforms in developing countries, The Journal of Policy Reform, 6(3), 159–180. https://doi.org/10.1080/0951274032000175770, 2003.spa
dc.relation.referencesBUSTAMANTE MARTÍNEZ, A., AMARU, E., LISTA, G., & CARLOS GÓMEZ FLÓREZ, L., ETL Processes modeling techniques: an alternatives review and its application in a BI solution development project, Scientia et Technica Año XVIII, 18(1), 2013.spa
dc.relation.referencesDANE, Sistema de Información de Precios y Abastecimiento del Sector Agropecuario Componente Abastecimiento de Alimentos - SIPSA, 2024. https://microdatos.dane.gov.co/catalog/697.spa
dc.relation.referencesDOGUCU, M. & ÇETINKAYA-RUNDEL, M., Web Scraping in the Statistics and Data Science Curriculum: Challenges and Opportunities, Journal of Statistics Education. https://doi.org/10.1080/10691898.2020.1787116, 2020.spa
dc.relation.referencesLOZANO FORERO, S., CAMILO, J., & CONTRERAS, Proposal for a SIPSA index and its relation to food inflation for the Colombian case: empirical evidence, 2019. https://repository.libertadores.edu.co/server/api/core/bitstreams/1777bf32-e5cd-4769-b9c5- 82bec172d4e8/content.spa
dc.relation.referencesEKHOLM, ANDERS Y SEPPO LAAKSONEN, Weighting via response modeling in the Finnish Household Budget Survey., Journal of Official Statistics 7.3, págs. 325-337, 1991.spa
dc.relation.referencesIANNACCHIONE, VINCENT G, JENNIFER G MILNE Y RALPH E FOLSOM, Response probability weight adjustments using logistic regression., Proceedings of the Survey Research Methods Section, American Statistical Association. Vol. 20, 1991.spa
dc.relation.referencesRACINE, JEFF Y QI LI, Nonparametric estimation of regression functions with both categorical and continuous data., Journal of Econometrics 119.1, págs. 99-130, 2004.spa
dc.relation.referencesDA SILVA, DAMIÃO N Y JEAN D OPSOMER, A kernel smoothing method of adjusting for unit non-response in sample surveys., Canadian Journal of Statistics 34.4, págs. 563-579, 2006.spa
dc.relation.referencesKIM, JAE KWANG Y JAY J KIM, Nonresponse weighting adjustment using estimated response probability., Canadian Journal of Statistics 35.4, págs. 501-514, 2007.spa
dc.relation.referencesDA SILVA, DAMIÃO N Y JEAN D OPSOMER, Nonparametric propensity weighting for survey nonresponse through local polynomial regression., Survey Methodology 35.2, págs. 165-176, 2009.spa
dc.relation.referencesHAZIZA, DAVID Y ÉRIC LESAGE, A discussion of weighting procedures for unit nonresponse., Journal of Official Statistics 32.1, págs. 129-145, 2016.spa
dc.relation.referencesFU, RAN, Weighting adjustments in surveys., Tesis doctoral, Colorado State University, 2017.spa
dc.relation.referencesLITTLE, RODERICK JA Y DONALD B RUBIN, Statistical analysis with missing data. John Wiley & Sons, 2019.spa
dc.relation.referencesE. L. LEHMANN AND G. CASELLA., Theory of point estimation. Springer Science & Business Media, 2006.spa
dc.relation.referencesS. WRIGHT., The distribution of gene frequencies in populations. Proceedings of the National Academy of Sciences, 23(6):307–320, 1937.spa
dc.relation.referencesEPA (2023) Agencia de Protección Ambiental de Estados Unidos. (Octubre de 2023). Por qué la calidad del aire de los interiores es importante para las escuelas.spa
dc.relation.referencesBedoya Sanmiguel, Ó. G., Álvarez Vanegas, A., Cadena Gaitán, C., Espinosa Valderrama, M., Pachón Quinche, J. E., Zapata Sánchez, C. E. (s. f.). Efectos de contaminación atmosférica en la salud.spa
dc.relation.referencesGiorgino, T. (2009). Computing and Visualizing Dynamic Time warping alignments INR: TheDTWPackage. Journal of Statistical Software.spa
dc.relation.referencesHonaker, James, and Gary King. "What to Do about Missing Values in Time-Series Cross- Section Data..American Journal of Political Sciencespa
dc.relation.referencesVan Buuren, Stef. Flexible Imputation of Missing Data, second edition. 2018.spa
dc.relation.referencesNACIONES UNIDAS., Secretary-General Calls For Transformation In Men’s Attitudes To End All Forms Of Violence Against Women. 2003. Disponible en: https://press.un. org/en/2003/sgsm9030.doc.htm.spa
dc.relation.referencesNACIONES UNIDAS., Hechos y cifras: Poner fin a la violencia contra las mujeres. 2023. Disponible en: https://www.unwomen.org/es/what-we-do/ ending-violence-against-women/facts-and-figures.spa
dc.relation.referencesNACIONES UNIDAS., Declaration on the Elimination of Violence against Women. 1999. Disponible en: https://www.ohchr.org/es/instruments-mechanisms/ instruments/declaration-elimination-violence-against-women.spa
dc.relation.referencesENRIQUE GRACIA, ANTONIO LÓPEZ-QUÍLEZ, MIRIAM MARCO, MARISOL LILA., Neighborhood characteristics and violence behind closed doors: The spatial overlap of child maltreatment and intimate partner violence. PLoS One, 13(6) , 2018. Public Library of Science San Francisco, CA USA.spa
dc.relation.referencesPAUL RODRIGUES, MYLÈNE FERNET, MARIE-MARTHE COUSINEAU, MATHIEU PHILIBERT., Associations between small-area sociodemographic characteristics and intimate partner violence in Montréal, Québec. Journal of Public Health Research, 12(4):22799036231208326, 2023. SAGE Publications Sage UK: London, England.spa
dc.relation.referencesDEBORAH M. CAPALDI, NAOMI B. KNOBLE, JOANN WU SHORTT, HYOUN K. KIM., A systematic review of risk factors for intimate partner violence. Partner Abuse, 3(2):231, 2012. NIH Public Access.spa
dc.relation.referencesISAAC ESTEBAN CAMARGO FREILE, KAREN CECILIA FLÓREZ LOZANO, CARLOS ALBERTO SARMIENTO CRESPO, CAROLINA MERCEDES VECCHIO CAMARGO, SANDRA MILENA RODRÍGUEZ ACOSTA, VICTOR FLOREZ-GARCIA, EDGAR NAVARRO LECHUGA., Risk of violence from a current or former partner: Associated factors and classification in a nationwide study in Colombia. PloS One, 17(12) , 2022. Public Library of Science San Francisco, CA USA.spa
dc.relation.referencesOPS., Violencia contra la mujer. 2023. Disponible en: https://www.paho.org/es/ temas/violencia-contra-mujer.spa
dc.relation.referencesPROCURADURÍA., Preocupante radiografía de violencia contra la mujer advierte Procuraduría. 2023. Disponible en: https://www.procuraduria.gov.co/Pages/ preocupante-radiografia-violencia-contra-mujer-advierte-procuraduria. aspxr.spa
dc.relation.referencesPROCURADURÍA., 3 mujeres cada hora, 128 al día y 47 mil en el 2022, fueron víctimas de violencia intrafamiliar: Procuraduría. 2022. Disponible en: https://www.procuraduria.gov.co/Pages/ 3-mujeres-cada-hora-128-al-dia-y-47-mil-en-2022-fueron-victimas-de-violencia-intrafamiliar-aspx.spa
dc.relation.referencesOMS., Violence against women prevalence estimates, 2018: WHO Region of the Americas. 2021. Organización Mundial de la Salud. Disponible en: https://www.who.int/ publications/i/item/WHO-SRH-21.11.spa
dc.relation.referencesNATALIA ECHEVERRI CALERO, YANITHZA MEDINA BARRETO., Protocolo de valoración del riesgo de violencia mortal contra mujeres por parte de su pareja o expareja. Medicina Legal, 2014.spa
dc.relation.referencesOPS., Comprender y abordar la violencia contra las mujeres. Panorama general. 2013.spa
dc.relation.referencesSARAH BOTT, ALESSANDRA GUEDES, ANA P. RUIZ-CELIS, JENNIFER ADAMS MENDOZA., La violencia por parte de la pareja íntima en las Américas: una revisión sistemática y reanálisis de las estimaciones nacionales de prevalencia. Revista Panamericana de Salud Pública, 45 , 2021. SciELO Public Health.spa
dc.relation.referencesLORI HEISE., What works to prevent partner violence? An evidence overview. 2011. STRIVE Research Consortium, London School of Hygiene and Tropical Medicine.spa
dc.relation.referencesLORI L. HEISE., Violence against women: An integrated, ecological framework. Violence Against Women, 4(3):262–290, 1998. SAGE Periodicals Press Thousand Oaks.spa
dc.relation.referencesLORI HEISE., Ending violence against women. Issues in World Health, 11:1–44, 1999.spa
dc.relation.referencesPAUL J. BRANTINGHAM, PATRICIA L. BRANTINGHAM (EDS.)., Environmental criminology. Sage Publications, Beverly Hills [Calif.], 1981. Sage Focus Editions, 39. ISBN 978-0-8039-1678-4.spa
dc.relation.referencesNEREA NÚÑEZ, OSCAR VIDAL-CASANELLA, SONIA SENTELLAS, JAVIER SAURINA, OSCAR NÚÑEZ., Characterization, Classification and Authentication of Turmeric and Curry Samples by Targeted LC-HRMS Polyphenolic and Curcuminoid Profiling and Chemometrics. Molecules, 25(12):2942, 2020. DOI: https://doi.org/10. 3390/molecules25122942. Disponible en: https://www.mdpi.com/1420-3049/25/ 12/2942.spa
dc.relation.referencesSIMONE LOLLI., Machine Learning Techniques for Vertical Lidar-Based Detection, Characterization, and Classification of Aerosols and Clouds: A Comprehensive Survey. Remote Sensing, 15(17):4318, 2023. DOI: https://doi.org/10.3390/rs15174318. Disponible en: https://www.mdpi.com/2072-4292/15/17/4318.spa
dc.relation.referencesIGNACIO RODRÍGUEZ-RODRÍGUEZ, JOSÉ-VÍCTOR RODRÍGUEZ, DOMINGO-JAVIER PARDO-QUILES, PURIFICACIÓN HERAS-GONZÁLEZ, IOANNIS CHATZIGIANNAKIS., Modeling and Forecasting Gender-Based Violence through Machine Learning Techniques. Applied Sciences, 10(22):8244, 2020. DOI: https://doi.org/10.3390/app10228244. Disponible en: https://www.mdpi.com/2076-3417/10/22/8244.spa
dc.relation.referencesYUNUS KAYA, KIMBERLY J. COOK., A cross-national analysis of physical intimate partner violence against women. International Journal of Comparative Sociology, 51(6):423–444, 2010. DOI: 10.1177/0020715210386155. Disponible en: http: //journals.sagepub.com/doi/10.1177/0020715210386155.spa
dc.relation.referencesCAROLINA STEFONI., Panorama de la migración internacional en América del Sur. 2018. ISSN: 1680-9009. Disponible en: https://repositorio.cepal.org/server/ api/core/bitstreams/a6d972e4-f2cb-4eff-8328-611a329cf56a/content.spa
dc.relation.referencesDORA AGUIRRE., Problemática específica de las mujeres jóvenes inmigrantes, víctimas de violencia de género. REVISTA DE ESTUDIOS DE JUVENTUD, 86:101–119, 2019. Disponible en: https://www.injuve.es/sites/default/files/RJ86-08.pdf.spa
dc.relation.referencesANDREA L. HAZEN, FERNANDO I. SORIANO., Experiences With Intimate Partner Violence Among Latina Women. Violence Against Women, 13(6):562–582, 2007. DOI: 10.1177/1077801207301558. Disponible en: http://journals.sagepub.com/doi/ 10.1177/1077801207301558.spa
dc.relation.referencesISABEL RUIZ-PÉREZ, NELVA MATA-PARIENTE, JUNCAL PLAZAOLA-CASTAÑO., Women’s Response to Intimate Partner Violence. Journal of Interpersonal Violence, 21(9):1156–1168, 2006. DOI: 10.1177/0886260506290421. Disponible en: http:// journals.sagepub.com/doi/10.1177/0886260506290421.spa
dc.relation.referencesWENDY KLIEWER, NIKOLA ZAHARAKIS., Community violence exposure, coping, and problematic alcohol and drug use among urban, female caregivers: A prospective study. Personality and Individual Differences, 55(4):361–366, 2013. DOI: 10.1016/j.paid. 2013.03.020. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/ S0191886913001402.spa
dc.relation.referencesCLAUDIA IVETHE JAENCORTÉS, SOFÍA RIVERA ARAGÓN, ELGA FILIPA AMORIN DE CASTRO, LEONOR RIVERA RIVERA., Violencia de Pareja en Mujeres: Prevalencia y Factores Asociados. Acta de Investigación Psicológica, 5(3):2224–2239, 2015. DOI: 10.1016/ S2007-4719(16)30012-6. Disponible en: https://www.revista-psicologia.unam. mx/revista_aip/index.php/aip/article/view/82.spa
dc.relation.referencesDORA BLITCHTEIN-WINICKI, ESPERANZA REYES-SOLARI., Factores asociados a violencia física reciente de pareja hacia la mujer en el Perú, 2004-2007. Revista Peruana de Medicina Experimental y Salud Pública, 29(1):35–43, 2012. DOI: 10.1590/S1726-46342012000100006. Disponible en: http://www.scielosp.org/ scielo.php?script=sci_arttext&pid=S1726-46342012000100006&lng=es&nrm= iso&tlng=es.spa
dc.relation.referencesJENEVIEVE MANNELL, HATTIE LOWE, LAURA BROWN, RESHMI MUKERJI, DELAN DEVAKUMAR, LU GRAM, HENRICA A F M JANSEN, NICOLE MINCKAS, DAVID OSRIN, AUDREY PROST, GEORDAN SHANNON, SEEMA VYAS., Risk factors for violence against women in high-prevalence settings: a mixed-methods systematic review and metasynthesis. BMJ Global Health, 7(3) , 2022. DOI: 10.1136/bmjgh-2021-007704. Disponible en: https://gh.bmj.com/lookup/doi/10.1136/bmjgh-2021-007704.spa
dc.relation.referencesProfamilia. Encuesta Nacional de Demografía y Salud Tomo 1. 2015. ISBN 978-958- 5401-09-9. Available at: https://profamilia.org.co/docs/ENDS%20%20TOMO%20I. pdf.spa
dc.relation.referencesProfamilia. Encuesta Nacional de Demografía y Salud Tomo 2. 2015. ISBN 978-958- 5401-09-9. Available at: https://profamilia.org.co/wp-content/uploads/2019/ 05/ENDS-2015-TOMO-II.pdf.spa
dc.relation.referencesDepartamento Administrativo Nacional de Estadística. Censo Nacional de Población y Vivienda - CNPV- 2018. 2018. Available at: https://www.dane. gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/ proyecciones-de-poblacion.spa
dc.relation.referencesInstituto Nacional de Medicina Legal y Ciencias Forenses. Forensis 2022, Datos para la vida. 2023. ISSN 2145-0250.spa
dc.relation.referencesTorres Munguía, Juan Armando. A model-based boosting approach to risk factors for physical intimate partner violence against women and girls in Mexico. Journal of Computational Social Science, 2024. ISSN 2432-2717, 2432-2725. Available at: https://link. springer.com/10.1007/s42001-024-00292-5. DOI: 10.1007/s42001-024-00292-5.spa
dc.relation.referencesConti, Gabriella, Frühwirth-Schnatter, Sylvia, Heckman, James J., and Piatek, Rémi. Bayesian Exploratory Factor Analysis. Journal of Econometrics, 2014, vol. 183, no. 1, pp. 31–57. ISSN 0304-4076. DOI: 10.1016/j.jeconom.2014.06.008.spa
dc.relation.referencesGelman, Andrew. Bayesian data analysis. Boca Raton, Fla: Chapman & Hall/CRC, 2004. 2nd ed. ISBN 978-1-58488-388-3.spa
dc.relation.referencesTravaini, Guido Vittorio, Pacchioni, Federico, Bellumore, Silvia, Bosia, Marta, and De Micco, Francesco. Machine Learning and Criminal Justice: A Systematic Review of Advanced Methodology for Recidivism Risk Prediction. International Journal of Environmental Research and Public Health, vol. 19, no. 17, 2022, pp. 10594. ISSN 1660-4601. DOI: 10.3390/ijerph191710594. Available at: https://www.mdpi.com/1660-4601/19/ 17/10594.spa
dc.relation.referencesColombia. Ley 1257 de 2008. 2008. Available at: https://www.funcionpublica.gov. co/eva/gestornormativo/norma.php?i=34054.spa
dc.relation.referencesColombia. Política Pública Nacional de Equidad de Género para las Mujeres. 2013. Available at: http://www.equidadmujer.gov.co/ejes/Paginas/ politica-publica-de-equidad-de-genero.aspx.spa
dc.relation.referencesColombia. Ley 1719 de 2014. 2014. Available at: https://www.funcionpublica.gov. co/eva/gestornormativo/norma.php?i=57716#:~:text=La%20presente%20ley% 20tiene%20por,asociada%20al%20conflicto%20armado%20interno..spa
dc.relation.referencesColombia. Política Nacional de Equidad de Género (2015-2030). 2015.spa
dc.relation.referencesSilva, Luis, Benavides, Alina, and Vidal, Carmen. ANÁLISIS ESPACIAL DE LA MORTALIDAD EN ÁREAS GEOGRÁFICAS PEQUEÑAS. EL ENFOQUE BAYESIANO. Revista Cubana de Salud Pública, vol. 29, no. 4, 2003. Available at: http://scielo.sld.cu/ pdf/rcsp/v29n4/spu04403.pdf.spa
dc.relation.referencesPinto-Muñoz, Cristian-Camilo, Zuñiga-Samboni, Jhon-Alex, and Ordoñez-Erazo, Hugo- Armando. Machine Learning Applied to Gender Violence: A Systematic Mapping Study. Revista Facultad de Ingeniería, vol. 32, no. 64, 2023, pp. e15944. ISSN 2357-5328, 0121- 1129. DOI: 10.19053/01211129.v32.n64.2023.15944. Available at: https://revistas. uptc.edu.co/index.php/ingenieria/article/view/15944.spa
dc.relation.referencesRoa Avella, Marcela Del Pilar, Sanabria-Moyano, Jesús Eduardo, and Dinas-Hurtado, Katherin. Herramientas de predicción de violencia basada en género y feminicidio mediante la Inteligencia Artificial. Revista Jurídica Mario Alario D´Filippo, vol. 15, no. 30, 2023, pp. 360–390. ISSN 2256-2796, 2145-6054. DOI: 10.32997/2256-2796-vol.15- num.30-2023-4254. Available at: https://revistas.unicartagena.edu.co/index. php/marioalariodfilippo/article/view/4254.spa
dc.relation.referencesEspaña. VIOGEN. 2007. Available at: https://www.interior.gob.es/opencms/es/ servicios-al-ciudadano/violencia-contra-la-mujer/sistema-viogen/.spa
dc.relation.referencesElliott, Paul. Spatial Epidemiology: Methods and Applications. Oxford: Oxford University Press, 2006. Reprint. ISBN 978-0-19-851532-6.spa
dc.relation.referencesFleiss, J.L. Statistical Methods for Rates and Proportions. Second Edition. Wiley, John and Sons, Incorporated, New York, N.Y., 1981. Available at: https://books.google. com.co/books?id=I79_MgAACAAJ.spa
dc.relation.referencesBesag, Julian, York, Jeremy, and Mollie, Annie. Bayesian Image Restoration, with Two Applications in Spatial Statistics. Annals of the Institute of Statistical Mathematics, vol. 43, no. 1, 1991, pp. 1–20. ISSN 0020-3157, 1572-9052. DOI: 10.1007/BF00116466. Available at: http://link.springer.com/10.1007/BF00116466spa
dc.relation.referencesBOX, G., JENKINS, G. Y REINSEL, G., Time series analysis forecasting and control, 4th Ed., Wiley y Sons Inc., 2008.spa
dc.relation.referencesDRITSAKI, C., Forecast of SARIMA models: An application to unemployment rates of Greece., American Journal of Applied Mathematics and Statistics, 4(5), 136-148, 2016.spa
dc.relation.referencesDRITSAKIS, N., Y KLAZOGLOU, P., Forecasting unemployment rates in USA using Box- Jenkins methodology., International Journal of Economics and Financial Issues, 8(1), 9, 2018.spa
dc.relation.referencesGIL, V. D., Pronóstico de la demanda mensual de electricidad con series de tiempo, Revista EIA, 13(26), 111-120, 2016.spa
dc.relation.referencesHANKE, J. Y WICHERN, D., Pronósticos en los Negocios, 3rd edition, Ed. Pearson, 2010.spa
dc.relation.referencesHYNDMAN, R.J., Y ATHANASOPOULOS, G., Forecasting: principles and practice, 9na edición, OTexts: Melbourne, Australia. OTexts.com/fpp3, 2021..spa
dc.relation.referencesROTHMAN, P., Forecasting Asymmetric Unemployment Rates., Review of Economics and Statistics, 80(1), 164–168, 1998.spa
dc.relation.referencesTAYLOR E. Y CONTO, R., Comportamiento de la UVR en el largo plazo, Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, 24(1), 21-34, 2023.spa
dc.relation.referencesSHINY , Shiny for R Gallery.Available at: https://shiny.posit.co/r/gallery/ 2016spa
dc.relation.referencesCASELLA, G., & BERGER, R. L.], Statistical Inference. Duxbury Press.2002spa
dc.relation.referencesFREEDMAN, D. A. Statistical Models: Theory and Practice. Cambridge University Press. 2009spa
dc.relation.referencesBERNARDO, J.M. AND SMITH, A.F.M., Bayesian Theory,Wiley Series in Probability and Statistics, Wiley, 2009.spa
dc.relation.referencesGELMAN, A. AND HILL, J., Bayesian Data Analysis, CRC Press, 3rd edition, Boca Raton, FL, 2014.spa
dc.relation.referencesVANPAEMEL, W., Prior sensitivity in theory testing: An apologia for the Bayes factor, Journal of Mathematical Psychology, vol. 54, N.6, pp. 491-498, 2010.spa
dc.relation.referencesKASS, R.E. AND RAFTERY, A.E., Bayes Factors, Journal of the American Statistical Association, vol. 90, N.430, pp. 773-795, 1995.spa
dc.relation.referencesHALPERN, D. (2016). Halpern Critical Thinking Assessment: Test Label HCTA, Versión 51. Mödling, Austria: Schuhfried GmbH.spa
dc.relation.referencesKLINE, R. B. (2023). Principles and practice of structural equation modeling. Guilford publicationsspa
dc.relation.referencesRAYKOV, T., & AMP; MARCOULIDES, G. A. (2012). A first course in structural equation modeling. routledgespa
dc.relation.referencesLILIANA BLANCO-CASTAÑEDA AND VISWANATHAN ARUNACHALAM., Applied Stochastic Modeling. Springer Nature, 2023.spa
dc.relation.referencesELIAS PARDO CAMPO., Estadística Descriptiva Multivariada. Universidad Nacional de Colombia, 2023.spa
dc.relation.referencesLING WANG, XI-YUAN XIAO, AND JIAN-YAO MENG., Prediction of Air Pollution Based on FCM-HMM Multi-model. University of Science and Technology Beijing, 2016.spa
dc.relation.referencesJASPER KIRKBY., Cloudy climate change: How clouds affect Earth’s temperature [Vídeo]. 2015. Recuperado de: https://ed.ted.com/lessons/ cloudy-climate-change-how-clouds-affect-earth-s-temperature-jasper-kirkby/ digdeeper.spa
dc.relation.referencesJ. F. CORTÉS AND S. GRANDAS MEDINA., Distrito anunció medidas para hacer más efectivas las restricciones de agua. 2024. Recuperado de: https://bogota.gov.co/mi-ciudad/habitat/ nuevas-medidas-por-racionamiento-de-agua-en-bogota-multas-y-sanciones.spa
dc.relation.referencesW. I. GALLO APONTE AND A. SANABRIA RODELO., Evaluación de Impacto Ambiental y ganadería extensiva en Colombia. En Lecturas sobre Derecho de Tierras. Tomo III, 375– 406. Universidad Externado de Colombia, 2019.spa
dc.relation.referencesJ. P. HUGHES, P. GUTTORP, AND S. P. CHARLES., A non-homogeneous hidden Markov model for precipitation occurrence. University of Washington, Seattle, USA and Commonwealth Scientific and Industrial Research Organisation, Wembley, Australia, 1998.spa
dc.relation.referencesDepartamento Administrativo Nacional de Estadística, Producto Interno Bruto (PIB) nacional trimestral, 2023, https://www.dane. gov.co/index.php/estadisticas-por-tema/cuentas-nacionales/ cuentas-nacionales-trimestrales/pib-informacion-tecnicaspa
dc.relation.referencesRaquel Prado, Marco Ferreira, Mike West, Time Series, Modeling, Computation and Inference, 2021.spa
dc.relation.referencesNelfi Gonzáles, Notas de Clase Estadística III, 2013.spa
dc.relation.referencesMike West, Jeff Harrison, Bayesian Forecasting and Dynamic Models, 1997.spa
dc.relation.referencesBlanco-Castañeda, L., & Arunachalam, V. (2023). Applied Stochastic Modeling. Springer.spa
dc.relation.referencesRed de Monitoreo de Calidad del Aire de Bogotá. Reporte de estaciones.spa
dc.relation.referencesMURRAY, J. D., Mathematical Biology, Vol. 1 y 2, 2nd ed., Springer, 2002.spa
dc.relation.referencesOKUBO, A. Y LEVIN, S. A., Diffusion and Ecological Problems, Modern Perspectives. Interdisciplinary and Applied Mathematics, Springer, 2001spa
dc.relation.referencesHYNDMAN, R. J. Y ATHANASOPOULOS, G., Forecasting: Principles and Practice (3rd ed), Monash University, Australia.spa
dc.relation.referencesZANETTA, F. Y ALLEN, S., Scoringrules: a python library for probabilistic forecast evaluation, 2024, https://github.com/frazane/scoringrulesspa
dc.relation.referencesAMAT RODRIGO, J., Y ESCOBAR ORTIZ, J., skforecast (Version 0.12.1) [Computer software], 2024, https://doi.org/10.5281/zenodo.8382788, https://github. com/JoaquinAmatRodrigo/skforecastspa
dc.relation.referencesGNEITING, T., BALABDAOUI, F. Y RAFTERY, A. E., Probabilistic forecasts, calibration and sharpness, J. R. Statist. Soc. B, 2007spa
dc.relation.referencesTHORARINSDOTTIR, T. L. Y SCHUHEN, N., Verification: assessment of calibration and accuracy, Norwegian Computing Center, 2017.spa
dc.relation.referencesGNEITING, T. Y RAFTERY, A. E., Strictly Proper Scoring Rules, Prediction, and Estimation, American Statistical Association, 2007spa
dc.relation.referencesCASAS-CORDERO VALENCIA, C., ENCINA, J. AND LAHIRI, P., Poverty Mapping for the Chilean Comunas, In M. Pratesi (Ed.), Analysis of Poverty Data by Small Area Estimation, New York: Wiley, 2016.spa
dc.relation.referencesISABEL MOLINA, Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas. Series Estudios Estadísticos, No 97, (LC/TS.2018/82/Rev.1), Santiago, Comisión Económica para América Latina y el Caribe, (CEPAL), 2019spa
dc.relation.referencesFAY, R.E. Y HERRIOT, R.A., Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas. Estimation of Income for Small Places: An Application of James-Stein Procedures to Census Data, Journal of the American Statistical Association, 74, 269–277., 1979.spa
dc.relation.referencesINSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN - ICFES, Informe Nacional de los Resultados de las Pruebas Saber 3°, 5°, 7° y 9° - 2022. https://www.icfes.gov.co/web/guest/informe-nacional-2022, 2022spa
dc.relation.referencesM. SUTTON, A., W. ALMQUIST, Z, Small Area Estimation for Demographic Analysis. IntechOpen. doi: 10.5772/intechopen.1001842, 2023spa
dc.relation.referencesDEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA - DANE, Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas. Boletín técnico - Inseguridad alimentaria a partir de la escala FIES - 2023. https://www.dane.gov.co/files/operaciones/FIES/bol-FIES-2023.pdf, 2024spa
dc.relation.referencesBUITRAGO-REYES, L. A., GAMBOA, O., HERNÁNDEZ, J., Age, period and cohort effects on mortality from cervical cancer in Colombia between 1985 and 2014, Colombia Médica, Vol. 53, N°1, e2074873–e2074873, 2022.spa
dc.relation.referencesINTERNATIONAL AGENCY FOR RESEACH ON CANCER, New Global Cancer Data: Globocan, IARC; 2020. Cited 2022.Available from: https://gco.iarc.fr/todayspa
dc.relation.referencesAHMEDIN, J., BRAY, F., CENTER, M., FERLAY, J., WARD, E., Global cancer statistics., Cancer J Clinicians, Vol. 61, N°1, 69-90, 2011.spa
dc.relation.referencesHOLFORD, T., Understanding the effects of age, period, and cohort on incidence and mortality rates, Ann Rev Publ Health, Vol. 12, N°1, 425-457, 1991spa
dc.relation.referencesCARSTENSEN, B., Age-period-cohort models for the Lexis diagram., Statistics Med., Vol. 26, N°15, 3018-3045, 2007.spa
dc.relation.referencesRodríguez-Yzquierdo, G. A., Basso-de-Figuera, C. A., Díaz-Reyes, G., & León-Pacheco, R. I. (2020). Riego deficitario controlado su efecto sobre la nutrición, productividad y calidad de fruta en maracuyá. Agronomía Mesoamericana, 31(2), 405–418.spa
dc.relation.referencesGarcía, Y., Rivero, J., & Brito, J. (2012). Evaluación del efecto de dos sistemas de riego sobre el desarrollo vegetativo del cultivo de la parchita maracuyá (Passiflora edulis var. flavicarpa Deneger) en el Valle de Quibor, Venezuela. Irriga, 17, 264–273. https:// doi.org/10.15809/irriga.2012v17n2p264spa
dc.relation.referencesFranco, C., Mejía, N., Pedersen, S. M., & Gislum, R. (2022). Potential Impact of Learning Management Zones for Site-Specific N Fertilisation: A Case Study for Wheat Crops. Nitrogen, 3(2), 387–403. https://doi.org/10.3390/nitrogen3020025spa
dc.relation.referencesBoydell, B., & McBratney, A. B. (2002). Identifying potential withinfield management zones from cotton-yield estimates. Precision Agriculture, 3(1), 9–23.spa
dc.relation.referencesBezdek, J. C. (1981). Pattern recognition with fuzzy objective function algorithms. Plenum Press.spa
dc.relation.referencesXu, R., & Wunsch, D. C. (2009). Clustering. John Wiley & Sons.spa
dc.relation.referencesCórdoba, M., Paccioretti, P. A., Giannini Kurina, F., Bruno, C. I., & Balzarini, M. G. (2019). Guía para el análisis de datos espaciales en agricultura (Guide for the analysis of spatial data in agriculture). Retrieved June 19, 2024, from https://ri.conicet.gov. ar/handle/11336/128391spa
dc.relation.referencesWarrick, A. W., & Nielsen, D. R. (1980). Spatial variability of physical properties in the field. In D. Hillel (Ed.), Applications of soil physics (pp. 319–344). Academic Press.spa
dc.relation.referencesSanches, G. M., Magalhães, P. S. G., & Franco, H. C. J. (2019). Site-specific assessment of spatial and temporal variability of sugarcane yield related to soil attributes. Geoderma, 334, 90–98.spa
dc.relation.referencesSun, W., Whelan, B. M., Minasny, B., & McBratney, A. B. (2012). Evaluation of a local regression kriging approach for mapping apparent electrical conductivity of soil (ECa) at high resolution. Journal of Plant Nutrition and Soil Science, 175(2), 212–220.spa
dc.relation.referencesYang, W., Li, M., Zheng, L., & Sun, H. (2014). Evaluation Model of Winter Wheat Yield Based on Soil Properties. In International Conference on Computer and Computing Technologies in Agriculture (pp. 638–645). Springer International Publishing.spa
dc.relation.referencesDenora, M., Fiorentini, M., Zenobi, S., Deligios, P. A., Orsini, R., Ledda, L., & Perniola, M. (2022). Validation of rapid and low-cost approach for the delineation of zone management based on machine learning algorithms. Agronomy, 12(1), 183. https: //doi.org/10.3390/agronomy12010183spa
dc.relation.referencesMoral, F. J., Rebollo, F. J., & Serrano, J. M. (2020). Delineating site-specific management zones on pasture soil using a probabilistic and objective model and geostatistical techniques. Precision Agriculture, 21(3), 620–636.spa
dc.relation.referencesPilesjö, P., Thylén, L., & Persson, A. (2005). Topographical data for delineation of agricultural management zones. In Precision Agriculture ‘05 (pp. 819–826).Wageningen Academic. https://doi.org/10.3920/978-90-8686-549-9_100spa
dc.relation.referencesSerrano, J., Shahidian, S., Paixão, L., Marques da Silva, J., & Moral, F. (2022). Management zones in pastures based on soil apparent electrical conductivity and altitude: NDVI, soil and biomass sampling validation. Agronomy, 12(4), 778. https://doi.org/10. 3390/agronomy12040778spa
dc.relation.referencesFaleiro, F.G., Junqueira, N.T.V., de Jesús, O.N., Cenci, S.A., Machado, C.F., Rosa, R.C.C., Costa, A.M., Junqueira, K.P., Junghans, T.G. (2020). Maracuyá: Passiflora edulis Sims. In Rodríguez A., Faleiro FG, Parra M., Costa AM (Eds.), Pasifloras - especies cultivadas en el mundo (pp. 15-29). ProImpress-Brasilia, Brazil and Cepass, Neiva, Colombiaspa
dc.relation.referencesAGRONET (2022). Red de información y comunicación del sector agropecuario de Colombia. Retrieved from https://www.agronet.gov.co/estadistica/Paginas/home. aspx?cod=1spa
dc.relation.referencesMINISTERIO DE AGRICULTURA Y DESARROLLO RURAL, MADR (2021). Cadena de Pasifloras. Indicadores e instrumentos. Retrieved from https://sioc.minagricultura.gov.co/Pasifloras/Documentos/2020-06-30% 20Cifras%20Sectoriales.pdfspa
dc.relation.referencesKravchenko, A.N., Bullock, D.G. (2002). Spatial variability of soybean quality data as a function of field topography: I. Spatial data analysis. Crop Science, 42(3), 804–815. 10.2135/cropsci2002.8040spa
dc.relation.referencesDray, S., Saïd, S., Débias, F. (2008). Spatial ordination of vegetation data using a generalization of Wartenberg’s multivariate spatial correlation. Journal of Vegetation Science, 19(1), 45-56. 10.3170/2007-8-18312spa
dc.relation.referencesMoral, F. J., Rebollo, F. J., Serrano, J. M. (2020). Delineating site-specific management zones on pasture soil using a probabilistic and objective model and geostatistical techniques. Precision Agriculture, 21(3), 620-636spa
dc.relation.referencesCórdoba, M., Balzarini, M., Bruno, C., Costa, J. L. (2012). Identificación de zonas de manejo sitio-específico a partir de la combinación de variables de suelo. Ciencia y Tecnología Agropecuaria, 13(1), 47-54.spa
dc.relation.referencesGili, A., Álvarez, C., Bagnato, R., Noellemeyer, E. (2017). Comparison of three methods for delineating management zones for site-specific crop management. Computers and Electronics in Agriculture, 139, 213-223spa
dc.relation.referencesde Oliveira, J. F., Mayi, S., Marchão, R. L., Corazza, E. J., Hurtado, S. C., Malaquias, J. V., Guimarães, M. D. F. (2019). Spatial variability of the physical quality of soil from management zones. Precision Agriculture, 20, 1251-1273.spa
dc.relation.referencesBehera, S. K., Mathur, R. K., Shukla, A. K., Suresh, K., Prakash, C. (2018). Spatial variability of soil properties and delineation of soil management zones of oil palm plantations grown in a hot and humid tropical region of southern India. Catena, 165, 251-259.spa
dc.relation.referencesVarón-Ramírez, V. M., Camacho-Tamayo, J. H., González-Nivia, J. (2018). Management zones determination based on physical properties of the soil. Ciência e Agrotecnologia, 42(3), 248-260.spa
dc.relation.referencesEsteves, C., Fangueiro, D., Braga, R. P., Martins, M., Botelho, M., Ribeiro, H. (2022). Assessing the Contribution of ECa and NDVI in the Delineation of Management Zones in a Vineyard. Agronomy, 12(6), 1331spa
dc.relation.referencesLiu, H., Whiting, M. L., Ustin, S. L., Zarco-Tejada, P. J., Huffman, T., Zhang, X. (2018). Maximizing the relationship of yield to site-specific management zones with objectoriented segmentation of hyperspectral images. Precision Agriculture, 19, 348-364.spa
dc.relation.referencesScudiero, E., Teatini, P., Manoli, G., Braga, F., Skaggs, T. H., Morari, F. (2018).Workflow to establish time-specific zones in precision agriculture by spatiotemporal integration of plant and soil sensing data. Agronomy, 8(11), 253.spa
dc.relation.referencesVasques, G. D. M., Rodrigues, H. M., de Oliveira, R. P., Hernani, L. C., Tavares, S. D. L. (2022). Management zones from proximal soil sensors capture within-field soil property and terrain variations. Precision Agriculturespa
dc.relation.referencesPinheiro, J., Bates, D., DebRoy, S., Sarkar, D., R. Core Team (2014). nlme: Linear and Nonlinear Mixed Effects Models (R package version 3.1e118). Retrieved from http:// CRAN.R-project.org/package=nlmespa
dc.relation.referencesSong MA, Reisinger SA, Freudenheim JL, Brasky TM, Mathé EA, McElroy JP, Nickerson QA, Weng DY, Wewers MD, Shields PG. Effects of Electronic Cigarette Constituents on the Human Lung: A Pilot Clinical Trial. Cancer Prev Res (Phila). 2020 Feb;13(2):145-152. doi: 10.1158/1940-6207.CAPR-19-0400. Epub 2019 Oct 16. PMID: 31619441; PMCID: PMC7007320.spa
dc.relation.referencesPark HR, O’Sullivan M, Vallarino J, Shumyatcher M, Himes BE, Park JA, Christiani DC, Allen J, Lu Q. Transcriptomic response of primary human airway epithelial cells to flavoring chemicals in electronic cigarettes. Sci Rep. 2019 Feb 1;9(1):1400. doi: 10.1038/s41598-018-37913-9. PMID: 30710127; PMCID: PMC6358614spa
dc.relation.referencesZhang H, Rostamim MR, Leopold PL, Mezey JG, O’Beirne SL, Strulovici-Barel Y, Crystal RG. Reply to Sharma and Zeki: Does Vaping Increase Susceptibility to COVID-19? Am J Respir Crit Care Med. 2020 Oct 1;202(7):1056-1057. doi: 10.1164/rccm.202006-2351LE. PMID: 32749854; PMCID: PMC7528781.spa
dc.relation.referencesRitchie, M.E., Phipson, B., Wu, D., Hu, Y., Law, C.W., Shi, W., and Smyth, G.K. (2015). limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Research 43(7), e47.spa
dc.relation.referencesLove, M.I., Huber, W., Anders, S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2 Genome Biology 15(12):550 (2014)spa
dc.relation.referencesAndersen, A., Reimer, R., Dawes, K., Becker, A., Hutchens, N., Miller, S., . . . Philibert, R. (2022). DNA methylation differentiates smoking from vaping and non-combustible tobacco use. Epigenetics, 17(2), 178–190. https://doi.org/10.1080/15592294.2021.1890875spa
dc.relation.referencesRichmond, R.C., Sillero-Rejon, C., Khouja, J.N. et al. Investigating the DNA methylation profile of e-cigarette use. Clin Epigenet 13, 183 (2021). https://doi.org/10.1186/s13148-021-01174-7spa
dc.relation.referencesWilson, R., Wahl, S., Pfeiffer, L. et al. The dynamics of smoking-related disturbed methylation: a two time-point study of methylation change in smokers, non-smokers and former smokers. BMC Genomics 18, 805 (2017). https://doi.org/10.1186/s12864-017-4198-0spa
dc.relation.referencesMin-Ae Song; Jo L. Freudenheim; Theodore M. Brasky; et al. Biomarkers of Exposure and Effect in the Lungs of Smokers, Nonsmokers, and Electronic Cigarette Users. American Association for Cancer Research. Cancer Epidemiol Biomarkers Prev (2020) 29 (2): 443–451. https://doi.org/10.1158/1055-9965.EPI-19-1245spa
dc.relation.referencesJason K. Freels, William Q. Meeker, and Luis A. Escobar, SMRD: Statistical Methods for Reliability Data, 2020.spa
dc.relation.referencesLuis A. Escobar, Francis G. Pascual,William Q. Meeker, Statistical Methods for Reliability Data, 2021.spa
dc.relation.referencesLuis A. Escobar, Francis G. Pascual,William Q. Meeker, Statistical Methods for Reliability Data, 2021.spa
dc.relation.referencesJason K. Freels, William Q. Meeker, and Luis A. Escobar, SMRD: Statistical Methods for Reliability Data, 2020spa
dc.relation.referencesD’AMATO, G., BAENA-CAGNANI, C., CECCHI, L., ANNESI-MAESANO, I., NUNES, C.,ANSOTEGUI, I., D’AMATO, M., LICCARDI, G., SOFIA, M., CANONICA, W., (2013) Climate change, air pollution and extreme events leading to increasing prevalence of allergic respiratory diseases. 8, 1-9.spa
dc.relation.referencesNATIONAL HEART, LUNG AND BLOOD INSTITUTE, Pneumonia Recovery, 2022. Recuperado de https://www.nhlbi.nih.gov/health/pneumonia/recoverspa
dc.relation.referencesRÍOS-GUTIÉRREZ A, ARUNACHALAM V. , (2023) Modelización, análisis y estimación en un modelo epidemiológico con perturbaciones aleatorias: una aplicación a las infecciones respiratorias agudas en Bogotá. Memorias del 32 Simposio Internacional de Estadística, Ibagué (Tolima), Colombia https://sites.google.com/unal.edu.co/ simposioestadistica/inicio/memoriasspa
dc.relation.referencesRÍOS-GUTIÉRREZ A, TORRES S, ARUNACHALAM V. , (2023) An updated estimation approach for SEIR models with stochastic perturbations: Application to COVID-19 data in Bogotá. PLOS ONE 18(8): e0285624. https://doi.org/10.1371/journal.pone. 0285624spa
dc.relation.referencesBundesliga. (2024). Clasificación Bundesliga 2023-2024. Recuperado de https://www.bundesliga.com/es/bundesliga/clasificacion.spa
dc.relation.referencesJohnson, D. E. (1999). Métodos Multivariados Aplicados al Análisis de Datos. Ediciones Paraninfo. ISBN 9789687529905.spa
dc.relation.referencesSumpter, D. (2016). Soccermatics: Mathematical Adventures in the Beautiful Game. Bloomsbury Publishing.spa
dc.relation.referencesJackson, J. E. (2003). A User’s Guide to Principal Components. Wiley- Interscience. ISBN 978-0471471349spa
dc.relation.referencesBLANCO, Liliana; ARUNACHALAM, Viswanathan; DHARMARAJA, Selvamuthu: Introduction to Probability and Stochastic Processes with Applications. John Wiley & Sons, 2012.spa
dc.relation.referencesDIEKER, Ton: Simulation of Fractional Brownian Motion, Masters Thesis, Department of Mathematical Sciences, University of Twente, 2004.spa
dc.relation.referencesFRIEDRICH, Jan; GALLON, Sebastian; PUMIR, Alain; GRAUER, Rainer: Stochastic Interpolation of Sparsely Sampled Time Series via Multipoint Fractional Brownian Bridges. In: Physical Review Letters 125 (2020), No. 17, p. 170602spa
dc.relation.referencesKRANSTAUBER, Bart; KAYS, Roland; LAPOINT, Scott D.;WIKELSKI, Martin; SAFI, Kamran: A Dynamic Brownian Bridge Movement Model to Estimate Utilization Distributions for Heterogeneous Animal Movement. In: Journal of Animal Ecology 81 (2012), No. 4, p. 738–746.spa
dc.relation.referencesYUAN, Chenggui; MAO, Xuerong: Convergence of the Euler–Maruyama Method for Stochastic Differential Equations with Markovian Switching. In: Mathematics and Computers in Simulation 64 (2004), No. 2, p. 223–235.spa
dc.relation.referencesCHEN, Y.; GEORGIOU, T.: Stochastic Bridges of Linear Systems. In: IEEE Transactions on Automatic Control 61 (2015), No. 2, p. 526–531.spa
dc.relation.referencesWANG, S.; RAMKRISHNA, D.; NARASIMHAN, V.: Exact Sampling of Polymer Conformations Using Brownian Bridges. In: The Journal of Chemical Physics 153 (2020), No. 3, p. 034901.spa
dc.relation.referencesKRANSTAUBER, B.: Modelling Animal Movement as Brownian Bridges with Covariates. In: Movement Ecology 7 (2019), No. 1, p. 1–10.spa
dc.relation.referencesCAPSTICK, S. B., WHITMARSH, L. AND POORTINGA, W., Public engagement with climate change: Comparing different public engagement interventions for their impact on public attitudes and behaviour, Global Environmental Change, vol. 72, p. 102431, 2022. DOI: 10.1016/j.gloenvcha.2022.102431spa
dc.relation.referencesCORPORACIONES AUTÓNOMAS REGIONALES, GUÍA METODOLÓGICA PARA EL CÁLCULO DE LA HUELLA DE CARBONO CORPORATIVA A NIVEL SECTORIAL, 2013, https://www.car.gov.co/uploads/files/5ade1b0319769.pdfspa
dc.relation.referencesGILLINGHAM, K. AND STOCK, J. H. The cost of reducing greenhouse gas emissions, Journal of Economic Perspectives, vol. 32, no. 4, pp. 53-72, 2018.spa
dc.relation.referencesGOIB Govern de les Illes Balears. GUÍA PRÁCTICA PARA EL CÁLCULO DE EMISIONES DE GASES DE EFECTO INVERNADERO (GEI)). CAIB, 2011, https://www.caib. es/sacmicrofront/archivopub.do?ctrl=MCRST234ZI97531&id=97531spa
dc.relation.referencesSCHEAFFER, R. L., MENDENHALL, W. Y OTT, L. Elementos de Muestreo. 3a edición. Grupo Editorial Iberoamericana, 1987.spa
dc.relation.referencesTHOMPSON, S. K. Sampling, John Wiley & Sons, New York, 1992.spa
dc.relation.referencesSANTAMARÍA S, TELENCHANA E, BERNARD B, HIDALGO S, BEATE B, CÓRDOVA M, NARVÁEZ D, Registro de erupciones ocurridas en los Andes del Norte durante el Holoceno: Nuevos resultados obtenidos en la turbera de Potrerillos, Complejo Volcánico Chiles-Cerro Negro, Revista Politécnica, vol. 39, no. 2, pp. 1–9, Jul. 2017. [Online]. Available: http://scielo.senescyt.gob.ec/scielo.php?script= sci_arttext&pid=S1390-01292017000200007spa
dc.relation.referencesINSTITUTO GEOFÍSICO DE LA ESCUELA POLITÉCNICA NACIONAL, OBSERVATORIO VULCANOLÓGICO Y SISMOLÓGICO DE PASTO DEL SERVICIO GEOLÓGICO COLOMBIANO, Informe Especial Complejo Volcánico Chiles-Cerro Negro – 2019 - N° 1 “Actualización del estado de actividad” vol. 1, pp. 1–9, Aug. 2019. [Online]. Available: https://www2.sgc.gov.co/Noticias/boletinesDocumentos/ INFORME%20ESPECIAL%20CHILES-CERRO%20NEGRO%20-%202019%20-%20N1.pdfspa
dc.relation.referencesSPARKS R, ASPINALL W, CROSWELLER H, HINCKS T, Risk and uncertainty assessment of volcanic hazards , Risk and Uncertainty Assessment for Natural Hazards, vol. 9781107006195, Cambridge University Press, 2011, pp. 364–397. doi: 10.1017/CBO9781139047562.012.spa
dc.relation.referencesSHERIDAN M, PATRA A, DALBEY K, HUBBARD B, Probabilistic digital hazard maps for avalanches and massive pyroclastic flows using TITAN2D, Special Paper of the Geological Society of America, vol. 464, no. 14, pp. 1–12, 2010, doi: 10.1130/2010.2464(14).spa
dc.relation.referencesBOX,G.E.P AND WILSON, K.B., On the experimental attainment of optimum conditions, Journal of the Royal Statistical Society 13,1-45, 1951.spa
dc.relation.referencesDE ZAN, A. T., Principios de metodología de superficie de respuesta para modelos logísticos. Universitat Politécnica de Catalunya. Barcelona, 2006.spa
dc.relation.referencesFAMOYE, F. AND SINGH, K. P., Zero-inflated generalized Poisson regression model with an application to domestic violence data, Journal of Data Science, 4 (1), 117-130, 2006.spa
dc.relation.referencesHALL, D. B., AND BERENHAUT, K. S., Score tests for heterogeneity and overdispersion in zero-inflated Poisson and Binomial regression models, Canadian Journal of Statistics, 30(3), 415-430, 2002spa
dc.relation.referencesLI, C. S., (2012). Score tests for semiparametric zero-inflated Poisson models, International Journal of Statistics and Probability, 1 (2), 1-7, 2012.spa
dc.relation.referencesMELO, O. O., LÓPEZ, L. A. AND MELO, S. E., Diseño de experimentos: métodos y aplicaciones. Universidad Nacional de Colombia. Facultad de Ciencias, 2020.spa
dc.relation.referencesRIDOUT,M.,HINDE J. AND DEMETRIO, C., A score test for testing a zero inflated Poisson regression model against zero inflated negative binomial alternatives, Biometrics 57, 219- 223, 2001spa
dc.relation.referencesXIANG, L., LEE, A. H., YAU, K. K. AND MCLACHLAN, G. J., A score test for overdispersion in zero-inflated Poisson mixed regression model, Statistics in Medicine, 26 (7), 1608, 2007.spa
dc.relation.referencesJ. O. RAMSAY, B. W. SILVERMAN, Functional Data Analysis, Springer, 2005, New York, ISBN 978-0-387-40080-8, https://doi.org/10.1007/b98888spa
dc.relation.referencesGHIGLIETTI, ANDREA AND IEVA, FRANCESCA AND PAGANONI, ANNA, Statistical inference for stochastic processes: Two-sample hypothesis tests Journal of Statistical Planning and Inference. 180. 49-68. 10.1016/j.jspi.2016.08.004, 2017.spa
dc.relation.referencesIAN L. DRYDEN, ALEXEY KOLOYDENKO, DIWEI ZHOU, Non-Euclidean statistics for covariance matrices, with applications to diffusion tensor imaging The Annals of Applied Statistics, Ann. Appl. Stat. 3(3), 1102-1123, (September 2009).spa
dc.relation.referencesFEBRERO-BANDE M, OVIEDO DE LA FUENTE M, Statistical Computing in Functional Data Analysis: The R Package fda.usc Journal of Statistical Software, 51(4), 1–28. https://www.jstatsoft.org/v51/i04/, 2012spa
dc.relation.referencesPEDREGOSA, F., VAROQUAUX, GA.EL, GRAMFORT, A., MICHEL, V., THIRION, B., GRISEL, O., . . . OTHERS, Scikit-learn: Machine learning in Python Journal of Machine Learning Research, 12(Oct), 2825–2830, 2011spa
dc.relation.references[Chang et al. (2023)] CHANG, W., CHENG, J., ALLAIRE, J.J., SIEVERT, C., SCHLOERKE, B., XIE, Y., ALLEN, J., MCPHERSON, J., DIPERT, A., BORGES, B. shiny: Web Application Framework for R. R package version 1.7.5. Available online: https://CRAN. R-project.org/package=shiny (accessed 2023).spa
dc.relation.references[Martin et al. (2011)] MARTIN, A.D., QUINN, K.M., PARK, J.H. MCMCpack: Markov Chain Monte Carlo in R. Journal of Statistical Software 2011, 42, 1–22. 10.18637/jss.v042.i09.spa
dc.relation.references[Gelman et al. (2013)] GELMAN, A., CARLIN, J.B., STERN, H.S., DUNSON, D.B., VEHTARI, A., RUBIN, D.B. Bayesian Data Analysis, Third Edition. Chapman & Hall/CRC Texts in Statistical Science. Taylor & Francis: Boca Raton, FL, 2013. ISBN 9781439840955. Available online: https://books.google.com.co/books?id=ZXL6AQAAQBAJ (accessed 2013).spa
dc.relation.referencesSCHLATTMANN, P., Medical applications of finite mixture models, Vol. 1, Springer, 2009.spa
dc.relation.referencesDO, C. B. Y BATZOGLOU, S., What is the expectation maximization algorithm?, Nature biotechnology, 26(8), 897-899., 2008.spa
dc.relation.referencesTRANG, N. V., CHOISY, M., NAKAGOMI, T., CHINH, N. T. M., DOAN, Y. H., YAMASHIRO, T. Y ANH, D. D., Determination of cut-off cycle threshold values in routine RT–PCR assays to assist differential diagnosis of norovirus in children hospitalized for acute gastroenteritis., Epidemiology & Infection, 143(15), 3292-3299., 2015.spa
dc.relation.referencesOAKES, D., Direct calculation of the information matrix via the EM algorithm., R Statist Soc B 61:479–482., 1999spa
dc.relation.referencesRESOLUCIÓN 268 DE 2020 [INSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN]., Por la cual se reglamentan las metodologías para la generación de resultados de los exámenes de Estado y se dictan otras disposiciones., 5 de junio de 2020.spa
dc.relation.referencesKE, G., MENG, Q., FINLEY, T., WANG, T., CHEN, W., MA, W. Y LIU, T.-Y., Lightgbm: A highly efficient gradient boosting decision tree., Advances in Neural Information Processing Systems, 30, 3146–3154, 2017.spa
dc.relation.referencesLI, Z. S., YAO, X., LIU, Z. G. Y ZHANG, J. C., Feature selection algorithm based on LightGBM., Journal of Northeastern University (Natural Science), 42(12), 1688, 2021.spa
dc.relation.referencesSYAFEI, R. M., Y EFRILIANDA, D. A., Machine Learning Model Using Extreme Gradient Boosting (XGBoost) Feature Importance and Light Gradient Boosting Machine (LightGBM) to Improve Accurate Prediction of Bankruptcy., Recursive Journal of Informatics, 1(2), 64-72, 2023.spa
dc.relation.referencesINSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN., ¿Cómo se construye el Índice de Nivel Socioeconómico (INSE) en el contexto de las pruebas Saber?., Saber al Detalle Edición 4, 2019spa
dc.relation.referencesSAURABH, H. AND NOURIVANDI, T. , Time to retire F1-binary score for action unit detection, Vol.182, pag.(111-117), Pattern Recognition Letters, 2024.spa
dc.relation.referencesTAGHREED H. ALMUTAIRI AND SUNDAY O. OLATUNJI, The utilization of AI in healthcare to predict no-shows for dental appointments: A case study conducted in Saudi Arabia., Vol.(46), Pag.101472, Informatics in Medicine Unlocked, 2024.spa
dc.relation.referencesMOHAMMADI, IMAN AND WU, HUANMEI AND TURKCAN, AYTEN AND TOSCOS, TAMMY AND DOEBBELING, BRADLEY N, Data analytics and modeling for appointment no-show in community health centers, Vol.(9), Pag.(2150132718811692), Journal of primary care & community health, 2018.spa
dc.relation.referencesARNOLD, B.C., GÓMEZ, H. AND SALINAS, H. (2009). On multiple contraint skewed model. Scandinavian Journal of Statistics 43(3), 279–293.spa
dc.relation.referencesBIRNBAUM, Z.W. AND SAUNDERS, S.C. (1969). A new family of life distributions Journal of Applied Probability 6(2), 319–327.spa
dc.relation.referencesBOLFARINE, H., MARTÍNEZ-FLÓREZ, G., SALINAS, H. (2018). Bimodal symmetricasymmetric power-normal families. Communications in Statistics - Theory and Methods 47(2), 259–276.spa
dc.relation.referencesELAL-OLIVERO, D. (2010). Alpha-skew-normal distribution. Proyecciones Journal of Mathematics 29(3), 224–240.spa
dc.relation.referencesELAL-OLIVERO, D., GÓMEZ, H.W., AND QUINTANA, F.A. (2009). Bayesian modeling using a class of bimodal skew-elliptical distributions. Journal of Statistical Planning and Inference 139(4), 1484–1492spa
dc.relation.referencesELAL-OLIVERO, D., OLIVARES-PACHECO, J., GÓMEZ, H., BOLFARINE, H. (2009). A new class of non negative distributions generated by symmetric distributions. Communications in Statistics - Theory and Methods 38(7), 993–1008.spa
dc.relation.referencesGÓMEZ, H.W., ELAL-OLIVERO, D., SALINAS, H.S., AND BOLFARINE, H. (2011). Bimodal extension based on the skew-normal distribution with application to pollen data. Environmetrics 22(1), 50-62.spa
dc.relation.referencesKIM, H.J. (2005). On a class of two-piece skew-normal distributions. Statistics 39(6), 537– 553.spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G.; MARTÍNEZ, E.; TOVAR-FALÓN, R.; GÓMEZ, H.W. (2022) A family of bimodal distributions generated by distributions with positive support. Journal of Applied Statistics 14, 3614-3637.spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G., TOVAR-FALÓN, R., GÓMEZ. H.W. (2020). Bivariate powerskew- elliptical distribution. Symmetry 12(8), 1327–1347.spa
dc.relation.referencesDOORNIK, J.A.; HANSEN, H. An Omnibus Test for Univariate and Multivariate Normality. Oxford Bulletin of Economics and Statistics 2008, 70, 927-939.spa
dc.relation.referencesDURRANS, S.R. Distributions of fractional order statistics in hydrology. Water Resour. Res. 1992, 28, 1649–1655spa
dc.relation.referencesGUPTA, R.C.; GUPTA, R.D. Generalized skew normal model. Test. 2004, 13, 501–524.spa
dc.relation.referencesHENZE, N.; ZIRKLER, B. A Class of Invariant Consistent Tests for Multivariate Normality. Communications in Statistics - Theory and Methods 1990, 19, 3595–3617spa
dc.relation.referencesLEHMANN, E.L. The power of rank Tests. Ann. Math. Statist. 1953, 24, 23–243.spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G., BOLFARINE, H. AND GÓMEZ, H. W. Skew-normal Alpha-Power Model. Statistics. 2014, 48, 1414-1428spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G.; ARNOLD, B.C.; BOLFARINE,H.; GÓMEZ, H.W. The multivariate alphapower model. Journal of Statistical Planning and Inference 2013, 143, 1244–1255spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G.; TOVAR-FALÓN, R.; GÓMEZ, H.W. Bivariate Power-Skew-Elliptical Distribution. Symmetry 2020, 12, 1327.spa
dc.relation.referencesPEWSEY, A.; GÓMEZ, H.W.; BOLFARINE, H. Likelihood-based inference for power distributions. Test 2012, 21, [Royston (1983)] ROYSTON, J.P. Some Techniques for Assessing Multivarate Normality Based on the Shapiro- Wilk W. Journal of the Royal Statistical Society, Series C 1983, 32, 121–133.spa
dc.relation.referencesCragg, J. Some statistical models for limited dependent variables with application to the demand for durable goods. Econometrica 1971, 39, 829–844.spa
dc.relation.referencesDíaz-García, J.A.; Leiva-Sánchez, V. A new family of life distributions based on the elliptically contoured distributions. Journal of Statistical Planning and Inference 2005, 128, 445–457.spa
dc.relation.referencesKumaraswamy, P. A generalized probability density function for double-bounded random processes. Journal of Hydrology 1980, 46, 79–88.spa
dc.relation.referencesLemonte, A.J. Multivariate Birnbaum-Saunders regression model. Journal of Statistical Computation and Simulation 2013, 46, 2244–2257.spa
dc.relation.referencesMartínez-Flórez, G.; Bolfarine, H.; Gómez, H.W. An alpha-power extension for the Birnbaum-Saunders distribution. Statistics 2014, 48, 896–912.spa
dc.relation.referencesMartínez-Flórez, G.; Tovar-Falón, R.; Barrera-Causil, C. Inflated Unit-Birnbaum-Saunders Distribution. Mathematics 2022, 10, 667.spa
dc.relation.referencesMazucheli, J.; Menezes, A. F. B.; Dey, S. The unit-Birnbaum-Saunders distribution with applications. Chilean Journal of Statistics 2018, 9, 47–57.spa
dc.relation.referencesOspina, R.; Ferrari, S.L.P. Inflated beta distribution. Statistical Papers 2010, 51, 111–126.spa
dc.relation.referencesVilca-Labra, F.; Leiva-Sánchez, V. A new fatigue life model based on the family of skewelliptical distributions. Communications in Statistics - Theory and Methods 2006, 35, 229– 244.spa
dc.relation.referencesARELLANO-VALLE, R.B.; AZZALINI, A. The centred parametrization for the multivariate skew-normal distribution. Journal of Multivariate Analysis 2008, 99, 1362–1382.spa
dc.relation.referencesARELLANO-VALLE, R.B.; CASTRO, L.M.; GONZÁLEZ-FARIAS, G.; MUÑÓZGAJARDO K.A. Student-t censored regression model: properties and inference. Statistical Methods and Applications 2012, 21, 453–473.spa
dc.relation.referencesAZZALINI, A.; CAPPELLO, D.; KOTZ, S. Log-skew-normal and log-skew-t distributions as models for family income data. Journal of Incone Distribution 2002, 11, 12–20.spa
dc.relation.referencesCHAI, H.; BAILEY, K. Use of log-normal distribution in analysis of continuous data with a discrete component at zero. Statistics in Medicine 2008, 27, 3643–3655.spa
dc.relation.referencesCRAGG, J. Some statistical models for limited dependent variables with application to the demand for durable goods. Econometrica 1971, 39, 829–844.spa
dc.relation.referencesJOB, J.; HALSEY, N.; BOULOS, R. ; HOLT, E.; FARREL, D.; ALBRECHT, P.; BRUTUS, J.; ADRIEN, M.; ANDRE, J.; CHAN, E.; KISSINGER, P.; BOULOS, C. The cite soleil/JHU project team. Successful immunization of infants at 6 months of age with high dose Edmonston-Zagreb measles vaccine. Pediatric Infectious Disease Journal 1991, 30, 303–311.spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G.; VERGARA-CARDOZO, S.; TOVAR-FALÓN, R. A Class of Exponentiated Regression Model for Non Negative Censored Data with an Application to Antibody Response to Vaccine. Symmetry 2021, 13, 1419.spa
dc.relation.referencesMOULTON, L.; HALSEY, N. A mixture model with detection limits for regression analyses of antibody response to vaccine. Biometrics 1995, 51, 1550–1578.spa
dc.relation.referencesMOULTON, L.; HALSEY, N. A mixed gamma model for regression analyses of quantitative assay data. Vaccine 1996, 14, 1154–1158.spa
dc.relation.referencesOWEN, D.B. Tables for computing bi-variate normal probabilities. Annals Mathematical Statistics 1956, 27,1075–1090.spa
dc.relation.referencesTOBIN, J. Estimation of relationships for limited dependent variables. Econometrica 1958, 26, 24–36.spa
dc.relation.referencesPlain English AI. GoogLeNet (InceptionV1) with TensorFlow. Recovered from https://ai.plainenglish.io/googlenet-inceptionv1-with-tensorflow-9e7f3a161e87. Online. 2021.spa
dc.relation.referencesArrieta, M.E. Material de clase Análisis de regresión. Semana 17. Online. 2023.spa
dc.relation.referencesGéron, A. “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow”. O’REILLY 2 (2019).spa
dc.relation.referencesHaolun S., Yuping Y., Liangliang W., Da M., Mirza F. B., Jian P. y Jiguo C. Two- Dimensional Functional Principal Component Analysis for Image Feature Extraction. Recovered from https://doi.org/10.1080/10618600.2022.2035738. Online. 2022.spa
dc.relation.referencesNavoneel Chakrabarty. Brain MRI Images for Brain Tumor Detection. Recovered from https://www.kaggle.com/datasets/navoneel/brain-mri-images-for-brain-tumor-detection. Online. 2019.spa
dc.relation.referencesZelada, C. Evaluación de modelos de clasificación. Recuperado de https://rpubs.com/chzelada/275494. Online. 2017.spa
dc.relation.referencesJospin, L. V., Laga, H., Boussaid, F., Buntine, W., & Bennamoun, M. (2022). Hands-on Bayesian neural networks—A tutorial for deep learning users. IEEE Computational Intelligence Magazine, 17(2), 29-48.spa
dc.relation.referencesKingma, D. P., Salimans, T., & Welling, M. (2015). Variational dropout and the local reparameterization trick. Advances in neural information processing systems, 28.spa
dc.relation.referencesManuel Febrero-Bande & Wenceslao González-Manteiga, 2013. "Generalized additive models for functional data,"TEST: An Official Journal f the Spanish Society of Statistics and Operations Research, Springer;Sociedad de Estadística e Investigación Operativa, vol. 22(2), pages 278-292, June.spa
dc.relation.referencesBreast Ultrasound Images Dataset. Recovered from https://www.kaggle.com/datasets/aryashah2k/breast-ultrasound-images-datasetspa
dc.relation.referencesA. Fernández, Regresión logística en R,.Ander Fernández. [En línea]. Disponible: https://anderfernandez.com/blog/regresion-logistica-r/. [Accedido: 14-jun-2024].spa
dc.relation.referencesCapítulo 4: Análisis Discriminante, Çlassification: Chapter 4,ÇDR, 2021. [En línea]. Disponible: https://cdr-book.github.io/cap-discriminante.html. [Accedido: 14-jun-2024].spa
dc.relation.referencesMINISTERIO DE SALUD Y PROTECCIÓN SOCIAL, Mortalidad en Colombia, período 2020- 2021: Medición de la Mortalidad por todas las causas y Covid-19. (2022)spa
dc.relation.referencesDÁVILA, D. & PARDO, A., Violencia y accidentes mortales: análisis de la mortalidad por causas externas en Colombia y México, 1998-2015. (2019)spa
dc.relation.referencesMARTÍNEZ, S, Cuatro ensayos sobre la mortalidad por causas externas en Colombia. (2020)spa
dc.relation.referencesBao, Yukun ; Xiong, Tao ; Hu, Zhongyi: Multi-step-ahead time series prediction using multiple-output support vector regression. En: Neurocomputing 129 (2014), p. 482–493spa
dc.relation.referencesCortes, C., Vapnik, V. (1995) Support-vector network.spa
dc.relation.referencesCarmona, E. (2016). Tutorial sobre Máquinas de Vector de Soporte (SVM). Dpto. de Inteligencia ArtifiCial, ETS de Ingeniería Informática, Universidad Nacional de Educación a Distancia (UNED).spa
dc.relation.referencesSmola, Alex J. ; Schölkopf, Bernhard: A tutorial on support vector regression. En: Statistics and computing 14 (2004), p. 199–222spa
dc.relation.referencesSalinas-Rodríguez A., Pérez-Núñez R., & Ávila-Burgos L. (2006). Modelos de regresión para variables expresadas como una proporción continua. Salud pública de México, 48, 395-404. , 48(5), 395-404.spa
dc.relation.referencesKieschnick, R., & McCullough, B. D. (2003). Regression analysis of variates observed on (0, 1): percentages, proportions and fractions. Statistical modelling, 3(3), 193-213.spa
dc.relation.referencesGhiassi, M., Saidane, H., and Zimbra, D. (2005). A dynamic artificial neural network model for forecasting time series events.spa
dc.relation.referencesZhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network modelspa
dc.relation.referencesKhashei, M., and Bijari, M. (2011). A new hybrid methodology for forecasting time series: Application of the combined artificial neural networks and ARIMA models.spa
dc.relation.referencesPai, P. F., and Lin, C. S. (2005). A hybrid ARIMA and support vector machines model in stock price forecasting.spa
dc.relation.referencesGao, S., and Li, S. (2008). Forecasting the US unemployment rate with a new hybrid methodspa
dc.relation.referencesAssaad, M., Bone, R., and Cardot, H. (2008). A hybrid approach for time series forecasting: ARIMA, neural networks and support vector machinesspa
dc.relation.referencesLI, H., AND ZUO, H., AND SU, Y., AND XU, J, AND YIN, Y., Study on segmented distribution for reliability evaluation, Chin J Aeronaut, 2016, 30(1), 310-329spa
dc.relation.referencesMARTÍNEZ-FLÓREZ, G., AND MORENO-ARENAS, G., AND VERGARA-CARDOSO, S., Properties and Inference for Proportional Hazard Models., Colombian Journal of Statistics, 2013, 36, 95-114.spa
dc.relation.referencesMAZUCHELI, J., AND COELHO-BARROS, E.A., AND ACHCAR, J.A., Inferences for the change-point of the exponentiatedWeibull hazard function., REVSTAT, 2012, 10(3), 309- 322.spa
dc.relation.referencesFRIEDMAN, M., Piecewise exponential models for survival data with covariates., Ann Statist, 1982, 10, 101-113.spa
dc.relation.referencesGÓMEZ, Y. M., AND GALLARDO, D. I., AND ARNOLD, B. C., The power piecewise exponential model., Journal of Statistical Computation and Simulation, 2018, 88(5), 825- 840.spa
dc.relation.referencesS. M. R. Hasan and A. Dhakal, .Obfuscated Malware Detection: Investigating Real-world Scenarios through Memory Analysis," Proc. 2023 5th International Conference on Telecommunication and Photonics (ICTP), vol. 1, pp. 1–9, 2023. doi: 10.1109/ICTP60248.2023.10490701.7.spa
dc.relation.referencesCanadian Institute for Cybersecurity, ÇIC-MalMem-2022,"2022. [Online]. Disponible: https://www.unb.ca/cic/datasets/malmem-2022.htmlspa
dc.relation.referencesH. El Merabet and A. Hajraoui, .A survey of malware detection techniques based on machine learning,"International Journal of Advanced Computer Science and Applications (IJACSA), vol. 10, no. 1, pp. 31-40, 2019. doi: 10.14569/IJACSA.2019.0100148.spa
dc.relation.referencesJ. Friedman, T. Hastie, and R. Tibshirani, Regularization Paths for Generalized Linear Models via Coordinate Descent,"Journal of Statistical Software, vol. 33, no. 1, pp. 1-22, 2010. doi: 10.18637/jss.v033.i01.spa
dc.relation.referencesFERRATY, F. Y VIEU, P., Nonparametric functional data analysis: theory and practice., Springer Science & Business Media, 2006spa
dc.relation.referencesGIRALDO, R., Modelos de Regresión en Aprendizaje Estadístico., Universidad Nacional de Colombia, 2018.spa
dc.relation.referencesHOFF, P. D., A first course in Bayesian statistical methods., Springer, 2009.spa
dc.relation.referencesRAMSAY, J. Y SILVERMAN, B. W., Functional Data Analysis, Springer-Verlag, 2005.spa
dc.relation.referencesDEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA, Fuente: Departamento Administrativo Nacional de Estadística, accessed July 31, 2024. Available at: http://microdatos. dane.gov.co/www.dane.gov.co.spa
dc.relation.referencesDEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA, Proyecciones y retroproyecciones de población departamental para el periodo 2020-2050 con base en el CNPV 2018 por área, sexo y edad, 2020. Available at: https://www.dane.gov.co/index.php/ estadisticas-por-tema/demografia-y-poblacion/proyecciones-de-poblacion.spa
dc.relation.referencesGREENWELL, B. M., MCCARTHY, A. J., BOEHMKE, B. C., AND LIU, D., Residuals and Diagnostics for Binary and Ordinal Regression Models: An Introduction to the SURE Package, The R Journal, Vol. 10, No. 1, 2018. Available at: https://journal.r-project.org/articles/ RJ-2018-004/RJ-2018-004.pdf.spa
dc.relation.referencesMAYO CLINIC, Drug Addiction (Substance Use Disorder) - Symptoms and Causes, October 4, 2022. Accessed July 31, 2024. Available at: https://www.mayoclinic.org/diseases-conditions/ drug-addiction/symptoms-causes/syc-20365112spa
dc.relation.referencesTULU, S. K., AND KESKIS, W., Assessment of Causes, Prevalence and Consequences of Alcohol and Drug Abuse among Mekelle University, CSSL 2nd Year Students, American Journal of Applied Psychology, Vol. 3, No. 3, pp. 47–56, 2015. Available at: https://doi.org/10.12691/ ajap-3-3-1.spa
dc.relation.referencesVANEGAS, LUIS HERNANDO, RONDÓN, LUZ MARINA, AND PAULA, GILBERTO A., glmtoolbox: Set of Tools to Data Analysis using Generalized Linear Models, R package version 0.1.11, 2024. Available at: https://CRAN.R-project.org/package=glmtoolbox.spa
dc.relation.referencesHE, HUA, ZHANG, HUI, YE, PENG, AND TANG, WAN, A test of inflated zeros for Poisson regression models, Statistical Methods in Medical Research, Vol. 28, pp. 1157–1169, 2019.spa
dc.relation.referencesAGRESTI, ALAN, Categorical Data Analysis, 3rd edition, John Wiley & Sons, 2012. Hoboken, NJ.spa
dc.relation.referencesGREENE, WILLIAM H, Econometric Analysis, 5th edition, International edition, Prentice Hall, 2002. New Jersey.spa
dc.relation.referencesSTAUDEMEYER, RALF C. AND ROTHSTEIN MORRIS, ERIC, Understanding LSTM – a tutorial into Long Short-Term Memory Recurrent Neural Networks, arXiv:1909.09586, 2019. https://arxiv.org/abs/1909.09586spa
dc.relation.referencesG, PRITHIVRAJ AND KUMARI, ALKA, Identification and Classification of Exoplanets Using Machine Learning Techniques, arXiv:2305.09596, 2023. https://arxiv.org/ abs/2305.09596spa
dc.relation.referencesFISCHER, DEBRA A. AND VALENTI, JEFF, The Planet-Metallicity Correlation, 622(2), 1102, The Astrophysical Journal, 2005. https://dx.doi.org/10.1086/428383spa
dc.relation.referencesBELHE, MRS. SAYALI, CHORDIYA, DISHA, AND KADU, MS. SWATI, Searching Exoplanets using Artificial Intelligence, International Journal of Technology Engineering Arts Mathematics Science, 2023.spa
dc.relation.referencesZHAO, BENDONG, LU, HUANZHANG, CHEN, SHANGFENG, LIU, JUNLIANG, AND WU, DONGYA, Convolutional neural networks for time series classification, Journal of Systems Engineering and Electronics, 2017.spa
dc.relation.referencesLISSAUER, JACK J., BATALHA, NATALIE M., AND BORUCKI, WILLIAM J., Exoplanet Science From Kepler, arXiv:2311.04981, 2023.spa
dc.relation.referencesWOLSZCZAN, ALEKSANDER AND FRAIL, DAVID A., A planetary system around the millisecond pulsar PSR1257 + 12, 355, 145–147, Nature, 1992. https://doi.org/10.1038/ 355145a0spa
dc.relation.referencesMORGAN, W. W. AND KEENAN, P. C., Spectral Classification, 11, 29–50, Annual Review of Astronomy and Astrophysics, 1973. https://doi.org/10.1146/annurev.aa. 11.090173.000333spa
dc.relation.referencesBRYAN LIM, SERCAN O. ARIK, NICOLAS LOEFF, TOMAS PFISTER, Temporal Fusion Transformers for interpretable multi-horizon time series forecasting, International Journal of Forecasting, Volume 37, Issue 4, 2021, Pages 1748-1764, ISSN 0169-2070, https:// www.sciencedirect.com/science/article/pii/S0169207021000637.spa
dc.relation.referencesPOGGIO, TOMASO, ANDRZEJ BANBURSKI, QIANLI LIAO, Theoretical issues in deep networks, Proceedings of the National Academy of Sciences, Vol. 117, No. 48, 2020, pp. 30039-30045, https://www.pnas.org/doi/abs/10.1073/pnas.1907369117.spa
dc.relation.referencesBERNER, JULIUS, PHILIPP GROHS, GITTA KUTYNIOK, PHILIPP PETERSEN, The Modern Mathematics of Deep Learning, CoRR, Vol. abs/2105.04026, 2021, https://arxiv.org/ abs/2105.04026.spa
dc.relation.referencesSALIMANS, TIM, DIEDERIK P. KINGMA, Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks, CoRR, Vol. abs/1602.07868, 2016, http://arxiv.org/abs/1602.07868spa
dc.relation.referencesYU, JIAHUI, YUANZHONG XU, JING YU KOH, THANG LUONG, GUNJAN BAID, ZIRUI WANG, VIJAY VASUDEVAN, ALEXANDER KU, YINFEI YANG, BURCU KARAGOL AYAN, BEN HUTCHINSON, WEI HAN, ZARANA PAREKH, XIN LI, HAN ZHANG, JASON BALDRIDGE, YONGHUI WU, Scaling Autoregressive Models for Content-Rich Textto- Image Generation, arXiv, 2022, https://arxiv.org/abs/2206.10789.spa
dc.relation.referencesBURKOV, ANDRIY, The Hundred-Page Machine Learning Book, Andriy Burkov, 2019, ISBN 9781999579517, https://books.google.com.co/books?id=0jbxwQEACAAJ.spa
dc.relation.referencesALVAR, J., VÉLEZ, I. D., BERN, C., HERRERO, M., DESJEUX, P., CANO, J., ... TEAM, W. H. O. L. C. , Leishmaniasis worldwide and global estimates of its incidence, PLoS one, 7(5), e35671, 2012spa
dc.relation.referencesBARROSO, La presencia de ADN de Leishmania braziliensis en la mucosa nasal de pacientes con leishmaniasis cutánea y la búsqueda de posibles patrones clínicos e inmunológicos de progresión de la enfermedad: un estudio transversal. Fronteras en microbiología celular y de infecciones, 11, 744163, 2021.spa
dc.relation.referencesCALAO, Y BULA , Prevalencia de leishmaniasis cutánea en el departamento de Córdoba, Colombia 2016– 2020. Trabajo de grado de especialista en Epidemiología, Fundación Universitaria del Área Andina, 2021.spa
dc.relation.referencesDEL ROSAL, T., BAQUERO, F. Y GARCÍA, M., Leishmaniasis cutánea. Revista Pediatría de Atención Primaria. Vol. XII(46), 2010.spa
dc.relation.referencesINSTITUTO NACIONAL DE SALUD (INS)., Boletín Epidemiológico: Leishmaniasis cutánea en Colombia 2018-2022. Obtenido de https://www.ins.gov.co, 2023.spa
dc.relation.referencesORGANIZACIÓN PANAMERICANA DE LA SALUD., Leishmaniasis: informe epidemiológico de las Américas. Núm. 12, diciembre del 2023.spa
dc.relation.referencesSALAZAR MORA, J. D. , Modelo predictivo para la ocurrencia de leishmaniasis cutánea en Colombia, a partir de variables ambientales y socioeconómicas. Doctoral dissertation, Universidad Nacional de Colombia, 2021spa
dc.relation.referencesWORLD HEALTH ORGANIZATION, Leishmaniasis. Obtenido de https://www.who.int/news-room/fact-sheets/detail/leishmaniasis, 2020.spa
dc.relation.referencesGERENCIA DE OPERACIÓN BANCARIA Y APOYO TRANSACCIONAL, Guía Operativa de Gestión Efectivo Banco Agrario de Colombia, 2022.spa
dc.relation.referencesGUTIÉRREZ, H. , Cartas de control Bayesianas para atributos y eltamaño de subgrupo grande en la carta p , Revista Colombiana de Estadística, 2006.spa
dc.relation.referencesOFICINA DE AUDITORÍA INTERNA - BAC, Reporte de monitoreo de gestión del efectivo cupo asignado a cada oficina Banco Agrario de Colombia, 2021.spa
dc.relation.referencesVARGAS, J.A., Control Estadístico de Calidad 2da ed., 2017.spa
dc.relation.referencesDAVIS, C.,Statistical Methods for the Analysis of Repeated Measurements, Springer, 2002spa
dc.relation.referencesDIGGLE, P., HEAGERTY, P., LIANG ,K. AND ZEGER,S.,Analysis of Longitudinal Data,Oxford University Press, 2002.spa
dc.relation.referencesJIMÉNEZ-RODRÍGUEZ, J.,El Efecto Mateo: Un Concepto Psicológico, Papeles del Psicólogo 30(2), 145-154, 2009.spa
dc.relation.referencesMERTON, R.,The Matthew Effect in Science, Science 159, 56-63, 1968.spa
dc.relation.referencesAlcaide, M. (2015). Modelo de regresión binomial negativa. Universidad de Sevilla. Facultad de Matemáticasspa
dc.relation.referencesAnselin, L. (2001). Spatial econometrics. A companion to theoretical econometrics, ed. Baltagi, Oxford: Basil Blackwell; pp. 310-330spa
dc.relation.referencesChasco, C. (2004). Modelos de heterogeneidad espacial. Universidad Autónoma de Madrid.spa
dc.relation.referencesEspin, J., González, M. (2020).Acerca de la covid-19 como un importante problema para la salud pública y la humanidad. En el I Congreso Virtual de Ciencias Básicas Biomédicas de Granmaspa
dc.relation.referencesRuiz, M. (2020). Mapeo de enfermedades con enfoques bayesianos y evaluación del riesgo relativo para la salud pública en Colombia. Universidad Distrital Francisco José de Caldas. Bogotá, Colombiaspa
dc.relation.referencesAKPINAR, M., Y NEJAT, Y, Year ahead demand forecast of city natural gas using seasonal Time Series Methods, Energies, 9(9), 727, 2016.spa
dc.relation.referencesGIL, V. D., Pronóstico de la demanda mensual de electricidad con series de tiempo, Revista EIA, 13(26), 111-120, 2016.spa
dc.relation.referencesHANKE, J. Y WICHERN, D., Pronósticos en los Negocios, 3rd edition, Ed. Pearson, 2010.spa
dc.relation.referencesHYNDMAN, R.J., Y ATHANASOPOULOS, G., Forecasting: principles and practice, 9na edición, OTexts: Melbourne, Australia. OTexts.com/fpp3, 2021..spa
dc.relation.referencesHWANG, S., Time Series Models for Forecasting Construction Costs Using Time Series Indexes., J. Constr. Eng. Manage. 137: 656-662, 2011.spa
dc.relation.referencesTAYLOR E. Y CONTO, R., Comportamiento de la UVR en el largo plazo, Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, 24(1), 21-34, 2023.spa
dc.relation.referencesBREIMAN, L., FRIEDMAN, J. H., OLSHEN, R. A. AND STONE, C. J., Classification and Regression Trees, Chapman and Hall/CRC, 1984.spa
dc.relation.referencesDÍAZ, L. G. Y MORALES, M. A., Análisis Estadístico de Datos Categóricos, Universidad Nacional de Colombia, 2018spa
dc.relation.referencesHASTIE, T., TIBSHIRANI, R. AND FRIEDMAN, J., The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, 2001spa
dc.relation.referencesHOSMER JR., D. W. AND LEMESHOW, S., Applied Logistic Regression, 2nd Edition, John Wiley & Sons, 2000.spa
dc.relation.referencesJAMES, G., WITTEN, D. HASTIE, T. AND TIBSHIRANI, R., An Introduction to Statistical Learning With Applications in R, Springer, 2013spa
dc.relation.referencesRAMSAY, J. O., SILVERMAN, B. W. , Functional Data analysis., Springer, 1997.spa
dc.relation.referencesJAMES O. RAMSAY, GILES HOOKER SPENCER GRAVES, Functional Data Analysis with R and MATLAB (Use R!)., Springer, 2009.spa
dc.relation.referencesWANG, J., CHIOU, J., MÜLLER, H., Functional Data analysis. Annual Review of Statistics and Its Application, 3(1), 257–295. https://doi.org/10.1146/annurev-statistics-041715- 033624, 2016.spa
dc.relation.referencesNU. CEPAL. CELADE., Observatorio Demográfico de América Latina y el Caribe 2022. Tendencias de la población de América Latina y el Caribe: efectos demográficos de la pandemia de COVID-19. https://repositorio.cepal.org/entities/publication/9433bf26-70ac- 46c8-be5d-b7e4dda0b192,(2022, November 17)spa
dc.relation.referencesBandura, A. (1977). Self-efficacy: Toward a unifying theory of behavior change. Psychological Review, 84, 191-215.spa
dc.relation.referencesCocorada, S. (2014). Computer anxiety, computer self-efficacy and demographic variables. eLearning & Software for Education, 2014, 4, 407-414.spa
dc.relation.referencesCohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Erlbaum.spa
dc.relation.referencesDavison, A. C. (1997). Bootstrap Methods and Their Application (Cambridge Series in Statistical and Probabilistic Mathematics) (1st ed.) USA: Cambridge University Press.spa
dc.relation.referencesDahlstrom, E. (2012). ECAR Study of undergraduate students and information technology. EDUCAUSE Center for Applied Research (Research Report), 1-38.spa
dc.relation.referencesDowney, J.P., & Kher, H.V. (2015). A longitudinal examination of the effects of computer self-efficacy growth on performance during technology training. Journal of Information Technology Education: Research, 14, 91-111.spa
dc.relation.referencesDuncan-Howell, J. (2012). Digital mismatch: Expectations and realities of digital competency amongst pre-service education students. Australasian Journal of Educational Technology, 28(5). https://doi.org/10.14742/ajet.819spa
dc.relation.referencesFornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.spa
dc.relation.referencesGana, K., & Broc, G. (2019). Structural equation modeling with lavaan. John Wiley & Sons.spa
dc.relation.referencesGüdel, K., Heitzmann, A., & Müller, A. (2018). Self-efficacy and (vocational) interest in technology and design: an empirical study in seventh and eighth-grade classrooms. International Journal of Technology and Design Education, 29, 1053-1081. https://doi.org/ 10.1007/s10798-018-9475-yspa
dc.relation.referencesGüdel, K., Heitzmann, A., & Mueller, A. (2015). Affinity for technology—A potential instrument to measure PATT (Pupils’ Attitude Towards Technology)? In M. Chatoney (Ed.), Plurality and complementarity of approaches in design and technology education: PATT29 conference proceedings (pp. 180-187). Reston, VA: ITEEA.spa
dc.relation.referencesGranados-López, H., Gallego, F.A., Rojas, S. C., & Sánchez, O. J. (2021). Creencias de autoeficacia y dominio y su influencia en la mediación TIC: Un estudio empírico en aulas de ingeniería. Revista Tesis Psicológica, 16(1), 1-17. https://doi.org/10.37511/tesis. v16n1a8spa
dc.relation.referencesHair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (2nd ed.). United States of America: SAGE Publications, Inc.spa
dc.relation.referencesPintrich, P.R., Smith, D.A., García, T., & Mckeachie, W.J. (1991). A manual for the use of the motivational strategies for learning questionnaire (MSLQ). Ann Arbor, MI: NCRIPTAL, The University of Michigan.spa
dc.relation.referencesPintrich, P.R., Smith, D.A. F., García, T., & Mckeachie, W.J. (1993). Reliability and predictive validity of the motivational strategies for learning questionnaire. Educational and Psychological Measurement, 53, 801-813.spa
dc.relation.referencesRenes, S.L., & Strange, A.T. (2011). Using technology to enhance higher education. Innovative Higher Education, 36, 203-213.spa
dc.relation.referencesSanchez, G. (2013). PLS Path Modeling with R. Retrieved from http://www. gastonsanchez.com/PLS_Path_Modeling_with_R.pdfspa
dc.relation.referencesCARBAJAL-MORÁN, H., Fotocatálisis Solar en la Recuperación de Aguas Grises para la Agricultura: Innovación y Eficiencia por Control de Procesos con PLC S7-1500, Instituto Universitario de Innovación, Ciencia y Tecnología de la Universidad Nacional de Huancavelica, Perú, 2023.spa
dc.relation.referencesCRIBARI-NETO, F. AND VASCONCELLOS, K., Nearly Unbiased Maximun Likelihood Estimation for the Beta Distribution, Journal of Statistical Computation and Simulation, Vol.72 (107-118), 2002.spa
dc.relation.referencesFERRARI, S. AND CRIBARI-NETO, F., Beta Regression for Modelling Rates and Proportions, Journal of Applied Statistics, Vol.31 (799-815), 2004.spa
dc.relation.referencesMYERS, R. AND MONTGOMERY, D., Response Surface Methodology, Process and Product Optimization Using Designed Experiments, John Wiley & Sons, U.S.A., 1995.spa
dc.relation.referencesAlpaydin E. (2004): Introduction to Machine Learning. MIT Press.spa
dc.relation.referencesChen, A., Jesus, R.,and Vilarigues, M. (2023): Identification and Visualization of Pure and Mixed Paint Pigments in Heritage Artwork Using Machine Learning Algorithms. SN COMPUT. SCI. 4, 115. https://doi.org/10.1007/s42979-022-01529-8spa
dc.relation.referencesMcNemar, I. (1947): Note on the Sampling Error of the Difference between Correlated Proportions or Percentages". Psycometrika 12: 153-157.spa
dc.relation.referencesMontgomery D.C. (2020): Design and Analysis of experiments. 10th ED. Wiley. UNALspa
dc.relation.referencesAhouz, F., & Golabpour, A. Predicting the incidence of COVID-19 using data mining. BMC Public Health, 21, 1087, 2021. https://doi.org/10.1186/s12889-021-11058-3spa
dc.relation.referencesArias-Barahona, M.X., & Vanegas-Giraldo, J. J. Comparación de la distribución de probabilidad en pacientes fallecidos por COVID-19 en tres picos de la pandemia en Colombia. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 45(177), 971-979, 2021. https://doi.org/10.18257/raccefyn.1474spa
dc.relation.referencesCerquera Cordoba, A.M., Moreno Salgado, A.K., & Lizarazo Jacome, R.A. Bienestar humano: Trascender el sintoma desde el humanismo y el psicoanalisis. Revista Virtual Universidad Católica Del Norte, (66), 243–264, 2022, https://doi.org/https://doi.org/10.35575/rvucn.n66a10spa
dc.relation.referencesMURRAY, J. D. , Mathematical Biology, Vol. 1 y 2, 2nd ed., Springer, 2002.spa
dc.relation.referencesOKUBO, A., & LEVIN, S. A., Diffusion and Ecological Problems, Modern Perspectives. Interdisciplinary and Applied Mathematics, Springer, 2001.spa
dc.relation.referencesChaves Castro, Álvaro H. Análisis sobre la evolución del COVID-19 en Colombia: ¿se alcanzará el pico de contagio?. Tiempo Y economía, 8(1), 123–160, 2021. https://doi.org/https://doi.org/10.21789/24222704.1672spa
dc.relation.referencesOppenheim, A.V., & Schafer, R.W.Digital Signal Processing (1st Ed.). New Jersey,NY: Prentice Hall, inc. 1975.spa
dc.relation.referencesGao, C. et al. Association of hypertension and antihypertensive treatment with COVID-19 mortality: a retrospective observational study. European heart journal, 41(22), 2058–2066, 2020. https://doi.org/10.1093/eurheartj/ehaa433spa
dc.relation.referencesGuan, W.-J. et al. Comorbidity and its impact on 1590 patients with COVID-19 in China: a nationwide analysis. The European respiratory journal, 55(5), 2000547. 14 May. 2020. https://doi.org/10.1183/13993003.00547-2020spa
dc.relation.referencesHolt, C.C. Forecasting Trends and Seasonal by Exponentially Weighted Averages. International Journal of Forecasting, 20(1), 5-10, 1957. https://doi.org/10.1016/j.ijforecast.2003.09.015spa
dc.relation.referencesJin, W., Dong, S., Yu, C., & Luo, Q. A data-driven hybrid ensemble AI model for COVID-19 infection forecast using multiple neural networks and reinforced learning. Computers in biology and medicine, 146, 105560, 2022. https://doi.org/10.1016/j.compbiomed.2022.105560spa
dc.relation.referencesMalagón-Rojas, J. et al. Analysis of COVID-19 Mortality and Survival in Colombia: A prospective Cohort Study. Infectio, 25(3), 176-181, 2021. https://doi.org/10.22354/in.v25i3.943spa
dc.relation.referencesMalik, J. et al. The Impact of COVID-19 On Comorbidities: A Review Of Recent Updates For Combating It. Saudi Journal of Biological Sciences, 29(5) 3586-3599, 2022. https://doi.org/10.1016/j.sjbs.2022.02.006spa
dc.relation.referencesMarín-Sánchez, A. Características clínicas básicas en los primeros 100 casos fatales de COVID-19 en Colombia. Revista Panamericana de Salud Publica, 44(e87), 2020. https://doi.org/10.26633/RPSP.2020.87spa
dc.relation.referencesMartinez, R., Pons, C., Rodriguez, R., & Vera, P. Quality Study of open government data related to COVID-19 in Latin America. Revista Facultad De Ingeniería Universidad De Antioquia, (108), 18-32. Epub September 19, 2023. https://doi.org/10.17533/udea.redin.20220579spa
dc.relation.referencesMartínez, J.C. Factores asociados a la mortalidad por enfermedades no transmisibles en Colombia, 2008-2012. Biomédica, 36(4), 535-546, 2016.spa
dc.relation.referencesMinisterio de Salud y Protección Social. Colombia confirma primera muerte por coronavirus. 2020. Recuperado el 24 de julio de 2021, de https://www.minsalud.gov.co/Paginas/Colombia-confirmaprimera- muerte-por-coronavirus.aspxspa
dc.relation.referencesMinisterio de Salud y Protección Social. RUAF-NDv2. Recuperado el 14 de agosto de 2024, de https://nd.ruaf.gov.co/spa
dc.relation.referencesOsorio-Sanabria, M., Amaya-Fernández, F., & González-Zabala, M. Políticas, normas y estrategias que fomentan los datos abiertos en Colombia: un análisis de literatura. Revista Virtual Universidad Católica Del Norte, (62), 155-188, 2020. https://doi.org/10.35575/rvucn.n62a7spa
dc.relation.referencesSaavedra Trujillo, C. Consenso colombiano de atención, diagnóstico y manejo de la infección por SARS-COV-2/COVID-19 en establecimientos de atención de la salud. Recomendaciones basadas en consenso de expertos e informadas en la evidencia. Infectio, 24(3), 186-261,2020. https://doi.org/10.22354/in.v24i3.895spa
dc.relation.referencesShah, H. et al. The triumvirate: why hypertension, obesity, and diabetes are risk factors for adverse effects in patients with COVID-19. Acta Diabetologica, 58, 831–843, 2021. https://doi.org/10.1007/s00592-020-01636-zspa
dc.relation.referencesWinters, P.R. Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6(3), 324-342, 1960. https://doi.org/10.1287/mnsc.6.3.324spa
dc.relation.referencesYang, Jing et al. Prevalence of comorbidities and its effects in patients infected with SARS-CoV-2: a systematic review and meta-analysis. International Journal of Infectious Diseases 94, 91-95, 2020. https://doi.org/10.1016/j.ijid.2020.03.017spa
dc.relation.referencesZurique Sánchez, M.S. et al. Prevalencia de hipertensión arterial en Colombia: Revisión sistemática y metaanálisis. Acta Médica Colombiana, 44(4), 2019. https://doi.org/10.36104/amc.2019.1293spa
dc.relation.referencesSheskin, D.J. Handbook of Parametric and Non-parametric Statistical Procedures. Chapman & Hall/CRC, Washington D.C, 2000. Edición 2.spa
dc.relation.referencesKim, S. ppcor: An R Package for a Fast Calculation to Semi-partial Correlation Coefficients. Communications for Statistical Applications and Methods, 22(6), 665-674, 2015. https://doi.org/10.5351/CSAM.2015.22.6.665spa
dc.relation.referencesPeck, E., Vining, G., & Montgomery, D. Introduction to Linear Regression Analysis. Wiley Series in Probability and Statistics, 2012. Capítulo 10.spa
dc.relation.referencesKendall, M.G. A New Measure of Rank Correlation. Biometrika, 30(1-2), 81-93, 1938. https://doi.org/10.1093/biomet/30.1-2.81spa
dc.relation.referencesBrophy, A.L. An Algorithm and Program for Calculation of Kendall’s Rank Correlation Coefficient. Behavior Research Methods, Instruments, & Computers, 18(1), 45-46, 1986.spa
dc.relation.referencesChatterjee, S. A New Coefficient of Correlation. Arxiv- Cornell University, 2020. https://doi.org/10.48550/arXiv.1909.10140spa
dc.relation.referencesChatterjee, S., & Holmes, S. XICOR: Robust and Generalized Correlation Coefficients. CRAN, 2023. https://CRAN.R-project.org/package=XICOR.spa
dc.relation.referencesBlanco Castaneda, L. Probabilidad. Facultad de Ciencias, Universidad Nacional de Colombia, 2004. Edición 1. ISBN 958-701-449-9.spa
dc.relation.referencesAzadkia, M., & Chatterjee, S. A Simple Measure of Conditional Dependence. The Annals of Statistics, 49(6), 3070-3102, 2021. https://doi.org/10.1214/21-AOS2073spa
dc.relation.referencesChatterjee, S. A Survey of Some Recent Developments in Measures of Association. ar- Xiv:2211.04702, 2023.spa
dc.relation.referencesKlein, M. (2000). Two alternatives to the Shewhart X control chart. Journal of Quality technology, 32(4), 427-431.spa
dc.relation.referencesVera do Carmo, C., Lopes, L. F. D., & Souza, A. M. (2004). Comparative study of the performance of the CuSum and EWMA control charts. Computers & Industrial Engineering, 46(4), 707-724spa
dc.relation.referencesFigueiredo, F., & Gomes, M. I. (2013). The skew-normal distribution in SPC. REVSTATStatistical Journal, 11(1), 83-104.spa
dc.relation.referencesAbu-Shawiesh, M. O. A., Golam Kibria, B. M., & George, F. (2014). A robust bivariate control chart alternative to the Hotelling’s T2 control chart. Quality and Reliability Engineering International, 30(1), 25-35.spa
dc.relation.referencesAhmed Abu Shawiesh, M. O., George, F., & Kibria, B. M. (2014). A Comparison of Some Robust Bicariate Control Charts for Individual Observations. Moustafa et al. (2014) hacen un estudio de simulación para comparar el desempeño de varios esquemas, utilizados para monitorear observaciones individualesspa
dc.relation.referencesSaghir, A., Khan, Y. A., & Chakraborti, S. (2016). The phase I dispersion charts for bivariate process monitoring. Quality and Reliability Engineering International, 32(5), 1807-1823.spa
dc.relation.referencesHaddad, F., Alsmadi, M. K., Badawi, U., Farag, T., Alkhasawneh, R., Almarashdeh, I., & Hassan, W. (2019). Bivariate modified hotelling’s T2 charts using bootstrap data. International Journal of Electrical and Computer Engineering, 9(6), 4721spa
dc.relation.referencesSUAREZ, D., MUÑOZ, A., PARRA, M., RODRÍGUEZ, N., PRIETO, E., Y MAESTRE, R., Comportamiento epidemiológico de la hepatitis A en Barranquilla-Colombia, durante los años 2013 a 2017. Revista de Salud Pública, 21(3), 287- 291, 2019. Doi: https://doi.org/10.15446/rsap.V21n3.74932spa
dc.relation.referencesLEAL, P. R., GUIMARÃES, R. J. P. S., Y KAMPEL, M., Sociodemographic and spatiotemporal profiles of hepatitis-A in the state of Pará, Brazil, based on reported notified cases. Geospatial Health, 16(2), 2021. Doi: https://doi.org/10.4081/GH.2021.981spa
dc.relation.referencesR CORE TEAM., R: A Language and Environment for Statistical Computing Geospatial R Foundation for Statistical Computing, Vienna, Austria, 2024 Doi: https://www.R-project.org/spa
dc.relation.referencesABDELSATTAR, M., ZHUANG, Y., CUI, K., BI, Y., ZHANG, N., Predicting the Digestive Tract Development and Growth Performance of Goat Kids Using Sigmoidal Models. Animals, 11(3), 757., 2021. https://doi.org/10.3390/ani11030757.spa
dc.relation.referencesAGUDELO GÓMEZ, DIVIER A, CERÓN MUÑOZ, MARIO F, RESTREPO BETANCUR, LUIS F., Modelación de las funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias, 21(1), 39-58., 2008. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid= S0120-06902008000100005&lng=en&tlng=spa
dc.relation.referencesAYOUB, H. H., MUMTAZ, G. R., SEEDAT, S., MAKHOUL, M., CHEMAITELLY, H., ABU-RADDAD, L. J., Estimates of global SARS-CoV-2 infection exposure, infection morbidity, and infection mortality rates in 2020. Global Epidemiology, 3, 100068., 2021. https://doi.org/10.1016/j.gloepi.2021.100068spa
dc.relation.referencesFAO, UNEP, WHO, AND WOAH, One Health Joint Plan of Action (2022-2026)Working together for the health of humans, animals, plants and the environment. Rome., 2022. https://doi.org/10.4060/cc2289enspa
dc.relation.referencesHE, H., LIN, D., ZHANG, J., WANG, Y., DENG, H. W, Biostatistics, data mining and computational modeling. Application of Clinical Bioinformatics, 23-57., 2016.spa
dc.relation.referencesLONERGAN, S. M., TOPEL, D. G., MARPLE, D. N, The science of animal growth and meat technology (Second edition). Elsevier/Academic Press., 2019.spa
dc.relation.referencesLUVIZUTTO, G. J., SILVA, G. F., ET AL, Use of artificial intelligence as an instrument of evaluation after stroke: A scoping review based on international classification of functioning, disability and health concept: AI applications for stroke evaluation. Topics in Stroke Rehabilitation, 29(5), 331-346., 2022. https://doi.org/10.1080/10749357.2021.1926149spa
dc.relation.referencesMARTÍNEZ OSORIO, P. A., DA CUZ LANDIM, P., FERREIRA BARATA, T, Imaginarios sociales y prácticas embrionarias de diseño en la obra de José Rodrigo de Vivero, en las Sabanas del Sur de Bolívar. HiSTOReLo. Revista de Historia Regional y Local, 11(22), 369-398., 2019. https://doi.org/10.15446/historelo.v11n22.70950spa
dc.relation.referencesORGANIZACIÓN MUNDIAL DE LA SALUD (OMS)., La OMS elaboró el Plan de acción mundial con el apoyo de la Organización para la Alimentación y la Agricultura (FAO) y la Organización Mundial de Sanidad Animal (OIE). 2015. http://www.who.int/antimicrobial-resistance/publications/ global-action-plan/en/spa
dc.relation.referencesORGANIZACIÓN MUNDIAL DE LA SALUD (OMS)., Plan de acción mundial sobre la resistencia a los antimicrobianos. Organización Mundial de la Salud. 2016. https://iris.who.int/handle/10665/255204spa
dc.relation.referencesWINFRIED, W., PONTE, B.,STARK, F. Y NANNO, M., Brechas de género en las cadenas globales de valor de América Latina y el Caribe: nuevos y viejos retos en un escenario de incertidumbre, CEPAL, 2023. https://hdl.handle.net/11362/48789spa
dc.relation.referencesVERTEL, M., Y MÉNDEZ, M., Estudios desagregados por sexo en el mercado laboral. Simposio Internacional de Estadística., Simposio Internacional de Estadistica, 2022.spa
dc.relation.referencesRAMOS, C. I., & BOLIVAR , M. C., Brecha de género en el mercado laboral colombiano en tiempos de la Covid-19., Semestre Económico, 23(55), 285–312, 2020. https://doi. org/10.22395/seec.v23n55a13spa
dc.relation.referencesR CORE TEAM., R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, 2024 Doi: https://www.R-project.org/spa
dc.relation.referencesORGANIZACIÓN DE NACIONES UNIDAS (ONU), Obtenido de La era de la energía limpia debe empezar hoy, coinciden líderes mundiales, 24 de Septiembre de 2021. URL: https: //news.un.org/es/story/2021/09/1497412spa
dc.relation.referencesPAGE, M., MCKENZIE, J., BOSSUYT, P., BOUTRON, I., HOFFMANN, T., MULROW, C., SHAMSEER, L., TETZLAFF, J., AKL, E., BRENNAN, S., CHOU, R., GLANVILLE, J., GRIMSHAW J., HRÓBJARTSSON, A., LALU, M., LI, T., LODER, E., MAYO-WILSON, E., MCDONALD, S., MCGUINNESS, L., STEWARTR, L., THOMAS, J., TRICCO, A., WELCH, V., WHITING, P. Y FERNÁNDEZ, S., Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas , Sociedad Española de Cardiología, 790- 799, 2021.DOI: https://doi.org/10.1016/j.recesp.2021.06.016spa
dc.relation.referencesPROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO (PNUD), Informe Regional de Desarrollo Humano 2021, Atrapados: Alta desigualdad y bajo crecimiento en América Latina y el Caribe Nueva York ,2021.URL: PNUDpresentaInformeRegionaldeDesarrolloHumano2021"Atrapados: altadesigualdadybajocrecimientoenAmÃľricaLatinayelCaribe"| NacionesUnidasenElSalvadorspa
dc.relation.referencesTHE CLUB OF ROME, Obtenido de Limits and Beyond: 50 years on from The Limits to Growth, what did we learn and what’s next?, 2022.URL: https://www.clubofrome.org/ publication/limits-and-beyond/.spa
dc.relation.referencesR CORE TEAM., R: A Language and Environment for Statistical Computing R Foundation for Statistical Computing, Vienna, Austria, 2024 Doi: https://www.R-project.org/spa
dc.relation.referencesBELTRÁN HERNÁNDEZ, A, ROMERO ÁLVAREZ, A, GUEVARA BLANQUICETT, A Y VERTEL MORINSON, M. Análisis sensorial, composicional y fisicoquímico de una comida tradicional costeña (yuca, queso criollo y jugo de naranja): Diseño experimental y componentes principales ponderado. Simposio Internacional de Estadística - Memorias. Barranquilla: Universidad del Norte, 2019. Disponible en: https://repositorio.unisucre.edu.co/handle/001/992spa
dc.relation.referencesGÖKMEN, V. Y SÜGUT, I. A non-contact computer vision-based analysis of color in foods. International Journal of Food Engineering, vol. 3(5): p1-13. 2007.spa
dc.relation.referencesLEÓN, K.; MERY, D.; PEDRESCHI, F. Y LEÓN J. Color measurement in L*a*b* units from RGB digital images. Journal Food Research International, vol. 39: p1084-1091. 2006.spa
dc.relation.referencesLÓPEZ, A. Diseño y Caracterización del Hormigón Autocompactante Coloreado. Tesis doctoral. Universidad Nacional de La Plata. 189 p. 2012spa
dc.relation.referencesMATHIAS-RETTIG, K., & AH-HEN, K. El color en los alimentos: un criterio de calidad medible. Agro Sur, 42(2), 57-66. 2014. https://doi.org/10.4206/agrosur.2014.v42n2-07spa
dc.relation.referencesR CORE TEAM (2024).R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/spa
dc.relation.referencesSAHIN, S. Y SUMNU, S. Advances in deep-fat frying of foods. Ed. CRC Press Taylor & Francis Group. singNew York, USA, p81-113. 2009.spa
dc.relation.referencesVERTEL-MORINSON, M. L., & QUINTANA, F. O. (2022). Modelos matemáticos de diferencia de color CIELAB y el procesamiento digital de imágenes en la industria de alimentos: Yuca (Manihot esculenta Crantz). Journal of Engineering Research, 2(11), 2-7. 2022. https://doi.org/10.22533/at.ed.3172112224062spa
dc.relation.referencesACEVEDO, M., La evaluación en el aula de matemáticas. En Trazas y Miradas. 2003. Recuperado de: http://www.bdigital.unal.edu.co/1559/8/07CAPI06.pdfspa
dc.relation.referencesARTEAGA, P, BATANERO, C., CAÑADAS, G, CONTRERAS, J. Las tablas y gráficos estadísticos como objetos culturales. Números revista didáctica de las matemáticas, 76, 55–67. ISSN: 1887-1984. 2012.spa
dc.relation.referencesBATANERO, C. GODINO, J. Perspectivas de la educación estadística como área de investigación En R. Luengo (Ed.), Líneas de investigación en Didáctica de las Matemáticas (pp. 203-226). Badajoz: Universidad de Extremadura. 2005spa
dc.relation.referencesCOURTOIS, G. V. Situación nutricional en escolares de Santiago el Pinar, Chiapas (México). Tesis de grado de Doctor en Ciencias en Ecología y Desarrollo Sustentable. 2014.spa
dc.relation.referencesDEL PINO, G. ESTRELLA, S., Educación estadística: relaciones con la matemática. Departamento de Estadística, Pontificia Universidad Católica de Chile. 2012spa
dc.relation.referencesDICLENY, C. El Informe Estadístico: Una estrategia de evaluación en Estadística. 2014spa
dc.relation.referencesVERTEL ET AL. Grupo de Investigación Estadística y Modelamiento Matemático aplicado a calidad educativa, universidad de Sucre. 2021spa
dc.relation.referencesCANAZAS, A. P., BLAZ, J. J. R., MARTÍNEZ, P. D. T., & MAMANI, X. J. , Sistema de identificación de emociones a través de reconocimiento facial utilizando inteligencia artificial, Innovación y Software, 3(2), Article 2., 2022. https://doi.org/10.48168/innosoft.s9.a74spa
dc.relation.referencesEKMAN, P., El rostro de las emociones. En: M. A. Flórez Góngora (Ed.). Bogotá: Renovación Urbana, Renovación Humana (pp. 80-100). 2006spa
dc.relation.referencesFERNÁNDEZ-ABASCAL, E. G., GARCÍA RODRÍGUEZ, B., JIMÉNEZ SÁNCHEZ, M. P., MARTÍN DÍAZ, M. D., & DOMÍNGUEZ SÁNCHEZ, F. J. , Psicología de la Emoción. Editorial Universitaria Ramón Areces, 2010spa
dc.relation.referencesLARA-LEVANO, Sistema de reconocimiento de gestos faciales captados a traves de camaras para analizar el nivel de satisfaccion de clientes en restaurantes. Interfases, 12, 61-85. 2019. https://doi.org/10.26439/interfases2019.n012.4638spa
dc.relation.referencesMOYA CAJAS, M. & BONILLA, V., Modelado y simulación del Robot Mitsubishi RV-2JA controlado mediante señales electromiográficas. Electromyographic signals, 2018. https://doi.org/10.29019/enfoqueute.v9n2spa
dc.relation.referencesXIA, X., CHEN, X., WU, G. ET AL., Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle. Nat Metab 2, 946–957, 2020. https://doi.org/10.1038/s42255-020-00270-xspa
dc.relation.referencesFERRATY, F., & VIEU, P., Nonparametric Functional Data Analysis: Theory and Practice, Springer, 2006.spa
dc.relation.referencesHSING, T., & EUBANK, R., Theoretical Foundations of Functional Data Analysis, with an Introduction to Linear Operators,Wiley, 2015. Available at: https://doi.org/10.1002/9781118762547spa
dc.relation.referencesKOKOSZKA, P., & REIMHERR, M., Introduction to Functional Data Analysis, CRC Press, 2017. Available at: https://doi.org/10.1201/9781315117416.spa
dc.relation.referencesRAMSAY, J. O., & SILVERMAN, B. W., Functional Data Analysis, 2nd ed., Springer, 2005. Available at: https://doi.org/10.1007/b98888.spa
dc.relation.referencesARBOLEDA, J. C., Prácticas pedagógicas, motivación y pensamiento crítico.. Revista Boletín Redipe, 12(8), 14–19., 2023. https://doi.org/10.36260/rbr.v12i8.1986spa
dc.relation.referencesCARNEROS, P. (2018)., Aprendizaje significativo: dotando de significado a nuestros progresos.. Psicología y Mente, Universitat de Barcelona., 2018.spa
dc.relation.referencesCASTRO, E. J. A., MEZA, O. B. R., ROSALES, M. Á., Algunas actividades experimentales como estrategias didácticas para la formación de profesores de física. Dialnet., 2019. https://dialnet.unirioja.es/servlet/articulo?codigo=7979555spa
dc.relation.referencesESPINOSA-RÍOS, EA, GONZÁLEZ-LÓPEZ, KD, HERNÁNDEZ-RAMÍREZ, LT, Las prácticas de laboratorio: una estrategia didáctica en la construcción de conocimiento científico escolar.Universidad del Valle, Colombia., 2016. https://www.redalyc.org/journal/ 2654/265447025017/html/spa
dc.relation.referencesIRIARTE PUPO, A. J.., ORTEGA PÉREZ, Y. D., ESTRADA SOTO, L. P., Estrategias didácticas basadas en laboratorios virtuales y presenciales en el aprendizaje de las leyes de Newton. Assensus, 7(12), 94-112., 2022. https://doi.org/10.21897/assensus.2944spa
dc.relation.referencesMORENO, J., Y MARTÍNEZ, N., Enseñanza de las leyes de Newton en grado décimo bajo la Metodología de Aprendizaje Activo. Revista de Educação em Ciências e Matemática v.13 (26). P.82-101., 2017spa
dc.relation.referencesPATIÑO GARCÍA, S. J.., GARZÓN, J., Impacto de un Recurso Educativo Digital en el Aprendizaje de las Leyes de Newton. 2023. https://doi.org/10.15332/24224529.8650spa
dc.relation.referencesGarcía-González, J. J., Sandoval-Romero, M. (2018).Esperanza de vida y calidad de vida relacionada con la salud en México. Instituto Nacional de Salud Pública, Cuernavacaspa
dc.relation.referencesGispert, R., Ruíz-Ramos, M., Barés, M. A., Viciana, F., Clot-Razquin, G. (2007). Diferencias en la esperanza de vida libre de discapacidad por sexo y comunidades autónomas en España.Revista Española de Salud Públicaspa
dc.relation.referencesMafla Uzuay, N. E., Córdova Luna, B. F. (2022).Esperanza de vida libre de discapacidad y esperanza de vida en estado de buena salud percibida en Ecuador 2018. Trabajo de titulación, Universidad Central del Ecuador, Quitospa
dc.relation.referencesRana, P., Muhammad, K. Mobeen, U. R., & Mandouh, A. S. A. (2024). Asymmetric liquidity risk and currency returns before and during COVID-19 pandemic. International Review of Financial Analysis, 91, 102919. https://doi.org/10.1016/j.irfa.2023.102919spa
dc.relation.referencesSequeda, P. R. (2014). Finanzas Corporativas y Valoración de Empresas. Ediciones de la U.spa
dc.relation.referencesBolzico, J., & Prats, J. O. (2022). Bank credit moratorium programs in times of COVID-19 in Latin America and the Caribbean. Inter-American Development Bank. http://dx.doi.org/10.18235/0004192spa
dc.relation.referencesMcCann, F., McGeever, N., & Yao, F. (2023). SME viability in the COVID-19 recovery. Small Business Economics, 61(3), 1053-1074. https://doi.org/10.1007/s11187-022-00723- 5spa
dc.relation.referencesLi, K. (2024). Liquidity ratios and corporate failures. Accounting and Finance, 64(1), 1111- 1134. https://doi.org/10.1111/acfi.13174spa
dc.relation.referencesAnaya, H. O. (2018). Análisis Financiero Aplicado Bajo NIIF. 16th ed. Universidad Externado de Colombia.spa
dc.relation.referencesPetriashvili, A. (2017). Cash Flow Ratios’ and Liquidity Ratios’ Analysis of Selected Listed Companies in Sri Lanka. In Springer Proceedings in Business and Economics (Vol. 18, pp. 205-2016). Springer. https://doi.org/10.1007/978-3-319-68762-9_22spa
dc.relation.referencesGao, C. et al. (2023). An overview of clustering methods with guidelines for application in mental health research. Psychiatry Research, 321, 1-28. https://doi.org/10.1016/j.psychres.2023.11526spa
dc.relation.referencesBOLZICO, J. & PRATS, J. O., Bank credit moratorium programs in times of COVID-19 in Latin America and the Caribbean. Inter-American Development Bank, 2022. Disponible en: http://dx.doi.org/10.18235/0004192.spa
dc.relation.referencesEWANCHUK, L. & FREI, C., Recent Regulation in Credit Risk Management: A Statistical Framework. Risks, 7(2), 40, 2019. Disponible en: https://doi.org/10.3390/ risks7020040.spa
dc.relation.referencesHEALD, D. & HODGES, R., The accounting, budgeting and fiscal impact of COVID- 19 on the United Kingdom. Journal of Public Budgeting, Accounting & Financial Management, 32(5), 785–795, 2020. Disponible en: https://doi.org/10.1108/ JPBAFM-07-2020-0121.spa
dc.relation.referencesHOURCADEA, J. C., DASGUPTA, D. & GHERSI, F., Accelerating the speed and scale of climate finance in the post-pandemic context. Climate Policy, 21(10), 1383-1397, 2021. Disponible en: https://doi.org/10.1080/14693062.2021.1977599.spa
dc.relation.referencesCOWLING, M., LIU, W. & CALABRESE, R., Has previous loan rejection scarred firms from applying for loans during COVID-19? Small Business Economics, 59(4), 1327-1350, 2022. Disponible en: https://doi.org/10.1007/s11187-021-00586-2.spa
dc.relation.referencesBASEL COMMITTEE ON BANKING SUPERVISION, Guidance on accounting for expected credit losses. Bank for International Settlements, 2015. Disponible en: www.bis.org.spa
dc.relation.referencesBRITO, R. P. & JÚDICE, P., Efficient credit portfolios under IFRS 9. International Transactions in Operational Research, 30, 2453-2484, 2023. Disponible en: https://doi.org/ 10.1111/itor.13137.spa
dc.relation.referencesSALAZAR, Y., MELELLO, P. & ZORIO, A. G., IFRS 9, banking risk and COVID-19: Evidence from Europe. Finance Research Letters, 50, 104130, 2023. Disponible en: https: //doi.org/10.1016/j.frl.2023.104130.spa
dc.relation.referencesBRADBURY, M. & HOWIESO, B., Editorial: Evidence on APRA Proposals and Impact of COVID-19 on Expected Credit Loss Accounting. Australian Accounting Review, 30(94), 157-158, 2020. Disponible en: https://doi.org/10.1111/auar.12323.spa
dc.relation.referencesGORDY, M. B., A Comparative Anatomy of Credit Risk Models. Journal of Banking & Finance, 24(1-2), 119-149, 2000. Disponible en: https://doi.org/10.1016/ S0378-4266(99)00054-0.spa
dc.relation.referencesCHRISTODOULAKIS, G., BATIZ-ZUK, E. & POON, S., Systemic Basel II credit loss distributions under non-normality. DG ECFIN 6th Annual Research Conference: Crisis and Reform, 2009. Disponible en: https://ec.europa.eu/economy_finance/events/ event13393_en.htm.spa
dc.relation.referencesVASICEK, O. A., The distribution of loan portfolio value. RISK, 15(3), 160–162, 2002. UNAL 509spa
dc.relation.referencesPLUCHINO, BIONDO, RAPISARDA, TALENT VERSUS LUCK: THE ROLE OF RANDOMNESS IN SUCCESS AND FAILURE, Vol. 21 Nos. 3 y 4, 1850014, Advances in Complex Systems, 2018spa
dc.relation.referencesTALEB, N. N., FOOLED BY RANDOMNESS, 2005 Incerto Series, Random House, 2005spa
dc.relation.referencesBUBENIK, P. Y DŁOTKO, P. , A persistence landscapes toolbox for topological statistics, Journal of Symbolic Computation, 78, 91–114, 2017.spa
dc.relation.referencesBUBENIK, P., Statistical Topological Data Analysis using Persistence Landscapes. Journal of Machine Learning Research 16, 77-102, 2015spa
dc.relation.referencesE.Z. Chen and H. Li. A two part mixed effects model for analyzing longitudinal microbiome compositional data. Bioinformatics, 19:2611–2617, 2016.spa
dc.relation.referencesS. Melo and O. Melo. Distance-based approach in univariate longitudinal data analysis. Journal of applied Statistics, 40:674–692, 2013spa
dc.relation.referencesY. Min and A. Agresti. Random effect models for repeated measures of zero-inflated count data. Stat. Modell, 19:1–19, 2005.spa
dc.relation.referencesG. Molenberghs and G. Verbeke. Models for discrete longitudinal data, Springer, New York, 2005.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-CompartirIgual 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/spa
dc.subject.ddc000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadoresspa
dc.subject.lembAPRENDIZAJE AUTOMATICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembMachine learningeng
dc.subject.lembPROCESAMIENTO ELECTRONICO DE DATOS-TECNICAS ESTRUCTURADASspa
dc.subject.lembElectronic data processing - Structured techniqueseng
dc.subject.lembANALISIS NUMERICO-PROCESAMIENTO DE DATOS-CONGRESOS,CONFERENCIAS,ETC.spa
dc.subject.lembNumerical analysis - data processing congresseseng
dc.subject.proposalMachine Learningeng
dc.subject.proposalRegresiónspa
dc.subject.proposalSeries Temporalesspa
dc.subject.proposalModelos Bayesianosspa
dc.subject.proposalModelos de Ecuaciones Estructuralesspa
dc.subject.proposalBootstrapeng
dc.subject.proposalMinería de Datosspa
dc.subject.proposalModelos de Regresiónspa
dc.subject.proposalAlgoritmos de Clasificaciónspa
dc.subject.proposalRedes Neuronalesspa
dc.subject.proposalModelos de Espacio de Estadospa
dc.subject.proposalModelos AutoRegresivosspa
dc.subject.proposalInferencia Estadísticaspa
dc.subject.proposalModelos Mixtosspa
dc.subject.proposalDistribuciones de Probabilidadspa
dc.subject.proposalMuestreo Óptimospa
dc.title33° Simposio Internacional de estadística 2024 : ciencia de datosspa
dc.typeLibrospa
dc.type.coarhttp://purl.org/coar/resource_type/c_18cfspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bookspa
dc.type.redcolhttp://purl.org/redcol/resource_type/LIBspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
Memorias_33SIE_2024_Final.pdf
Tamaño:
38.49 MB
Formato:
Adobe Portable Document Format
Descripción:
Memorias Simposio Internacional de Estadística N° 33
Descargar

Bloque de licencias

Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
5.74 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Licencia para publicación de obras en el Repositorio Institucional UNAL_SIE 2024 (2).pdf
Tamaño:
701.37 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Colecciones

Memorias del Simposio Internacional de Estadística