Perú | Tesis
dc.contributorSalinas Flores, Jesús Walter
dc.contributorRosas Villena, Fernando René
dc.creatorRado Huaringa, Joao Manuel
dc.date2017-01-13T13:59:09Z
dc.date2017-01-13T13:59:09Z
dc.date2014
dc.date.accessioned2018-04-02T19:40:07Z
dc.date.available2018-04-02T19:40:07Z
dc.identifierC10.R33-T BAN UNALM
dc.identifierhttp://repositorio.lamolina.edu.pe/handle/UNALM/2269
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/1369686
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
dc.descriptionEl objetivo de la investigación fue probar la hipótesis que la tasa de error de clasificación utilizando el análisis discriminante con algoritmos genéticos es menor a la que se obtiene con el análisis discriminante lineal de Fisher. La aplicación se efectuó en la predicción del rendimiento en el examen de admisión de la Universidad Nacional Agraria La Molina de los postulantes cuya preparación se realizó en su Centro de Estudios Preuniversitarios. En la técnica de algoritmos genéticos se empleó el método de selección, cruce y mutación que permitió realizar la búsqueda de funciones discriminantes con error mínimo. Los resultados del estudio indican que el análisis discriminante con algoritmos genéticos proporcionó una función discriminante más eficiente que la proporcionada por Fisher.
dc.descriptionThe aim of the research was to test the hypothesis that the error rate of classification using discriminant analysis with genetic algorithms is lower than obtained with the Fisher linear discriminant analysis. The study was made in predicting performance in the entrance examination of the Universidad Nacional Agraria La Molina of applicants whose preparation was conducted in the Preparatory School of the UNALM. In the technique of genetic algorithms your method of selection, crossover and mutation allowing search discriminant function with minimal error was used. The results indicate that the discriminant analysis with genetic algorithms provided a more efficient discriminant function that provided by Fisher.
dc.descriptionTesis
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad Nacional Agraria La Molina
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceUniversidad Nacional Agraria La Molina
dc.sourceRepositorio institucional - UNALM
dc.subjectAnálisis discriminante con algoritmos genéticos
dc.subjectAnálisis discriminante lineal
dc.subjectEstudiantes
dc.subjectUniversidades
dc.subjectTécnicas de predicción
dc.subjectRendimiento
dc.subjectModelos matemáticos
dc.subjectMétodos estadísticos
dc.subjectAnálisis de datos
dc.subjectEvaluación
dc.subjectPerú
dc.subjectExámen de admisión
dc.titlePredicción del rendimiento en el exámen de admisión a la UNALM [Universidad Nacional Agraria La Molina] utilizando las técnicas de análisis discriminante lineal y análisis discriminante con algoritmos genéticos
dc.typeTesis


Este ítem pertenece a la siguiente institución