Análisis y programación de la similaridad de Israel Lerman entre variables binarias
El análisis estadístico implicativo es una técnica de minería de datos que se ha desarrollado con el propósito de abordar problemas en el campo de la didáctica de las matemáticas. Esta técnica se basa en la inteligencia artificial y el álgebra booleana para formar la relación de cuas-implicación ent...
Zapisane w:
| 1. autor: | |
|---|---|
| Format: | bachelorThesis |
| Język: | spa |
| Wydane: |
2024
|
| Hasła przedmiotowe: | |
| Dostęp online: | https://dspace.espoch.edu.ec/handle/123456789/25190 |
| Etykiety: |
Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!
|
Dodaj etykietę | Streszczenie: | El análisis estadístico implicativo es una técnica de minería de datos que se ha desarrollado con el propósito de abordar problemas en el campo de la didáctica de las matemáticas. Esta técnica se basa en la inteligencia artificial y el álgebra booleana para formar la relación de cuas-implicación entre eventos y variables dentro de un conjunto de datos. Por ello el presente trabajo tuvo por objetivo programar la similaridad de Israel Lerman entre variables binarias mediante Python para su automatización. Utilizando una metodología con un enfoque de tipo cuantitativa, correlacional, transversal, correlacional por que se aplicara un análisis estadístico implicativo la cual es una técnica estadística no para métrica la cual analiza la relación entre variables de tipo categóricas y según el periodo temporal será transversal ya que no se siguió al individuo dentro del lapso del estudio. Esto se logró mediante la Algoritmización de la teoría y la programación de los cálculos en Python, seguido de una comparación de los resultados obtenidos con los de Rchic. Obteniendo como resultados, la programación realizada en Python demostró una alta efectividad: 100 % en el cálculo de matrices de nivel 0, 90 % en la creación y clasificación de matrices de niveles mayores a 0. Esto resultó en una efectividad general del 95 % en comparación con Rchic. Concluyendo que la aplicación Pchic en Python proporciona una versión más precisa del cálculo de la similaridad de Israel Lerman respecto a otras investigaciones. Significa que los usuarios no necesariamente serán estadísticos también profesionales de otras áreas que optan por Python como su lenguaje de programación pueden hacer uso de esta herramienta. |
|---|