Examinando por Autor "Callejas Bonolis, Karen Yulieth"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Análisis de datos funcionales: teoría y aplicaciones
    (Universidad de Córdoba, 2024-07-11) Callejas Bonolis, Karen Yulieth; Morales Ospina, Victor Hugo; Tovar Falon, Roger de Jesús; Meledez Surmay, Rafael
    El propósito de esta investigación fue presentar la teoría estadística empleada para el análisis de datos funcionales a través de una revisión exhaustiva de la literatura. Además, se demostró su aplicación en datos concretos relacionados con la calidad del aire en Santiago de Chile y los índices de precios al consumidor en Colombia. El análisis de datos funcionales permite capturar la dinámica y estructura de dependencia de los datos, a diferencia de los métodos tradicionales que se basan en observaciones discretas. Las bases de Fourier y Spline fueron los dos métodos utilizados para las bases de funciones. Para cada aplicación, se seleccionó la base que permitió un ajuste de datos más efectivo, teniendo en cuenta un menor error cuadrático medio (RMS). Además, para demostrar un posible complemento entre estas dos metodologías, se presenta una introducción de algunas técnicas de series temporales para modelar la dinámica de los datos junto con los procedimientos de análisis de datos funcionales. Los resultados de estos métodos muestran resultados significativos sobre los índices de precios al consumidor y la calidad del aire. En Santiago de Chile, las concentraciones de PM2.5 y PM10 superan los límites recomendados por la OMS debido a las fuentes locales de contaminantes y los cambios estacionales. Por otro lado, se puede observar en la base de datos de la inflación en Colombia que durante los años 2016 y 2017 el país experimentó su nivel más alto de inflación. El análisis de regresión funcional muestra patrones interesantes en la variación del PM10 a lo largo del tiempo. El análisis de series de tiempo muestra una disminución en los niveles de PM2.5 en Santiago de Chile para diciembre de 2016. El análisis estadístico mejora con la integración de estas dos técnicas en los datos.