Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas
- Autores
- Alvarez Castro, Ignacio
- Año de publicación
- 2018
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La estimación de matrices de covarianza surge en problemas multivariados como la distribución normal multivariada o modelos de regresión generalizados mixtos donde los efectos aleatorios son modelados de forma conjunta. La inferencia Bayesiana sobre una matriz de covarianza requiere especificar una distribución de probabilidades para dicha matriz. Las distribuciones que tienen como dominio las matrices de covarianza no han recibido mucha atención en términos de caracterizar sus propiedades. En este trabajo se presenta el paquete priorcovmatrix permite ajustar, simular y visualizar algunas distribuciones multivariadas utilizadas para modelar matrices de covarianza. La distribución Wishart inversa, Wishart inversa escalada, y otras distribuciones forman parte de la librería.
Sociedad Argentina de Informática e Investigación Operativa - Materia
-
Ciencias Informáticas
distribuciones multivariadas
matrices de covarianza - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-sa/3.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/72043
Ver los metadatos del registro completo
id |
SEDICI_67edafcf3d33635f239940b8b36f98cc |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/72043 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzasAlvarez Castro, IgnacioCiencias Informáticasdistribuciones multivariadasmatrices de covarianzaLa estimación de matrices de covarianza surge en problemas multivariados como la distribución normal multivariada o modelos de regresión generalizados mixtos donde los efectos aleatorios son modelados de forma conjunta. La inferencia Bayesiana sobre una matriz de covarianza requiere especificar una distribución de probabilidades para dicha matriz. Las distribuciones que tienen como dominio las matrices de covarianza no han recibido mucha atención en términos de caracterizar sus propiedades. En este trabajo se presenta el paquete priorcovmatrix permite ajustar, simular y visualizar algunas distribuciones multivariadas utilizadas para modelar matrices de covarianza. La distribución Wishart inversa, Wishart inversa escalada, y otras distribuciones forman parte de la librería.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf4-5http://sedici.unlp.edu.ar/handle/10915/72043spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_3.pdfinfo:eu-repo/semantics/altIdentifier/issn/2618-3196info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:11:48Zoai:sedici.unlp.edu.ar:10915/72043Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:11:48.873SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
title |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
spellingShingle |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas Alvarez Castro, Ignacio Ciencias Informáticas distribuciones multivariadas matrices de covarianza |
title_short |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
title_full |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
title_fullStr |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
title_full_unstemmed |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
title_sort |
Priorcovmatrix: explorar, visualizar y estimar matrices de covarianzas |
dc.creator.none.fl_str_mv |
Alvarez Castro, Ignacio |
author |
Alvarez Castro, Ignacio |
author_facet |
Alvarez Castro, Ignacio |
author_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas distribuciones multivariadas matrices de covarianza |
topic |
Ciencias Informáticas distribuciones multivariadas matrices de covarianza |
dc.description.none.fl_txt_mv |
La estimación de matrices de covarianza surge en problemas multivariados como la distribución normal multivariada o modelos de regresión generalizados mixtos donde los efectos aleatorios son modelados de forma conjunta. La inferencia Bayesiana sobre una matriz de covarianza requiere especificar una distribución de probabilidades para dicha matriz. Las distribuciones que tienen como dominio las matrices de covarianza no han recibido mucha atención en términos de caracterizar sus propiedades. En este trabajo se presenta el paquete priorcovmatrix permite ajustar, simular y visualizar algunas distribuciones multivariadas utilizadas para modelar matrices de covarianza. La distribución Wishart inversa, Wishart inversa escalada, y otras distribuciones forman parte de la librería. Sociedad Argentina de Informática e Investigación Operativa |
description |
La estimación de matrices de covarianza surge en problemas multivariados como la distribución normal multivariada o modelos de regresión generalizados mixtos donde los efectos aleatorios son modelados de forma conjunta. La inferencia Bayesiana sobre una matriz de covarianza requiere especificar una distribución de probabilidades para dicha matriz. Las distribuciones que tienen como dominio las matrices de covarianza no han recibido mucha atención en términos de caracterizar sus propiedades. En este trabajo se presenta el paquete priorcovmatrix permite ajustar, simular y visualizar algunas distribuciones multivariadas utilizadas para modelar matrices de covarianza. La distribución Wishart inversa, Wishart inversa escalada, y otras distribuciones forman parte de la librería. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-09 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Resumen http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/72043 |
url |
http://sedici.unlp.edu.ar/handle/10915/72043 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_3.pdf info:eu-repo/semantics/altIdentifier/issn/2618-3196 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
dc.format.none.fl_str_mv |
application/pdf 4-5 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615987922468864 |
score |
13.070432 |