Seminarios de Investigación

Las medidas geométricas de bondad de ajuste han demostrado un gran potencial para descubrir patrones estructurales en datos clásicos, donde cada observación es un único punto, al cuantificar las relaciones espaciales dentro de nubes de puntos. Sobre esta base, Hernández y Solís \cite{hernandez2023geometric} introdujeron un índice basado en la diferencia de área entre la forma alpha de una proyección bidimensional de los datos y su rectángulo delimitador mínimo.
En este estudio, proponemos una extensión de este índice geométrico a datos simbólicos de tipo intervalo. Nuestro enfoque analiza agrupaciones rectangulares definidas por los valores de intervalo de variables predictoras y una variable de respuesta, adaptando la construcción de formas alpha para capturar simultáneamente tanto la tendencia central como la variabilidad inherente a las observaciones de tipo intervalo.

Introducimos una función de ajuste geométrico intervalar que integra formas alpha construidas a partir de los centros y rangos de las observaciones de variables de tipo intervalo. Esta función, definida sobre el parámetro de escala $\alpha$, proporciona una cuantificación multiescala de la bondad de ajuste geométrico.
El método se implementa en el lenguaje de programación R y se evalúa en conjuntos de datos simbólicos de referencia. Los resultados demuestran su efectividad para revelar estructuras geométricas y ofrecer información complementaria a las métricas tradicionales de regresión simbólica, como el coeficiente de determinación.

Se realizará de manera bimodal con la siguiente información:

CIMPA, Aula Especializada.

Zoom: 666 155 1739

Dylan Benavides Castillo