Modelos estadísticos para el pronóstico de la producción de arroz en Colombia / John Alexander González Galindo, Juan David Romero Garzón; Asesor de Tesis Edgar Andrés Bernal Castro
By: González Galindo, John Alexander [autor].
Contributor(s): Bernal Castro, Edgar Andrés [Asesor de tesis] | Romero Garzón, Juan David [autor].
Neiva: Universidad Surcolombiana; 2024Description: 1 CD-ROM (86 páginas); diagramas, tablas o cuadros; 2024.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Especialización en Estadística -- Modelos estadísticos | Producción de arroz -- Software estadístico PythonDDC classification: Th EE 073Item type | Current location | Collection | Call number | Copy number | Status | Date due | Barcode | Item holds |
---|---|---|---|---|---|---|---|---|
e-Tesis | Biblioteca Central | Tesis y Trabajos de Grado | Th EE 073 (Browse shelf) | Ej.1 | Available | 900000027943 | ||
e-Tesis | Biblioteca Central | Tesis y Trabajos de Grado | Th EE 073 (Browse shelf) | Ej.2 | Available | 900000027944 |
Tesis Especialista en Estadística Universidad Surcolombiana. Facultad de Ciencias Exactas y Naturales. Especialización en Estadística. 2024
Introducción -- Planteamiento del problema -- Fundamento teórico, origen, antecedentes y actualidad, modelos de regresión lineal para el estudio de producción de cultivos, modelo de regresión logarítmica, series de tiempo -- Objetivos, general, específicos -- Hipótesis y variables, hipótesis, variables -- Definición de términos centrales -- Alcances, alcances, limitaciones -- Diseño metodológico, enfoque de investigación, diseño estadístico, población de estudio, diseño muestral, instrumentos y materiales, procesos de recolección de los datos, sistematización de la información -- Resultados -- Conclusiones/recomendaciones
"Este proyecto se enfoca en el análisis y pronóstico de la producción de arroz en Colombia durante el período 2010-2021. Utilizando modelos estadísticos avanzados, como la regresión lineal múltiple, logarítmica y los modelos de series temporales (incluyendo ARIMA), se busca identificar patrones históricos y proyectar la producción futura de arroz. Los datos fueron procesados y analizados con la ayuda de software estadísticos como Python y R, permitiendo una evaluación precisa y detallada de las tendencias en la producción de arroz. Se espera que estas predicciones puedan apoyar la toma de decisiones en el sector agrícola, contribuyendo a una planificación más informada y eficiente en la producción de arroz en Colombia."
There are no comments for this item.