Redes neuronales y regresión logística técnicas predictivas de la mortalidad en medicina interna del HRDT

Simple item page
dc.contributor.advisorMinchón Medina, Carlos Alberto
dc.contributor.authorGuevara Aguilar, Victor Hugo
dc.date.accessioned8/29/2018 12:39
dc.date.available8/29/2018 12:39
dc.date.issued2017
dc.descriptionStatistics today have become one of the most needed sciences and used in different_x000D_ fields of work because of its way of applying its various techniques for obtaining results_x000D_ and appropriate decision making. Within these techniques we have the binary logistic_x000D_ regression, a technique that allows to verify the causal relations of a variable when it is_x000D_ nominal, these techniques are applied to the health sciences allow us to analyze the_x000D_ results in explanatory and predictive terms for To evaluate mortality in hospitals, this_x000D_ technique and others are apparently not as efficient as the technique of neural networks,_x000D_ since this technique is not necessary to evaluate the assumptions of normality, since_x000D_ they are considered as statistics, nonparametric tests. That is why in previous studies it_x000D_ is stated that they are much better than the regression techniques, it is for this reason_x000D_ that the present study aims to determine which of the two techniques is better to predict_x000D_ hospital mortality in internal medicine of HRDT. Taking into account the variables that_x000D_ can influence this mortality, which are the sex, age and region of origin. In order to_x000D_ fulfill our objective, we obtained the database of the patients of the area of internal_x000D_ medicine of the HRDT; For the statistical analysis, the logistic regression technique and_x000D_ neural networks were used, And for these, the technique that best predicts is the_x000D_ technique of logistic regression, since, at the moment of observing the results in terms_x000D_ of the classification percentages, the difference is notoriouses_PE
dc.description.abstractLa estadística hoy en día se ha convertido en una de las ciencias más necesarias y_x000D_ utilizadas en distintos campos laborales debido a su manera de aplicar sus diversas_x000D_ técnicas para la obtención de resultados y toma de decisiones apropiadas. Dentro de_x000D_ estas técnicas tenemos a las de regresión logística binaria, técnica que permiten_x000D_ comprobar las relaciones causales de una variable cuando esta es nominal, estas_x000D_ técnicas son aplicados a las ciencias de la salud nos permiten el análisis de los_x000D_ resultados en términos explicativos y predictivos para evaluar la mortalidad en_x000D_ hospitales, esta técnica y otras más al parecer están resultando no tan eficientes_x000D_ como la técnica de redes neuronales, ya que esta técnica no es necesaria evaluar los_x000D_ supuestos de normalidad, puesto que son consideradas como en estadística, pruebas_x000D_ no paramétricas.es por eso que en trabajos realizados anteriormente se afirma que_x000D_ son mucho mejor que las técnicas de regresión, es por tal motivo que el presente_x000D_ estudio tiene como finalidad determinar cuál de las dos técnicas es mejor para_x000D_ predecir la mortalidad hospitalaria en medicina interna del HRDT. Tomando en_x000D_ cuenta las variables que pueden influir en dicha mortalidad, las cuales son el sexo,_x000D_ la edad y la región de procedencia. Para cumplir con nuestro objetivo se obtuvo la_x000D_ base de datos de los pacientes del área de medicina interna del HRDT; para el_x000D_ análisis estadístico se utilizó la técnica de regresión logística y redes neuronales,_x000D_ encontrándose para estas, que la técnica que mejor pronostica es la técnica de_x000D_ regresión logística, ya que, al momento de observar los resultados en cuanto a los_x000D_ porcentajes de clasificación, es notoria la diferenciaes_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/10638
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Trujilloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Nacional de Trujilloes_PE
dc.sourceRepositorio institucional - UNITRUes_PE
dc.subjectRedes neuronales, Regresión logísticaes_PE
dc.titleRedes neuronales y regresión logística técnicas predictivas de la mortalidad en medicina interna del HRDTes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineEstadísticaes_PE
thesis.degree.grantorUniversidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticases_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Estadísticoes_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
GUEVARA AGUILAR, Victor Hugo.pdf
Size:
2.97 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Estadística