Look-up in Google Scholar
Full metadata record
Montes Quintana de Domínguez, Grabiela Yolanda
Landa Baella, María del Pilar
2018-05-14T09:22:24Z
2018-05-14T09:22:24Z
2017
Landa, M. (2017). Comparación de modelos de regresión logística binomial y árbol de decisión para la clasificación de pacientes con presión arterial de una clínica privada. [Tesina de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.
https://hdl.handle.net/20.500.12672/7381
Publicación a texto completo no autorizada por el autor
Presenta la comparación de dos modelos de clasificación para pacientes con presión arterial de una clínica privada, cuyo análisis se realizó mediante dos modelos predictivos de regresión logística binomial y árboles de decisión. El comportamiento de los dos modelos fue medido por tres indicadores: Sensibilidad, Curva Roc e Índice de GINI. En general, el mejor modelo para la clasificación de los pacientes con presión arterial es el modelo de árboles de decisión (Sensibilidad=80.7%, Curva Roc=79.8% e Índice de GINI=59.6%).
Trabajo de suficiencia profesional
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/closedAccess
Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
Análisis de regresión logística
Arboles de decisión
Pacientes en hospitales - Clasificación
Comparación de modelos de regresión logística binomial y árbol de decisión para la clasificación de pacientes con presión arterial de una clínica privada
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Estadística
Estadística
Titulo Profesional
Licenciada en Estadística
PE
https://purl.org/pe-repo/ocde/ford#1.01.03
https://purl.org/pe-repo/renati/level#tituloProfesional
08389428
https://orcid.org/0000-0002-9234-7049
Villavicencio Ramírez, Ilse Janine
https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
Pública



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.