Examinando por Autor "Cuesta, Cristina Beatriz"
Mostrando 1 - 20 de 20
Resultados por página
Opciones de ordenación
Ítem Acceso Abierto Adaptación de la metodología de Grizzle, Starmer y Koch a muestras de panel rotativas(1999-10) Servy, Elsa; Hachuel, Leticia Susana; Boggio, Gabriela Susana; Cuesta, Cristina Beatriz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Ajuste de Modelos “CAR” para la estimacion espacio-temporal de eventos(2014-11) Ugarte, María Dolores; Cuesta, Cristina Beatriz; Isern, Guillermina; Barbona, Ivana; Lupachini, Evangelina; Fantasía, Fiorela; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Analisis de supervivencia para datos agrupados. Parte I: imputación de valores en caso de censura a intervalos(1998-10) Servy, Elsa; Hachuel, Leticia Susana; Boggio, Gabriela Susana; Cuesta, Cristina Beatriz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Comparación de la estimación de la tasa de ocupación de plazas por Regresión LOESS y por muestreo(2007-11-27) Marí, Gonzalo Pablo Domingo; Cuesta, Cristina Beatriz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Comparación de modelos para el control de sesgos en estudios ecológicos(2017-11-22) Isern, Guillermina; Cuesta, Cristina Beatriz; Barbona, Ivana; Meroi, Norma; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de RosarioEntre los tipos de estudios más frecuentemente utilizados en epidemiología se encuentran los estudios ecológicos, cuya unidad de análisis es un área geográfica o un momento del tiempo y su objetivo es medir la asociación entre una enfermedad y un posible factor de riesgo o variable explicativa en base a medidas resumen observadas en esas unidades (promedio, porcentaje, tasa, etc.). Estos estudios son muy encontrados en la literatura debido a su sencillez, bajo costo, fácil obtención de la información, etc. y son generalmente mostrados en una faz exploratoria. El mayor problema que ellos presentan es la denominada “falacia ecológica”, el sesgo que se comete al querer extrapolar las asociaciones observadas a nivel de área, a los individuos de las mismas. Este tipo de sesgos puede producirse debido a diferentes motivos: la incapacidad de determinar la temporalidad de la variable respuesta y la explicativa, la posible presencia de variables confundentes, la imposibilidad de contar con las distribuciones de las medidas agrupadas, etc. A fin de controlar el posible sesgo asociado a estos estudios se han propuesto diferentes modelos estadísticos, entre ellos los que tienen en cuenta estratos definidos de acuerdo a alguna posible variable de confusión. La ventaja de estos modelos estratificados es que se trabaja con grupos más pequeños que el total del área geográfica permitiendo tener en cuenta posibles variables de confusión (que son las que determinan los estratos). Sin embargo, esta metodología puede no ser adecuada cuando se carece de la información a nivel de estrato y/o cuando las áreas de estudio son demasiado pequeñas. Otra opción consiste en ajustar un modelo que pretenda controlar el mencionado sesgo combinando distintas fuentes de datos, una que incluye los datos agrupados y otra que incluye los datos a nivel individual (que puede no ser la misma que la anterior). Este modelo es un intermedio entre utilizar datos a nivel individuo y datos a nivel área geográfica. Se ejemplifica la metodología utilizando datos de la Encuesta Nacional de Factores de Riesgo llevada a cabo por las Direcciones Provinciales de Estadística entre octubre y diciembre de 2013. Se estudia la asociación entre obesidad y diferentes factores tales como edad, sexo, nivel de instrucción, cobertura de salud, etc. Se comparan los resultados de modelos para datos individuales con modelos para datos agrupados a nivel provincia o datos agrupados a nivel de estrato. Se concluye que los datos agrupados no logran reflejar las asociaciones observadas a nivel individual. A partir de este trabajo se dirige la investigación hacia el estudio de modelos que combinan tanto fuente de información a nivel individual como a nivel agrupado simultáneamente.Ítem Acceso Abierto Comparación de Modelos para el Control ee Sesgos en Estudios Ecológicos(2017-11-22) Isern, Guillermina; Cuesta, Cristina Beatriz; Barbona, Ivana; Meroi, Norma; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de RosarioEntre los tipos de estudios más frecuentemente utilizados en epidemiología se encuentran los estudios ecológicos, cuya unidad de análisis es un área geográfica o un momento del tiempo y su objetivo es medir la asociación entre una enfermedad y un posible factor de riesgo o variable explicativa en base a medidas resumen observadas en esas unidades (promedio, porcentaje, tasa, etc.). Estos estudios son muy encontrados en la literatura debido a su sencillez, bajo costo, fácil obtención de la información, etc. y son generalmente mostrados en una faz exploratoria. El mayor problema que ellos presentan es la denominada “falacia ecológica”, el sesgo que se comete al querer extrapolar las asociaciones observadas a nivel de área, a los individuos de las mismas. Este tipo de sesgos puede producirse debido a diferentes motivos: la incapacidad de determinar la temporalidad de la variable respuesta y la explicativa, la posible presencia de variables confundentes, la imposibilidad de contar con las distribuciones de las medidas agrupadas, etc. A fin de controlar el posible sesgo asociado a estos estudios se han propuesto diferentes modelos estadísticos, entre ellos los que tienen en cuenta estratos definidos de acuerdo a alguna posible variable de confusión. La ventaja de estos modelos estratificados es que se trabaja con grupos más pequeños que el total del área geográfica permitiendo tener en cuenta posibles variables de confusión (que son las que determinan los estratos). Sin embargo, esta metodología puede no ser adecuada cuando se carece de la información a nivel de estrato y/o cuando las áreas de estudio son demasiado pequeñas. Otra opción consiste en ajustar un modelo que pretenda controlar el mencionado sesgo combinando distintas fuentes de datos, una que incluye los datos agrupados y otra que incluye los datos a nivel individual (que puede no ser la misma que la anterior). Este modelo es un intermedio entre utilizar datos a nivel individuo y datos a nivel área geográfica. Se ejemplifica la metodología utilizando datos de la Encuesta Nacional de Factores de Riesgo llevada a cabo por las Direcciones Provinciales de Estadística entre octubre y diciembre de 2013. Se estudia la asociación entre obesidad y diferentes factores tales como edad, sexo, nivel de instrucción, cobertura de salud, etc. Se comparan los resultados de modelos para datos individuales con modelos para datos agrupados a nivel provincia o datos agrupados a nivel de estrato. Se concluye que los datos agrupados no logran reflejar las asociaciones observadas a nivel individual. A partir de este trabajo se dirige la investigación hacia el estudio de modelos que combinan tanto fuente de información a nivel individual como a nivel agrupado simultáneamente.Ítem Acceso Abierto Comparación del comportamiento de diversos estimadores basados en núcleos(2004-11) Servy, Elsa; Cuesta, Cristina Beatriz; Marí, Gonzalo Pablo Domingo; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de RosarioEste trabajo está dirigido a profundizar y difundir métodos no paramétricos para la estimación de funciones de densidad (métodos de suavizado). Estos métodos hacen pre-supuestos mínimos sobre las densidades que gobiernan las frecuencias observadas de las variables estadísticas. En los análisis paramétricos se comienza haciendo supuestos rígidos sobre la estructura básica de los datos. Luego se estiman de la manera más eficiente posible los parámetros que definen la estructura. A posteriori se decide si los supuestos iniciales son aceptables. Esta lógica de pensamiento conlleva, muchas veces, círculos viciosos que oscurecen la objetividad del análisis. Los métodos de suavizado, en cambio, comienzan aceptando su subjetividad y buscan desprenderse de ella a través de métodos de prueba y error tomando como base resultados matemáticos asintóticos. Los fundamentos de los métodos de suavizado son antiguos pero sólo lograron el estado actual de desarrollo gracias a los avances de la ciencia de la computación y los estudios por simulación han permitido evaluar sus comportamientos. Los métodos paramétricos y no paramétricos, en principio antagónicos, suelen ser usados en forma simultánea en el análisis de conjuntos de datos. Los métodos no paramétricos pueden ayudar en el inicio de la investigación a descubrir la estructura probabilística que gobierna los datos de modo que los supuestos del análisis paramétrico estén bien fundamentados. Después de realizados los análisis, suelen ser utilizados nuevamente para el estudio de los residuos, buscando validar la elección del modelo. Entre los métodos de estimación de funciones de densidad de probabilidad se encuentran aquellos estimadores basados en núcleos. Estos estimadores logran funciones de densidad suavizadas que se construyen en cada punto del eje real de acuerdo con los valores muestrales más cercanos al mismo que constituyen un entorno denominado “ventana”. Estos valores son ponderados de modo que, por ejemplo, los vecinos más cercanos tengan mayor peso que los más alejados dentro de una ventana de datos. Se pueden utilizar diversas funciones de ponderación (llamadas K o “Kernel”) que son justamente los núcleos en que se basan los estimadores. Las propiedades de las curvas de estimación dependen de la elección del núcleo y del ancho de la ventana. La combinación de la función de ponderación, el ancho de la ventana, el tamaño de muestra y la forma de la densidad verdadera (más o menos “rugosa”, con más o menos modos, etc) hacen a la bondad de la estimación resultante. Lo que se ensaya en este trabajo es una evaluación de la bondad de la estimación de dos funciones de densidad, una unimodal y otro bimodal, cuando se utilizan distintos núcleos para los estimadores y diferentes tamaños de muestra. El ancho de ventana utilizado es el que asintóticamente se considera óptimo. Justamente el motivo de realizar un estudio de simulación es verificar hasta qué punto los resultados asintóticos tienen vigencia cuando la muestra es de tamaño chico o moderado.Ítem Acceso Abierto Elección del parámetro de suavizado óptimo en regresiones p-spline. Un estudio por simulación(2013-11) Isern, Guillermina; Cuesta, Cristina Beatriz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Estimación de funciones de densidad de datos correlacionados y/o con valores atípicos(2005-11) Servy, Elsa; Cuesta, Cristina Beatriz; Marí, Gonzalo Pablo Domingo; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Estimación de la función generalizada de variancias para la Encuesta Anual de Hogares de la Ciudad Autónoma de Buenos Aires, año 2010(Facultad de Ciencia Económicas y Estadísticaca - Universidad Nacional de Rosario, 2013-11-30) Cuesta, Cristina Beatriz; Marí, Gonzalo Pablo Domingo; Rivero, MatiasÍtem Acceso Abierto Estimación de la incidencia de partos pretérmino en función de los espaciamientos entre embarazos. Análisis de una revisión sistemática(2011-11-29) Cuesta, Cristina Beatriz; Mignini, Luciano; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Estimación del desperdicio de alimentos en las grandes cadenas de supermercados en Argentina(2022-04-25) Cuesta, Cristina Beatriz; Vitelleschi, María Susana; Borra, Virginia Laura; Dianda, Daniela Fernanda; García, Guillermo; Secretaría de Ciencia y Tecnología, Facultad de Ciencias Económicas y Estadística, Universidad Nacional de RosarioÍtem Acceso Abierto Estudio del comportamiento de estadísticas para datos binarios correlacionados en muestras pequeñas(2002-11) Hachuel, Leticia Susana; Boggio, Gabriela Susana; Wojdyla, Daniel; Cuesta, Cristina Beatriz; Servy, Elsa; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Generación de datos binarios correlacionados: una comparación de dos métodos(2001-11) Hachuel, Leticia Susana; Wojdyla, Daniel; Boggio, Gabriela Susana; Cuesta, Cristina Beatriz; Servy, Elsa; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Intervalos Bootstrap para Regresiones SPLINE penalizadas bajo el enfoque de Modelos Mixtos(2011-11-29) Marí, Gonzalo Pablo Domingo; Cuesta, Cristina Beatriz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Intervalos de confianza bootstrap bajo incumplimiento de supuestos en regresiones splines penalizadas(2012-11-28) Cuesta, Cristina Beatriz; Marí, Gonzalo Pablo Domingo; Zino, Nicolás; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Modelos logit para el estudio dinámico de la desocupación(1999-10) Servy, Elsa; Hachuel, Leticia Susana; Boggio, Gabriela Susana; Cuesta, Cristina Beatriz; Giordani, Natalia; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Modelos marginales para el estudio de la desocupacion(2000-11) Servy, Elsa; Hachuel, Leticia Susana; Cuesta, Cristina Beatriz; Boggio, Gabriela Susana; Giordani, Natalia; Méndez, Fernanda; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.Ítem Acceso Abierto Sesgo de estimación en regresiones P-SPLINE bajo Modelos Mixtos: un estudio por simulación(2010-11-23) Cuesta, Cristina Beatriz; Armida, María Luz; Lupachini, Evangelinan.d.Ítem Acceso Abierto Utilizacion del paquete “kernsmooth” de r para construir suavizados loess y bandas de variabilidad a datos de la encuesta de ocupación hotelera(2006-11) Servy, Elsa; Cuesta, Cristina Beatriz; Marí, Gonzalo Pablo Domingo; Armida, María Luz; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarion.d.