Simulación de datos a partir de estimaciones por metodo de kernel

Ponente(s): Juan Antonio Vazquez Morales, Dra. Hortensia Reyes Cervantes Dr. Bulmaro Juárez Hernández

En muchas áreas del conocimiento existen falta de información en las bases de datos debido a diversos factores como son, la pérdida de datos, ya no se cuenta con el apoyo económico, los individuos han muerto o se cambiaron de sitio geográfico, o el sistema se descompuso o se saturaron los dispositivos de medición, etc. Es un problema real y muy común en las investigaciones reales, la pérdida de información dependiendo de la cantidad de información puede afectar a las investigaciones y puede impedir la validez de las estimaciones. Por otro lado, el método kernel utiliza un conjunto de datos que provienen de una distribución continua, univariada y desconocida para aproximar esta función. Los kernels son funciones que se asocian a cada uno de los datos. Entonces, la suma ponderada de estas funciones es un estimador para aproximar la función de densidad desconocida. Así, se da a la tarea de desarrollar la metodología en la cual se usen las estimaciones por método kernel para completar los datos faltantes de las bases de datos, de tal manera que concuerden lo mejor posible con los datos observados.