Los autores pueden autorizar al público en general a reutilizar sus obras únicamente con fines no lucrativos, los lectores pueden usar una obra para generar otra obra, siempre y cuando se dé el crédito de investigación y, otorgan a la editorial el derecho de publicar primero su ensayo bajo los términos de la licencia CC BY-NC 4.0.
Estadística paramétrica y no paramétrica: Aplicaciones en inteligencia artificial y machine learning
Autores:
María del Pilar Ríos García, Blanca Flor Robles Pastor, Maria Peregrina Cruzado Vallejos, Mariel del Rocío Chotón Calvo, Oscar Antonio Robles Villanueva, Julio Mariano Chávez Milla
ISBN: 978-9915-698-24-3*
ARK: ark:/10951/isbn.9789915698243
DOI: https://doi.org/10.17613/88687-jz738
«…Los métodos paramétricos, como su nombre indica, dependen de un número limitado de parámetros que describen la población de datos. Esto simplifica el análisis, ya que estos métodos pueden ser más rápidos y requieren menos datos para estimar los parámetros. Por ejemplo, en modelos de regresión lineal, se asume que la relación entre las variables es lineal y que los errores siguen una distribución normal. Esta simplificación permite realizar inferencias más fácilmente y es recomendable cuando se cumplen los supuestos subyacentes. Por otro lado, los métodos no paramétricos son más flexibles, ya que no asumen ninguna forma específica de la distribución de los datos. Por lo que se adaptan mejor a una variedad de situaciones, especialmente cuando se trabaja con datos no estructurados o en contextos donde los supuestos paramétricos no son válidos. Sin embargo, esta flexibilidad puede venir a costa de una mayor complejidad computacional y la necesidad de un mayor volumen de datos para obtener resultados fiables…»
María del Pilar Ríos García
*Introduzca la URL en su navegador «http://isbn.bibna.gub.uy/» y busque libros por ISBN.
Publicado: 08/08/2025
Origen: Colonia, Colonia, Uruguay
Catálogo ISBN – Uruguay: 978-9915-698-24-3*
