Look-up in Google Scholar
Full metadata record
Cambillo Moyano, Emma Norma
Vigo Chacón, Geraldine Judith
2013-10-03T21:50:59Z
2013-10-03T21:50:59Z
2013-10-03T21:50:59Z
2013-10-03T21:50:59Z
2010
https://hdl.handle.net/20.500.12672/3327
Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neuronales el mejor método por tener mayor poder de clasificación y predicción. Para el análisis se utilizó una Base de Datos de Riesgo Crediticio. Asimismo, se establecen las ventajas y desventajas en el empleo de cada método. -- Palabras Claves: Análisis de Regresión Logística, Árboles de Clasificación, Redes Neuronales.
--- Two classics methods of classification are compared: Analysis of Logistic Regression and Classification Trees with the method of Neural Networks. The comparison realized through his power of classification and prediction of the models obtains in the evaluation of credit risk, Neural Networks is the best method, because it has high power of classification and prediction. For the analysis used a database of credit risk. Likewise found the advantages and disadvantages in the use of each method. -- Key Words: Analysis Logistic Regression, Classification Trees, Neural Networks.
Tesis
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio de Tesis - UNMSM
Universidad Nacional Mayor de San Marcos
Riesgo financiero - Modelos matemáticos
Análisis de regresión logística
Redes neuronales (Computación) - Métodos estadísticos
Método de clasificación para evaluar el riesgo crediticio : una comparación
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Académico Profesional de Estadística
Estadística
Licenciado en Estadística
PE
https://purl.org/pe-repo/ocde/ford#1.01.03
https://purl.org/pe-repo/renati/level#tituloProfesional
15377390
https://orcid.org/0000-0003-3173-9425
https://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons