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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/72043

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