Please use this identifier to cite or link to this item: http://hdl.handle.net/2445/171924
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorBesalú, Mireia-
dc.contributor.authorMena Guix, Silvia-
dc.date.accessioned2020-11-11T12:23:04Z-
dc.date.available2020-11-11T12:23:04Z-
dc.date.issued2020-06-
dc.identifier.urihttp://hdl.handle.net/2445/171924-
dc.descriptionTreballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2019-2020. Tutor: Mireia Besalú Mayolca
dc.description.abstract[cat] La necessitat d’identificar característiques que ens permetin diferenciar dos o més grups cada cop és més freqüent. L’anàlisi discriminant consisteix a analitzar aquestes característiques que ajuden a la classificació de dos o més grups. L’objectiu d’aquest estudi és arribar a una bona classificació d’una base de dades que té com a observacions les reserves d’un complex hoteler diferenciat en tres seccions diferents. Aquestes tres seccions de l’hotel seran els nostres grups de la variable dependent. Els mètodes de classificació amb els quals volem aconseguir una assignació correcta de reserves noves són l’anàlisi discriminant lineal, l’anàlisi discriminant quadràtic i l’anàlisi k-nn veïns més pròxims. Seguidament validarem aquests resultats estudiant la capacitat predictiva. D’aquesta forma arribarem a veure amb quin mètode obtenim la taxa d’encerts de classificació més elevada.ca
dc.description.abstract[eng] The necessity of identifying characteristics that allow us to distinguish two or more groups of individuals is becoming more common. The discriminant analysis consists in analyze these characteristics that you can use at the time of classifying in two or more groups. The goal of this study is to get a good classification of a data base that contain observations of reservations of a hotel complex differentiated in three different sections. These sections will be the groups of our dependent variable. The classification methods with which we want to achieve the classification are linear discriminant analysis, quadratic discriminant analysis and k-nn nearest neighboring analysis. Then, we will validate these results by studying the predictive ability of those methods. In this way, we will be able to see with which method we obtain the highest success rate of classification.ca
dc.format.extent92 p.-
dc.format.mimetypeapplication/pdf-
dc.language.isocatca
dc.rightscc by-nc-nd (c) Mena Guix, 2020-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.sourceTreballs Finals de Grau (TFG) - Estadística UB-UPC-
dc.subject.classificationAnàlisi discriminant-
dc.subject.classificationAnàlisi multivariable-
dc.subject.classificationEstadística-
dc.subject.classificationTreballs de fi de grau-
dc.subject.otherDiscriminant analysis-
dc.subject.otherMultivariate analysis-
dc.subject.otherStatistics-
dc.subject.otherBachelor's theses-
dc.titleEstudi de classificació a partir de tècniques discriminantsca
dc.typeinfo:eu-repo/semantics/bachelorThesisca
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessca
Appears in Collections:Treballs Finals de Grau (TFG) - Estadística UB-UPC

Files in This Item:
File Description SizeFormat 
TFG_SilviaMena.pdf4.3 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons