Análisis de datos funcionales: teoría y aplicaciones

El propósito de esta investigación fue presentar la teoría estadística empleada para el análisis de datos funcionales a través de una revisión exhaustiva de la literatura. Además, se demostró su aplicación en datos concretos relacionados con la calidad del aire en Santiago de Chile y los índices de...

Full description

Autores:
Callejas Bonolis, Karen Yulieth
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Córdoba
Repositorio:
Repositorio Institucional Unicórdoba
Idioma:
spa
OAI Identifier:
oai:repositorio.unicordoba.edu.co:ucordoba/8382
Acceso en línea:
https://repositorio.unicordoba.edu.co/handle/ucordoba/8382
https://repositorio.unicordoba.edu.co
Palabra clave:
Análisis funcional
Funciones base
Regresión funcional
Series de tiempo
ARIMA
PM2.5
PM10
IPC
Functional analysis
Base functions
Functional regression
Time series
Rights
openAccess
License
Copyright Universidad de Córdoba, 2024
id UCORDOBA2_1685795974532467bf67baa346377b5b
oai_identifier_str oai:repositorio.unicordoba.edu.co:ucordoba/8382
network_acronym_str UCORDOBA2
network_name_str Repositorio Institucional Unicórdoba
repository_id_str
dc.title.spa.fl_str_mv Análisis de datos funcionales: teoría y aplicaciones
title Análisis de datos funcionales: teoría y aplicaciones
spellingShingle Análisis de datos funcionales: teoría y aplicaciones
Análisis funcional
Funciones base
Regresión funcional
Series de tiempo
ARIMA
PM2.5
PM10
IPC
Functional analysis
Base functions
Functional regression
Time series
title_short Análisis de datos funcionales: teoría y aplicaciones
title_full Análisis de datos funcionales: teoría y aplicaciones
title_fullStr Análisis de datos funcionales: teoría y aplicaciones
title_full_unstemmed Análisis de datos funcionales: teoría y aplicaciones
title_sort Análisis de datos funcionales: teoría y aplicaciones
dc.creator.fl_str_mv Callejas Bonolis, Karen Yulieth
dc.contributor.advisor.none.fl_str_mv Morales Ospina, Victor Hugo
dc.contributor.author.none.fl_str_mv Callejas Bonolis, Karen Yulieth
dc.contributor.jury.none.fl_str_mv Tovar Falon, Roger de Jesús
Meledez Surmay, Rafael
dc.subject.proposal.none.fl_str_mv Análisis funcional
Funciones base
Regresión funcional
Series de tiempo
ARIMA
PM2.5
PM10
IPC
topic Análisis funcional
Funciones base
Regresión funcional
Series de tiempo
ARIMA
PM2.5
PM10
IPC
Functional analysis
Base functions
Functional regression
Time series
dc.subject.keywords.none.fl_str_mv Functional analysis
Base functions
Functional regression
Time series
description El propósito de esta investigación fue presentar la teoría estadística empleada para el análisis de datos funcionales a través de una revisión exhaustiva de la literatura. Además, se demostró su aplicación en datos concretos relacionados con la calidad del aire en Santiago de Chile y los índices de precios al consumidor en Colombia. El análisis de datos funcionales permite capturar la dinámica y estructura de dependencia de los datos, a diferencia de los métodos tradicionales que se basan en observaciones discretas. Las bases de Fourier y Spline fueron los dos métodos utilizados para las bases de funciones. Para cada aplicación, se seleccionó la base que permitió un ajuste de datos más efectivo, teniendo en cuenta un menor error cuadrático medio (RMS). Además, para demostrar un posible complemento entre estas dos metodologías, se presenta una introducción de algunas técnicas de series temporales para modelar la dinámica de los datos junto con los procedimientos de análisis de datos funcionales. Los resultados de estos métodos muestran resultados significativos sobre los índices de precios al consumidor y la calidad del aire. En Santiago de Chile, las concentraciones de PM2.5 y PM10 superan los límites recomendados por la OMS debido a las fuentes locales de contaminantes y los cambios estacionales. Por otro lado, se puede observar en la base de datos de la inflación en Colombia que durante los años 2016 y 2017 el país experimentó su nivel más alto de inflación. El análisis de regresión funcional muestra patrones interesantes en la variación del PM10 a lo largo del tiempo. El análisis de series de tiempo muestra una disminución en los niveles de PM2.5 en Santiago de Chile para diciembre de 2016. El análisis estadístico mejora con la integración de estas dos técnicas en los datos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-07-12T14:04:55Z
dc.date.available.none.fl_str_mv 2024-07-12T14:04:55Z
dc.date.issued.none.fl_str_mv 2024-07-11
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.none.fl_str_mv Text
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unicordoba.edu.co/handle/ucordoba/8382
dc.identifier.instname.none.fl_str_mv Universidad de Córdoba
dc.identifier.repourl.none.fl_str_mv https://repositorio.unicordoba.edu.co
url https://repositorio.unicordoba.edu.co/handle/ucordoba/8382
https://repositorio.unicordoba.edu.co
identifier_str_mv Universidad de Córdoba
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] Ramsay, J. O., & Silverman, B. W. (2005). Functional data analysis (2nd ed.). Springer.
[2] Ramsay, J. O., & Dalzell, C. J. (1991). Some tools for functional data analysis. Journal of the Royal Statistical Society: Series B (Methodological), 53(3), 539- 572. https://www.jstor.org/stable/2345586
[3] Calderón, J. (2021). Estudio Demográfico: Análisis de Datos Funcionales (ADF) Aplicado a las Principales Causas de mortalidad en el ecuador 1997 − 2021.
[4] Calcetero, S. (2017). Análisis estadístico de datos funcionales y su aplicación en el estudio del PM10 en Bogotá, Colombia. Tesis de maestría, Universidad. Repositorio institucional.
[5] Organización Mundial de la Salud.(2016). Contaminación del aire. https://www.paho.org/es/temas/calidad-aire
[6] Organización Mundial de la Salud. (2022). Contaminación del aire ambiente (exterior). https://www.who.int/es/news-room/fact-sheets/detail/ambient- (outdoor)-air-quality-and-health
[7] Faster Capital.(sf). Compresión del índice de precios al consumidor y su papel en la medición de la inflación. https://fastercapital.com/es/contenido/Comprension-del-indice-de-preciosal- consumidor-y-su-papel-en-la-medicion-de-la-inflacion.html
[8] Navarro, V. (2004). Análisis de Datos Funcionales Implementación y Aplicación.
[9] Kokoszka,P & Reimherr,P.(2018). Introduction to Functional Data Analysis. 1ª ed.
[10] Ramsay, J. (1982). When the data are functions. Psychometrika 47, 379–396.
[11] Grenander.(1950). Procesos estocásticos e inferencia estadística. Arkiv para Matematik, 1(3), 195-277.
[12] Rao, C.R. (1958). Some statistical methods for comparison of growth curves. Biometrics, 14, 1–17.
[13] Wang, D., Zhong, Z., Bai, K., & He, L. (2019). Spatial and Temporal Variabilities of PM2.5 Concentration in China Using Functional Data Analysis.
[14] Gómez, C., Montejo, O., & Moreno, A. (2022). Un vistazo a las transacciones desde el análisis de datos funcionales. Comunicaciones En Estadística, 15(1), 48–77.
[15] Plazola, R. (2013). Monitoreo de datos funcionales. Tesis de maestría, Centro de Investigación en Matemáticas, AC, México.
[16] Murillo, L. (2021). Estudio de la evolución mundial del Covid-19 mediante análisis de datos funcionales. Tesis de maestría, universidad de granada.
[17] Aristizabal, J. (2011). Metodología estadística para el análisis de datos funcionales cerebrales: Una aproximación con potenciales evocados. Tesis de maestría, universidad nacional.
[18] Ramsay, J. O., Hooker, G., & Graves, S. (2009). Functional data analysis with R and MATLAB. Springer. https://doi.org/10.1007/978-0-387-98185-7
[19] Ferraty, F., & Vieu, P. (2006). Nonparametric Functional Data Analysis: Theory and Practice. Springer.
[20] Marrero, I. (2011). Espacios de Hilbert. Universidad de la Laguna.
[21] Kokoszka, P. & Reimherr, M. (2017). Inference for Functional Data with Applications. Chapman Hall/CRC Tests in Statistical Science.
[22] Hsing, T., & Eubank, R. (2015). Theoretical foundations of functional data analysis, with an introduction to linear operator. Wiley Series in Probability and Statistics.
[23] Horváth, L & Kokoszka, P.(2012). Introduction to Functional Data Analysis. Springer - Verlag,New York.
[24] Rencher, A.C.(1998). Multivariante Statistical Inference and Applications. Springer - Verlag.
[25] Boor, C. (2001) A practical guide to Spline. New York, Springer - Velarg.
[26] Paley, C., & Wiener, N. (1934). Fourier transforms in the complex domain. Collaq Publ, 19. AMS, New York.
[27] Ramsay, J., & Silverman, B. (2002). Applied functional analysis. Springer-Verlag.
[28] Comisión Nacional del Medio Ambiente. (2003). Norma de Calidad Primaria de Aire para Partículas Totales en Suspensión (PTS) [Norma]. Diario Oficial.
[29] Sistema de Información Nacional de Calidad del Aire. (s.f.) https://sinca.mma.gob.cl
[30] Ministerio del Medio Ambiente. (2023). Normativa aplicable - Sistema de Información Nacional de Calidad del Aire. https://sinca.mma.gob.cl/index.php/pagina/index/id/norma
[31] Air Quality Standards. (2023). https://www3.epa.gov/ttncatc1/cica/airqs.html
[32] Matus, P., & Lucero, R. (2002). Norma Primaria de la calidad del Aire. Revista Chilena de Enfermedades Respiratorias, 18, 112-122.
[33] Revista Internacional de Contaminación Ambiental. (2017). Estudio sobre la dinámica temporal de material particulado PM10 emitido en Cochabamba, Bolivia. 33(3), 437-448.
[34] Departamento Administrativo Nacional de Estadística. (2009). Índice de Precios al Consumidor, Colección Documentos - Actualización, Núm. 62. Bogotá, DC.
[35] Cue Mancera, A. (2023). Samuelson y la enseñanza de la teoría económica. Análisis Económico, 38(2), 297-324.
[36] Argandoña, A. (1990). El Pensamiento Económico De Milton Friedman. Universidad de Navarra, 20-30.
[37] Torres, T. A. H. (2023). ¿Cómo se calcula la inflación y por qué afecta a los colombianos? El Tiempo. https://www.eltiempo.com/economia/finanzaspersonales/ ipc-2023-como-se-calcula-la-inflacion-y-por-que-afecta-a-losciudadanos- 775784[2]
[38] Banco de la República. (2023). Política monetaria: La estrategia de la inflación objetivo en Colombia. https://www.banrep.gov.co/es/política-monetaria-estrategiainflación- objetivo-Colombia[1]
[39] DANE. (2024). Índice de Precios al Consumidor. https://www.dane.gov.co/index.php/estadisticas-por-tema/precios-ycostos/ indice-de-precios-al-consumidor-ipc[1]
[40] Banco de la República. (2023). Estadísticas económicas. https://totoro.banrep.gov.co/estadisticaseconomicas/[1]
[41] James, G. M., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
[42] Ramsay, J. O., & Silverman, B. W. (2005). Functional Data Analysis. Springer.
[43] Bosq, D. (2000). Linear processes in function spaces: theory and applications. Springer Science Business Media.
[44] Christina, M., Mastrangelo. (1998). Introduction to Time Series. Journal of Quality Technology, 31(1), 128-129. Available from: 10.1080/00224065.1999.11979906.
[45] J., C., Hardin. (1986). Introduction to time series analysis.
[46] Chris, Chatfield. (2002). Analysis of Time Series : An Introduction Ed. 6.
[47] Douglas, C., Montgomery., Cheryl, L., Jennings., Murat, Kulahci., James, R., Broyles., Rachel, T., Johnson., Christopher, J., Rigdon. (2008). Introduction to time series analysis and forecasting : solutions manual to accompany.
[48] Gebhard, Kirchgässner., Jürgen, Wolters. (2006). Introduction and Basics. 1-25. Available from: 10.1007/978-3-540-73291-4-1
[49] García, P. (2021). Variabilidad temporal de los contaminantes del aire PM10 y PM2.5 en el corredor vial Cajicá-Zipaquirá, Cundinamarca Trabajo de grado, Universidad Militar Nueva Granada.
[50] Botia, J. (2009). Análisis de series temporales TIIA, Primer cuatrimestre. Universidad de Murcia.
[51] Sáenz, M. C., Pérez, E., Tobías, A., Saurina, C., Barceló, M. A., & Ballester, F. (1999). Métodos de series temporales en los estudios epidemiológicos sobre contaminación atmosférica. Revista Española de Salud Pública, 73(2).
[52] Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.
[53] Álvarez, P. (2020). Series de tiempo de datos funcionales. Tesis de maestría, Universidad de Santiago de Compostela]. Repositorio Institucional USC.
[54] R Core Team. (2022) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.Rproject. org/.
dc.rights.none.fl_str_mv Copyright Universidad de Córdoba, 2024
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright Universidad de Córdoba, 2024
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Córdoba
dc.publisher.faculty.none.fl_str_mv Facultad de Ciencias Básicas
dc.publisher.place.none.fl_str_mv Montería, Córdoba, Colombia
dc.publisher.program.none.fl_str_mv Estadística
publisher.none.fl_str_mv Universidad de Córdoba
institution Universidad de Córdoba
bitstream.url.fl_str_mv https://repositorio.unicordoba.edu.co/bitstreams/b9eb4de5-e695-44e7-b557-1a6c08aeca0b/download
https://repositorio.unicordoba.edu.co/bitstreams/2b6a44ea-4be0-4df9-aa59-539bea0129fa/download
https://repositorio.unicordoba.edu.co/bitstreams/1ccd50bf-38eb-41c0-9649-ba1959900eaf/download
https://repositorio.unicordoba.edu.co/bitstreams/a14517f9-5095-4cd6-9769-c762f8b4fc4b/download
https://repositorio.unicordoba.edu.co/bitstreams/18888d65-3f43-4e42-bc2d-6bfd3af4c55e/download
https://repositorio.unicordoba.edu.co/bitstreams/f56c3e61-17c9-483c-b524-dbc7809ecdba/download
https://repositorio.unicordoba.edu.co/bitstreams/67e774b9-c760-483a-a635-31cfd13a3ea3/download
bitstream.checksum.fl_str_mv eea1bbce9e2cbdfd16af9845fbbca614
09a9f0f8adccabf3418e7c51690d116a
73a5432e0b76442b22b026844140d683
5923a7055aef367cbd5ae5d7dae63740
6d93d3216dc4a7f5df47d4876fbec4d3
6fee552c4c96b3bea1c42a9ee463b721
d18a4da729e46cac76f3b8d354798048
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Córdoba
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1839636190642307072
spelling Morales Ospina, Victor Hugo264ac3ba-40be-4df4-a246-0f506b568a4d-1Callejas Bonolis, Karen Yulieth394af04b-873b-472f-b35d-7396836b5c54-1Tovar Falon, Roger de Jesúsf013d9f5-035d-4f87-93f3-27700f9dddad-1Meledez Surmay, Rafael2d61f389-c254-4b5e-94ea-f04fc4314c7e-12024-07-12T14:04:55Z2024-07-12T14:04:55Z2024-07-11https://repositorio.unicordoba.edu.co/handle/ucordoba/8382Universidad de Córdobahttps://repositorio.unicordoba.edu.coEl propósito de esta investigación fue presentar la teoría estadística empleada para el análisis de datos funcionales a través de una revisión exhaustiva de la literatura. Además, se demostró su aplicación en datos concretos relacionados con la calidad del aire en Santiago de Chile y los índices de precios al consumidor en Colombia. El análisis de datos funcionales permite capturar la dinámica y estructura de dependencia de los datos, a diferencia de los métodos tradicionales que se basan en observaciones discretas. Las bases de Fourier y Spline fueron los dos métodos utilizados para las bases de funciones. Para cada aplicación, se seleccionó la base que permitió un ajuste de datos más efectivo, teniendo en cuenta un menor error cuadrático medio (RMS). Además, para demostrar un posible complemento entre estas dos metodologías, se presenta una introducción de algunas técnicas de series temporales para modelar la dinámica de los datos junto con los procedimientos de análisis de datos funcionales. Los resultados de estos métodos muestran resultados significativos sobre los índices de precios al consumidor y la calidad del aire. En Santiago de Chile, las concentraciones de PM2.5 y PM10 superan los límites recomendados por la OMS debido a las fuentes locales de contaminantes y los cambios estacionales. Por otro lado, se puede observar en la base de datos de la inflación en Colombia que durante los años 2016 y 2017 el país experimentó su nivel más alto de inflación. El análisis de regresión funcional muestra patrones interesantes en la variación del PM10 a lo largo del tiempo. El análisis de series de tiempo muestra una disminución en los niveles de PM2.5 en Santiago de Chile para diciembre de 2016. El análisis estadístico mejora con la integración de estas dos técnicas en los datos.The purpose of this research was to present the statistical theory used for the analysis of functional data through an exhaustive review of the literature. In addition, its application was demonstrated in specific data related to air quality in Santiago de Chile and consumer price indices in Colombia. Functional data analysis allows us to capture the dynamics and dependency structure of the data, unlike traditional methods that are based on discrete observations. Fourier and Spline bases were the two methods used for function bases. For each application, the base that allowed a more effective data fit was selected, taking into account a lower root mean square (RMS) error. Furthermore, to demonstrate a possible complement between these two methodologies, an introduction of some time series techniques for modeling data dynamics is presented along with functional data analysis procedures. The results of these methods show significant results on consumer price indices and air quality. In Santiago, Chile, concentrations of PM2.5 and PM10 exceed the limits recommended by the who due to local sources of pollutants and seasonal changes. On the other hand, it can be observed in the inflation database in Colombia that during the years 2016 and 2017 the country experienced its highest level of inflation. Functional regression analysis shows interesting patterns in PM10 variation over time. Time series analysis shows a decrease in PM2.5 levels in Santiago, Chile for December 2016. Statistical analysis improves with the integration of these two techniques into the data.ResumenAgradecimientosIntroducción1. Análisis de Datos Funcionales1.1. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1.1. Análisis de datos funcionales (ADF) . . . . . . . . . . . . . . . . . . . . . 41.1.2. Conceptos Básicos del ADF . . . . . . . . . . . . . . . . . . . . . . . . . 41.1.2.1. Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . 41.1.2.2. Elementos aleatorios en el espacio L2 . . . . . . . . . . . . . . . 51.1.2.3. Variable funcional . . . . . . . . . . . . . . . . . . . . . . . . . 51.1.2.4. Medidas descriptivas funcionales . . . . . . . . . . . . . . . . . 61.1.3. Funciones base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.1.3.1. Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.1.3.2. B − Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101.1.3.3. Wavelets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112. Metodología2.1. Fases de la Investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.1.1. Revisión de la literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.1.2. Recopilación y Preprocesamiento de Datos . . . . . . . . . . . . . . . . . 132.1.3. Análisis de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.1.4. Interpretación de Resultados . . . . . . . . . . . . . . . . . . . . . . . . . 142.1.5. Presentación de Resultados . . . . . . . . . . . . . . . . . . . . . . . . . 153. Aplicaciones3.1. Mediciones del PM2.5 y PM10 en Santiago de Chile . . . . . . . . . . . . . . . . 163.1.1. Descripción de la base . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.1.2. PM2.5 y PM10 como un dato funcional . . . . . . . . . . . . . . . . . . . 193.1.3. Análisis descriptivo funcional . . . . . . . . . . . . . . . . . . . . . . . . 193.2. Índices de Precios al Consumidor en Colombia . . . . . . . . . . . . . . . . . . . 263.2.1. Descripción de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.2.2. IPC como un dato funcional . . . . . . . . . . . . . . . . . . . . . . . . . 293.3. Modelos de Regresión Funcional . . . . . . . . . . . . . . . . . . . . . . . . . . . 333.3.1. Modelos de Regresión Funcional Lineal . . . . . . . . . . . . . . . . . . . 343.3.2. Modelos de Regresión Funcional Retardado . . . . . . . . . . . . . . . . . 353.3.3. Modelos lineales funcionales para respuestas escalares . . . . . . . . . . . 353.4. Introducción a las series temporales . . . . . . . . . . . . . . . . . . . . . . . . . 383.4.1. Ajuste, estimación y selección del modelo ARIMA . . . . . . . . . . . . . 423.4.2. Florida ARIMA(1,1,2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433.4.3. Florida ARIMA(2,1,3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443.4.4. Puente Alto ARIMA(1,1,2) . . . . . . . . . . . . . . . . . . . . . . . . . 463.4.5. Las Condes ARIMA(0,1,3) . . . . . . . . . . . . . . . . . . . . . . . . . . 483.4.6. Las Condes ARIMA(2,1,2) . . . . . . . . . . . . . . . . . . . . . . . . . . 494. ConclusionesPregradoEstadístico(a)Monografíasapplication/pdfspaUniversidad de CórdobaFacultad de Ciencias BásicasMontería, Córdoba, ColombiaEstadísticaCopyright Universidad de Córdoba, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis de datos funcionales: teoría y aplicacionesTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionText[1] Ramsay, J. O., & Silverman, B. W. (2005). Functional data analysis (2nd ed.). Springer.[2] Ramsay, J. O., & Dalzell, C. J. (1991). Some tools for functional data analysis. Journal of the Royal Statistical Society: Series B (Methodological), 53(3), 539- 572. https://www.jstor.org/stable/2345586[3] Calderón, J. (2021). Estudio Demográfico: Análisis de Datos Funcionales (ADF) Aplicado a las Principales Causas de mortalidad en el ecuador 1997 − 2021.[4] Calcetero, S. (2017). Análisis estadístico de datos funcionales y su aplicación en el estudio del PM10 en Bogotá, Colombia. Tesis de maestría, Universidad. Repositorio institucional.[5] Organización Mundial de la Salud.(2016). Contaminación del aire. https://www.paho.org/es/temas/calidad-aire[6] Organización Mundial de la Salud. (2022). Contaminación del aire ambiente (exterior). https://www.who.int/es/news-room/fact-sheets/detail/ambient- (outdoor)-air-quality-and-health[7] Faster Capital.(sf). Compresión del índice de precios al consumidor y su papel en la medición de la inflación. https://fastercapital.com/es/contenido/Comprension-del-indice-de-preciosal- consumidor-y-su-papel-en-la-medicion-de-la-inflacion.html[8] Navarro, V. (2004). Análisis de Datos Funcionales Implementación y Aplicación.[9] Kokoszka,P & Reimherr,P.(2018). Introduction to Functional Data Analysis. 1ª ed.[10] Ramsay, J. (1982). When the data are functions. Psychometrika 47, 379–396.[11] Grenander.(1950). Procesos estocásticos e inferencia estadística. Arkiv para Matematik, 1(3), 195-277.[12] Rao, C.R. (1958). Some statistical methods for comparison of growth curves. Biometrics, 14, 1–17.[13] Wang, D., Zhong, Z., Bai, K., & He, L. (2019). Spatial and Temporal Variabilities of PM2.5 Concentration in China Using Functional Data Analysis.[14] Gómez, C., Montejo, O., & Moreno, A. (2022). Un vistazo a las transacciones desde el análisis de datos funcionales. Comunicaciones En Estadística, 15(1), 48–77.[15] Plazola, R. (2013). Monitoreo de datos funcionales. Tesis de maestría, Centro de Investigación en Matemáticas, AC, México.[16] Murillo, L. (2021). Estudio de la evolución mundial del Covid-19 mediante análisis de datos funcionales. Tesis de maestría, universidad de granada.[17] Aristizabal, J. (2011). Metodología estadística para el análisis de datos funcionales cerebrales: Una aproximación con potenciales evocados. Tesis de maestría, universidad nacional.[18] Ramsay, J. O., Hooker, G., & Graves, S. (2009). Functional data analysis with R and MATLAB. Springer. https://doi.org/10.1007/978-0-387-98185-7[19] Ferraty, F., & Vieu, P. (2006). Nonparametric Functional Data Analysis: Theory and Practice. Springer.[20] Marrero, I. (2011). Espacios de Hilbert. Universidad de la Laguna.[21] Kokoszka, P. & Reimherr, M. (2017). Inference for Functional Data with Applications. Chapman Hall/CRC Tests in Statistical Science.[22] Hsing, T., & Eubank, R. (2015). Theoretical foundations of functional data analysis, with an introduction to linear operator. Wiley Series in Probability and Statistics.[23] Horváth, L & Kokoszka, P.(2012). Introduction to Functional Data Analysis. Springer - Verlag,New York.[24] Rencher, A.C.(1998). Multivariante Statistical Inference and Applications. Springer - Verlag.[25] Boor, C. (2001) A practical guide to Spline. New York, Springer - Velarg.[26] Paley, C., & Wiener, N. (1934). Fourier transforms in the complex domain. Collaq Publ, 19. AMS, New York.[27] Ramsay, J., & Silverman, B. (2002). Applied functional analysis. Springer-Verlag.[28] Comisión Nacional del Medio Ambiente. (2003). Norma de Calidad Primaria de Aire para Partículas Totales en Suspensión (PTS) [Norma]. Diario Oficial.[29] Sistema de Información Nacional de Calidad del Aire. (s.f.) https://sinca.mma.gob.cl[30] Ministerio del Medio Ambiente. (2023). Normativa aplicable - Sistema de Información Nacional de Calidad del Aire. https://sinca.mma.gob.cl/index.php/pagina/index/id/norma[31] Air Quality Standards. (2023). https://www3.epa.gov/ttncatc1/cica/airqs.html[32] Matus, P., & Lucero, R. (2002). Norma Primaria de la calidad del Aire. Revista Chilena de Enfermedades Respiratorias, 18, 112-122.[33] Revista Internacional de Contaminación Ambiental. (2017). Estudio sobre la dinámica temporal de material particulado PM10 emitido en Cochabamba, Bolivia. 33(3), 437-448.[34] Departamento Administrativo Nacional de Estadística. (2009). Índice de Precios al Consumidor, Colección Documentos - Actualización, Núm. 62. Bogotá, DC.[35] Cue Mancera, A. (2023). Samuelson y la enseñanza de la teoría económica. Análisis Económico, 38(2), 297-324.[36] Argandoña, A. (1990). El Pensamiento Económico De Milton Friedman. Universidad de Navarra, 20-30.[37] Torres, T. A. H. (2023). ¿Cómo se calcula la inflación y por qué afecta a los colombianos? El Tiempo. https://www.eltiempo.com/economia/finanzaspersonales/ ipc-2023-como-se-calcula-la-inflacion-y-por-que-afecta-a-losciudadanos- 775784[2][38] Banco de la República. (2023). Política monetaria: La estrategia de la inflación objetivo en Colombia. https://www.banrep.gov.co/es/política-monetaria-estrategiainflación- objetivo-Colombia[1][39] DANE. (2024). Índice de Precios al Consumidor. https://www.dane.gov.co/index.php/estadisticas-por-tema/precios-ycostos/ indice-de-precios-al-consumidor-ipc[1][40] Banco de la República. (2023). Estadísticas económicas. https://totoro.banrep.gov.co/estadisticaseconomicas/[1][41] James, G. M., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1[42] Ramsay, J. O., & Silverman, B. W. (2005). Functional Data Analysis. Springer.[43] Bosq, D. (2000). Linear processes in function spaces: theory and applications. Springer Science Business Media.[44] Christina, M., Mastrangelo. (1998). Introduction to Time Series. Journal of Quality Technology, 31(1), 128-129. Available from: 10.1080/00224065.1999.11979906.[45] J., C., Hardin. (1986). Introduction to time series analysis.[46] Chris, Chatfield. (2002). Analysis of Time Series : An Introduction Ed. 6.[47] Douglas, C., Montgomery., Cheryl, L., Jennings., Murat, Kulahci., James, R., Broyles., Rachel, T., Johnson., Christopher, J., Rigdon. (2008). Introduction to time series analysis and forecasting : solutions manual to accompany.[48] Gebhard, Kirchgässner., Jürgen, Wolters. (2006). Introduction and Basics. 1-25. Available from: 10.1007/978-3-540-73291-4-1[49] García, P. (2021). Variabilidad temporal de los contaminantes del aire PM10 y PM2.5 en el corredor vial Cajicá-Zipaquirá, Cundinamarca Trabajo de grado, Universidad Militar Nueva Granada.[50] Botia, J. (2009). Análisis de series temporales TIIA, Primer cuatrimestre. Universidad de Murcia.[51] Sáenz, M. C., Pérez, E., Tobías, A., Saurina, C., Barceló, M. A., & Ballester, F. (1999). Métodos de series temporales en los estudios epidemiológicos sobre contaminación atmosférica. Revista Española de Salud Pública, 73(2).[52] Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.[53] Álvarez, P. (2020). Series de tiempo de datos funcionales. Tesis de maestría, Universidad de Santiago de Compostela]. Repositorio Institucional USC.[54] R Core Team. (2022) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.Rproject. org/.Análisis funcionalFunciones baseRegresión funcionalSeries de tiempoARIMAPM2.5PM10IPCFunctional analysisBase functionsFunctional regressionTime seriesPublicationORIGINALAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdfAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdfapplication/pdf1765052https://repositorio.unicordoba.edu.co/bitstreams/b9eb4de5-e695-44e7-b557-1a6c08aeca0b/downloadeea1bbce9e2cbdfd16af9845fbbca614MD51Autorización.pdfAutorización.pdfapplication/pdf364933https://repositorio.unicordoba.edu.co/bitstreams/2b6a44ea-4be0-4df9-aa59-539bea0129fa/download09a9f0f8adccabf3418e7c51690d116aMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-815543https://repositorio.unicordoba.edu.co/bitstreams/1ccd50bf-38eb-41c0-9649-ba1959900eaf/download73a5432e0b76442b22b026844140d683MD53TEXTAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdf.txtAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdf.txtExtracted texttext/plain101863https://repositorio.unicordoba.edu.co/bitstreams/a14517f9-5095-4cd6-9769-c762f8b4fc4b/download5923a7055aef367cbd5ae5d7dae63740MD54Autorización.pdf.txtAutorización.pdf.txtExtracted texttext/plain6https://repositorio.unicordoba.edu.co/bitstreams/18888d65-3f43-4e42-bc2d-6bfd3af4c55e/download6d93d3216dc4a7f5df47d4876fbec4d3MD56THUMBNAILAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdf.jpgAnàlisis de Datos Funcionales Teoria y Aplicaciones.pdf.jpgGenerated Thumbnailimage/jpeg6670https://repositorio.unicordoba.edu.co/bitstreams/f56c3e61-17c9-483c-b524-dbc7809ecdba/download6fee552c4c96b3bea1c42a9ee463b721MD55Autorización.pdf.jpgAutorización.pdf.jpgGenerated Thumbnailimage/jpeg13291https://repositorio.unicordoba.edu.co/bitstreams/67e774b9-c760-483a-a635-31cfd13a3ea3/downloadd18a4da729e46cac76f3b8d354798048MD57ucordoba/8382oai:repositorio.unicordoba.edu.co:ucordoba/83822024-07-13 03:01:25.301https://creativecommons.org/licenses/by-nc-nd/4.0/Copyright Universidad de Córdoba, 2024open.accesshttps://repositorio.unicordoba.edu.coRepositorio Universidad de Córdobabdigital@metabiblioteca.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

Publicaciones similares