Inferencia en MDS y su tratamiento computacional

Resumen

EN ESTA MEMORIA SE PROPONE UNA EXTENSION DEL MODELO DE RAMSAY BAJO DOS PUNTOS DE VISTA CLARAMENTE DIFERENCIABLES; POR UN LADO EN CUANTO A LA DISTRIBUCION INICIAL DE LOS DATOS Y POR OTRO EN CUANTO A LA MODELIZACION DE LA ESTRUCTURA DE LA VARIANZA, EN ESTAS CONDICIONES, SE PROPONE CONSIDERAR COMO DISTRIBUCION INICIAL DE LOS DATOS DE DISIMILARIDAD, LA DISTRIBUCION LOGNORMAL TRIPARAMETRICA, LA CUAL APARTE DE MODELIZAR CORRECTAMENTE LOS DATOS DE DISIMILARIDAD QUE ESTAMOS ANALIZANDO, REFLEJA LA POSIBILIDAD DE MANEJAR DATOS DE DISIMILARIDAD QUE PUEDAN SER NEGATIVOS ASI COMO TENER ORIGEN INDETERMINADO. TAMBIEN SE PLANTEAN ALGUNAS ALTERNATIVAS A LA DEPENDENCIA DEL PARAMETRO DE LOCALIZACION COMO ES SU CONSIDERACION CONSTANTE O DEPENDIENTE UNICAMENTE DE LOS INDIVIDUOS ESTUDIADOS. OTRO RASGO IMPORTANTE A DESTACAR DEL MODELO QUE PROPONEMOS ESTRIBA EN LA CONSIDERACION DE LA VARIANZA COMO DEPENDIENTE, NO SOLO DE LOS INDIVIDUOS Y DE LOS ESTIMULOS, SINO TAMBIEN DE LAS REPLICAS REALMENTE OBSERVADAS. ESTA FORMA DE ESTRUCTURAR LA VARIABILIDAD DEL MODELO VIENE DADA POR LA NECESIDAD DE CONTROLAR TANTO LA PARTE DEBIDA A LOS INDIVIDUOS COMO LA PARTE DEBIDA AL PAR DE ESTIMULOS ASI COMO AÑADIR UNA NUEVA COMPONENTE DE VARIABILIDAD QUE INDICARA LA PARTE DE LA DISPERSION ASOCIADA A CADA REPLICA, INTERPRETANDO ESTA ULTIMA DE MODO QUE, SI SU VALOR ES ALTO, PODRIA INDICAR QUE LA MATRIZ DE COEFICIENTES DE DISIMILARIDAD ASOCIADA DEBERIA SER REPLANTEADA PARA EL ANALISIS. FINALMENTE, LA COMPONENTE DE VARIABILIDAD DEBIDA AL PAR DE ESTIMULOS SE DESCOMPONE A SU VEZ Y DE FORMA SIMULTANEA EN DOS ESTRUCTURAS. AMBAS PRETENDEN MODELIZAR LA VARIABILIDAD DEBIDA A LOS INDIVIDUOS MEDIANTE UN MODELO ADITIVO Y UNO MULTIPLICATIVO, EN LA LINEA DE LA ESTRUCTURA DE UN MODELO LOGNORMAL.