{"id":77681,"date":"2018-03-09T23:23:13","date_gmt":"2018-03-09T23:23:13","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/analisis-bayesiano-de-mixturas-de-distribuciones-de-la-familia-exponencial\/"},"modified":"2018-03-09T23:23:13","modified_gmt":"2018-03-09T23:23:13","slug":"analisis-bayesiano-de-mixturas-de-distribuciones-de-la-familia-exponencial","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/extremadura\/analisis-bayesiano-de-mixturas-de-distribuciones-de-la-familia-exponencial\/","title":{"rendered":"An\u00e1lisis bayesiano de mixturas de distribuciones de la familia exponencial"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Mar\u00eda Jes\u00fas Rufo Bazaga <\/strong><\/h2>\n<p>En esta tesis se presenta un marco general para el an\u00e1lisis bayesiano de modelos de mixturas finitas de distribuciones de familias exponenciales naturales con varianza cuadr\u00e1tica. Estas familias incluyen las distribuciones utilizadas con mayor frecuencia en las aplicaciones estad\u00edsticas.     en primer lugar se considera el n\u00famero de componentes conocido. En este contexto, las principales dificultades que se plantean son la elecci\u00f3n de las distribuciones a priori y la resoluci\u00f3n del problema de la no identificabilidad de los par\u00e1metros. El primer problema se resuelve mediante un m\u00e9todo basado en el concepto de distancia de kullback-leibler, mientras que para el segundo se propone una aproximaci\u00f3n basada en permutaciones de las coordenadas de los puntos generados. Para generar de la distribuci\u00f3n a posteriori se utiliza el muestrador gibbs.     en el caso en que el n\u00famero de componentes sea desconocido, se proponen m\u00e9todos que permiten  seleccionar entre los distintos posibles modelos mediante la estimaci\u00f3n del factor bayes. Se presentan distintas aproximaciones basadas en m\u00e9todos montecarlo. Las t\u00e9cnicas propuestas son v\u00e1lidas para todos los modelos en los que las distribuciones a priori son conjugadas.     la generalizaci\u00f3n de las propuestas a distribuciones multidimensionales es, desde un punto de vista te\u00f3rico, sencilla. Se presenta la aplicaci\u00f3n a mixturas de distribuciones multinomiales.     un aspecto importante en este tipo de modelos es el an\u00e1lisis de sensibilidad. Se propone un m\u00e9todo para aproximar una medida de sensibilidad como es el gradiente. Esta t\u00e9cnica especialmente \u00fatil en modelos bayesianos resueltos mediante m\u00e9todos montecarlo basado en cadenas de markow. La principal ventaja es que no se requiere muestreo adicional.     cada m\u00e9todo propuesto se ilustra con, el menos, un ejemplo. Finalmente, se presenta un cap\u00edtulo de conclusiones y l\u00edneas de investigaci\u00f3n futuras.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>An\u00e1lisis bayesiano de mixturas de distribuciones de la familia exponencial<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 An\u00e1lisis bayesiano de mixturas de distribuciones de la familia exponencial <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Mar\u00eda Jes\u00fas Rufo Bazaga <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Extremadura<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 13\/12\/2005<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Jacinto Ramon Martin Jimenez<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: Francisco javier Gir\u00f3n gonz\u00e1lez-torre <\/li>\n<li>david R\u00edos insua (vocal)<\/li>\n<li>m. asuncion Rubio rubio (vocal)<\/li>\n<li>concha Bielza lozoya (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Mar\u00eda Jes\u00fas Rufo Bazaga En esta tesis se presenta un marco general para el an\u00e1lisis bayesiano de [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[949,5688],"tags":[60514,30820,3368,30819,19524,167210],"class_list":["post-77681","post","type-post","status-publish","format-standard","hentry","category-extremadura","category-tecnicas-de-inferencia-estadistica","tag-concha-bielza-lozoya","tag-david-rios-insua","tag-francisco-javier-giron-gonzalez-torre","tag-jacinto-ramon-martin-jimenez","tag-m-asuncion-rubio-rubio","tag-maria-jesus-rufo-bazaga"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/77681","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=77681"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/77681\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=77681"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=77681"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=77681"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}