Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)

Mostrar todas las versiones(2)

En el siguiente trabajo se emplearon técnicas de inferencia bayesiana y análisis causal buscando explicar la deserción estudiantil de primer año de la Universidad Nacional de San Martín. Con el objetivo de cuantificar la influencia de cada causa de deserción, se aplicó el novedoso método del deconfo...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Asplanato, Leila Sofía
Otros Autores: Díaz, Rodrigo Fernando
Formato: Tesis de grado publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2023
Acceso en línea:https://hdl.handle.net/20.500.12110/seminario_nFIS000156_Asplanato
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id seminario:seminario_nFIS000156_Asplanato
record_format dspace
spelling seminario:seminario_nFIS000156_Asplanato2023-09-12T13:14:38Z Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil) Asplanato, Leila Sofía Díaz, Rodrigo Fernando Alvarez, Ezequiel En el siguiente trabajo se emplearon técnicas de inferencia bayesiana y análisis causal buscando explicar la deserción estudiantil de primer año de la Universidad Nacional de San Martín. Con el objetivo de cuantificar la influencia de cada causa de deserción, se aplicó el novedoso método del deconfounder que se destaca en los casos con presencia de múltiples causas. Se logró aplicar el método de este estudio sobre dos bases de datos previamente analizadas por otros autores. Primero se generaron datos semi-sintéticos a partir de una base de datos de fumadores estadounidenses, aplicando el método deconfounder con una de estas variables como confundidora latente a inferir. Aquí pudieron compararse nuestros resultados con los coeficientes reales, y compararlos con la regresión si se hubiese tenido el conjunto completo de datos. También se aplicó el deconfounder sobre la base de datos de cáncer de mamas, de muestras con asignaciones de tumores malignos o benignos a partir de la observación variables morfológicas de muestras celulares. En este caso logramos obtener resultados que coincidian, mayoritariamente, con los reportados por el análisis publicado. Finalmente, se definió el grupo de causas de la base de datos de estudiantes de la UNSAM entre 2017 y 2021, filtrando los datos de la Escuela de Humanidades en base a estudios preliminares realizados por el Licenciado Pablo Aguila. Definiendo un número de 4 variables confundidoras para 13 covariables causales se pudieron obtener coeficientes para los parámetros de medida causal, además de estimar el impacto de las variables confundidoras latentes. Fil: Asplanato, Leila Sofía. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2023-03-30 info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/seminario_nFIS000156_Asplanato
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description En el siguiente trabajo se emplearon técnicas de inferencia bayesiana y análisis causal buscando explicar la deserción estudiantil de primer año de la Universidad Nacional de San Martín. Con el objetivo de cuantificar la influencia de cada causa de deserción, se aplicó el novedoso método del deconfounder que se destaca en los casos con presencia de múltiples causas. Se logró aplicar el método de este estudio sobre dos bases de datos previamente analizadas por otros autores. Primero se generaron datos semi-sintéticos a partir de una base de datos de fumadores estadounidenses, aplicando el método deconfounder con una de estas variables como confundidora latente a inferir. Aquí pudieron compararse nuestros resultados con los coeficientes reales, y compararlos con la regresión si se hubiese tenido el conjunto completo de datos. También se aplicó el deconfounder sobre la base de datos de cáncer de mamas, de muestras con asignaciones de tumores malignos o benignos a partir de la observación variables morfológicas de muestras celulares. En este caso logramos obtener resultados que coincidian, mayoritariamente, con los reportados por el análisis publicado. Finalmente, se definió el grupo de causas de la base de datos de estudiantes de la UNSAM entre 2017 y 2021, filtrando los datos de la Escuela de Humanidades en base a estudios preliminares realizados por el Licenciado Pablo Aguila. Definiendo un número de 4 variables confundidoras para 13 covariables causales se pudieron obtener coeficientes para los parámetros de medida causal, además de estimar el impacto de las variables confundidoras latentes.
author2 Díaz, Rodrigo Fernando
author_facet Díaz, Rodrigo Fernando
Asplanato, Leila Sofía
format Tesis de grado
Tesis de grado
publishedVersion
author Asplanato, Leila Sofía
spellingShingle Asplanato, Leila Sofía
Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
author_sort Asplanato, Leila Sofía
title Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
title_short Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
title_full Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
title_fullStr Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
title_full_unstemmed Inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
title_sort inferencia causal en estudios observacionales usando modelos bayesianos : (aplicada a deserción estudiantil)
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2023
url https://hdl.handle.net/20.500.12110/seminario_nFIS000156_Asplanato
work_keys_str_mv AT asplanatoleilasofia inferenciacausalenestudiosobservacionalesusandomodelosbayesianosaplicadaadesercionestudiantil
_version_ 1782031615560515584

Ejemplares similares