Redes neuronales artificiales a partir de la función de supervivencia de Kaplan-Meier

Marianela Luzardo B., Georges J. Chediak, Rafael E. Borges P.

Resumen


Hoy en día, las aplicaciones estadísticas computacionales incluyen módulos con técnicas avanzadas para el desarrollo de modelos que permiten simular el comportamiento de variables claves en la organización. El análisis de confiabilidad, o análisis de supervivencia, se define como un conjunto de técnicas que se encargan de analizar el tiempo transcurrido desde el origen bien definido hasta la ocurrencia de un evento de interés previamente establecido; a su vez, una red neuronal artificial (RNA) puede ser definida como un modelo matemático cuya construcción se lleva a cabo mediante un proceso que imita el funcionamiento de las redes neuronales biológicas, y puede ser usada para modelar fenómenos que involucran alguna respuesta que depende de algún conjunto de factores. Esta investigación aborda el análisis de supervivencia con técnicas de inteligencia artificial con la finalidad de estimar a partir de una RNA la función de supervivencia de Kaplan-Meier. Los resultados demuestran que los modelos de redes neuronales artificiales permiten el manejo de datos de supervivencia sin necesidad de imponer supuestos de partida en los mismos. Así, queda evidenciado el potencial de las RNApara evaluar la información parcial proveniente de un conjunto de datos censurados de supervivencia.


Palabras clave


Confiabilidad; Kaplan-Meier; redes neuronales artificiales

Texto completo:

PDF

Enlaces refback

  • No hay ningún enlace refback.


Depósito Legal Electrónico 201202ME4097  E-ISSN 2244-8772

Creative Commons License
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.