Jointly modelling of cluster dependent pro les of fractional and binary variables from a Bayesian point of view

dc.contributor.advisorBayes Rodríguez, Cristian Luis
dc.contributor.authorCortés Tejada, Fernando Javier
dc.date.accessioned2020-10-27T22:06:11Z
dc.date.available2020-10-27T22:06:11Z
dc.date.created2020
dc.date.issued2020-10-27
dc.description.abstractEn la presente tesis se proponen modelos de clasificación basados en regresiones beta inflacionadas cero-uno con efectos mixtos para modelar perfiles longitudinales de variables fraccionarias mixtas y variables binarias de forma conjunta con formación de clústeres. Las distintas parametrizaciones de los modelos propuestos permiten modelar distintos efectos, como modelar directamente la media marginal a través de covariables e interpretar fácilmente su efecto sobre ella o modelar la media condicional y las probabilidades de inflación de forma separada. Además, se forman clústeres de grupos de individuos con perfiles longitudinales similares a través de una variable latente, asumiendo que las variables respuesta siguen un modelo de mixtura finita. Debido a la complejidad de los modelos, los parámetros se estiman desde un punto de vista bayesiano, a partir de simulaciones MCMC utilizando el software JAGS en R. Se prueban los modelos propuestos sobre diferentes bases de datos simulados para medir el desempeño de los mismos y se comparan con otros modelos a fin de verificar cual ajusta mejor los perfiles longitudinales de variables fraccionarias mixtas y variables binarias. Por último, se aplican los modelos propuestos a datos reales de un banco peruano, con información del ratio de uso de tarjetas de crédito en el periodo de un año, estado de default del cliente y otras covariables correspondientes al cliente poseedor de la tarjeta, con el objetivo de obtener clústeres de individuos con similar ratio de uso de tarjeta de crédito y relacionarlos con la probabilidad de caer en default que presenta cada grupo.es_ES
dc.description.abstractThe following thesis proposes classi cation models that consist of jointly tting longitudinal pro les of mixed fractional and binary variables modelled by zero-one beta in ated mixed regressions with cluster formation. The distinct proposed parametrizations allow di erent effects to be modelled, such as modelling the marginal mean directly through independent variables and easily interpret its e ect on it or modelling the conditional mean and the in- ation probabilities separately. In addition, individuals with similar fractional longitudinal pro les are grouped into a cluster through a latent variable, assuming that the response variables follow a nite mixture model. Due to the complexity of the models, the parameters are estimated from a Bayesian point of view by simulating a MCMC using JAGS software in R. The proposed models are tted in various simulated datasets and are compared against other models to measure performance in tting fractional longitudinal pro les and binary variables. Finally, an application on real data is conducted, consisting on longitudinal information of credit card utilization ratio and default status as dependants variables and covariates corresponding to client information, aiming to obtain clusters of clients with similar behaviour in evolution of credit card utilization and relate them to their probability of default.es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.12404/17386
dc.language.isoenges_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/*
dc.subjectEstadística bayesianaes_ES
dc.subjectAnálisis de regresiónes_ES
dc.subjectEstadística--Modelos matemáticoses_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.01.03es_ES
dc.titleJointly modelling of cluster dependent pro les of fractional and binary variables from a Bayesian point of viewes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
renati.advisor.dni40372640
renati.advisor.orcidhttps://orcid.org/0000-0003-0474-7921es_ES
renati.discipline542037es_ES
renati.levelhttps://purl.org/pe-repo/renati/level#maestroes_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineEstadísticaes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Escuela de Posgradoes_ES
thesis.degree.levelMaestríaes_ES
thesis.degree.nameMaestro en Estadísticaes_ES

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
CORTES_TEJADA_FERNANDO_JOINTLY_MODELLING_CLUSTER.pdf
Size:
42.66 MB
Format:
Adobe Portable Document Format
Description:
Texto completo

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:

Collections