Estadística

Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/757

Browse

Now showing 1 - 2 of 2

Modelo de regresión de clases latentes: factores asociados a la valoración de una universidad privada
(Pontificia Universidad Católica del Perú, 2016-06-20) Wiener Ramos, Lucia; Valdivieso Serrano, Luis Hilmar
En diversos campos de análisis, especialmente en las ciencias sociales y humanas, se identifican constructos teóricos a los cuales queremos aproximarnos pero que no son directamente observables ni medibles, como por ejemplo, la calidad o satisfacción con un servicio, el nivel de estrés, el nivel de conocimiento en matemáticas, entre otras. Este tipo de constructos son llamados variables latentes y su valor solo puede ser aproximado a través de variables observadas o manifiestas que si pueden ser medidas (Bartholomew et al., 2011). En el Capítulo 2 se presenta consideraciones generales acerca del modelo lineal general de variables latentes y el modelo de clases latentes. En el Capítulo 3 se estudian los modelos de regresión de clases latentes, la estimación de sus parámetros y su implementación computacional. En el Capítulo 4 se presenta los resultados de la aplicación del modelo a un conjunto de datos reales orientados a conocer la valoración de una universidad privada. En el Capítulo 5 se presenta algunas conclusiones, recomendaciones y futuras extensiones que se podrían derivar de este trabajo.
Modelos de transición de clases latentes
(Pontificia Universidad Católica del Perú, 2024-10-31) Minchola Alza, Ronald Eduardo; Valdivieso Serrano, Luis Hilmar
A pesar de que los modelos de clases latentes han recibido gran atención en la evaluación social y otros campos, estos modelos son estáticos o de corte transversal y hay poco trabajo investigativo en modelos longitudinales. Este trabajo estudia el análisis de transición de clases latentes (LTA), observando el cambio en la clasificación de clases a través del tiempo. Se desarrolla el modelo teórico para dos períodos y se extiende luego este para más de dos períodos, estudiándose sus parámetros y estimación a través del algoritmo de Esperanza- Maximización (EM). Se detallan también criterios para la selección de modelos definiendo teóricamente la razón de su uso. Finalmente, se realiza un estudio de aplicación en Mplus y en R sobre una base de datos de acoso escolar(bullying).