Detalles del proyecto
Descripción
Los modelos tradicionales para datos de área asumen una estructura jerárquica donde uno de los componentes son los efectos aleatorios que correlacionan espacialmente las áreas.
El modelo condicional autorregresivo (CAR) es la distribución más popular para modelar conjuntamente la incertidumbre previa sobre estos efectos aleatorios espaciales.
Una limitación de la distribución CAR es la incapacidad de producir altas correlaciones entre áreas vecinas.
Proponemos un modelo robusto para datos de área que alivia este problema. Representamos el mapa mediante un gráfico no dirigido donde los nodos son las áreas y los bordes ponderados aleatoriamente conectan los nodos que son vecinos.
El modelo se basa en una distribución de Student multivariada, estructurada espacialmente, en la que la matriz de precisión se construye indirectamente asumiendo una distribución multivariada para las aristas aleatorias.
La distribución conjunta de los pesos es una de Student multivariante espacial que induce otra distribución para los efectos espaciales de las áreas que heredan su capacidad para acomodar valores atípicos y comportamiento de cola pesada.
Lo que es más importante, puede producir una correlación marginal más alta entre los efectos espaciales que el modelo CAR, superando una de las principales limitaciones de este modelo.
Ajustamos el modelo propuesto para analizar mapas de cáncer reales y comparamos su rendimiento con varios competidores de última generación.
Nuestro modelo propuesto proporciona un mejor ajuste en casi todos los casos.
El modelo condicional autorregresivo (CAR) es la distribución más popular para modelar conjuntamente la incertidumbre previa sobre estos efectos aleatorios espaciales.
Una limitación de la distribución CAR es la incapacidad de producir altas correlaciones entre áreas vecinas.
Proponemos un modelo robusto para datos de área que alivia este problema. Representamos el mapa mediante un gráfico no dirigido donde los nodos son las áreas y los bordes ponderados aleatoriamente conectan los nodos que son vecinos.
El modelo se basa en una distribución de Student multivariada, estructurada espacialmente, en la que la matriz de precisión se construye indirectamente asumiendo una distribución multivariada para las aristas aleatorias.
La distribución conjunta de los pesos es una de Student multivariante espacial que induce otra distribución para los efectos espaciales de las áreas que heredan su capacidad para acomodar valores atípicos y comportamiento de cola pesada.
Lo que es más importante, puede producir una correlación marginal más alta entre los efectos espaciales que el modelo CAR, superando una de las principales limitaciones de este modelo.
Ajustamos el modelo propuesto para analizar mapas de cáncer reales y comparamos su rendimiento con varios competidores de última generación.
Nuestro modelo propuesto proporciona un mejor ajuste en casi todos los casos.
| Estado | Finalizado |
|---|---|
| Fecha de inicio/Fecha fin | 7/1/22 → 12/20/22 |
Objetivos de desarrollo sostenible de las Naciones Unidas
En 2015, los estados miembros de las Naciones Unidas acordaron 17 Objetivos de desarrollo sostenible (ODS) globales para erradicar la pobreza, proteger el planeta y garantizar la prosperidad para todos. Este proyecto contribuye al logro de los siguientes ODS:
Fuente principal de financiación
- Capacidad Instalada (Unidad Académica)
Localización
- Bogotá D.C.
Huella digital
Explore los temas de investigación que se abordan en este proyecto. Estas etiquetas se generan con base en las adjudicaciones/concesiones subyacentes. Juntos, forma una huella digital única.