| dc.contributor.advisor | Rabelo, Luis Carlos | |
| dc.contributor.author | Gómez Barrera, Mónica Andrea | |
| dc.date.accessioned | 2021-01-26T17:26:54Z | |
| dc.date.available | 2021-01-26T17:26:54Z | |
| dc.date.issued | 2020-10-28 | |
| dc.identifier.uri | http://hdl.handle.net/10818/46535 | |
| dc.description | 80 páginas | es_CO |
| dc.description.abstract | Las microempresas son todas aquellas empresas cuyos activos se encuentran por debajo de los 500 SMMLV (es decir 414 millones de pesos colombianos para el año 2019) y un número inferior a los diez trabajadores, según definición dada por la Ley 590 de 2000 (Colombia, 2000). En América Latina y en Colombia, estas empresas son muchas veces una estrategia de autoempleo; algunas de las razones que afectan su competitividad son, la falta de financiamiento, dificultad de acceso a los mercados y limitada mano de obra calificada (CEPAL, 2015). La ingeniería analítica es según el IISE, Institute of Industrial and Systems Engineers, por sus siglas en inglés, “El proceso de aprovechamiento de los datos en información procesable” (IISE, 2019) de manera que su adaptación para este caso en particular, nos permita llegar a conclusiones acerca de las variables financieras que predicen el fracaso empresarial de las microempresas en Colombia. | spa |
| dc.format | application/pdf | es_CO |
| dc.language.iso | spa | es_CO |
| dc.publisher | Universidad de La Sabana | es_CO |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.source | instname:Universidad de La Sabana | es_CO |
| dc.source | reponame:Intellectum Repositorio Universidad de La Sabana | es_CO |
| dc.subject.other | Fracaso empresarial | |
| dc.title | Ingeniería analítica para la predicción de fracaso de las microempresas en Colombia | es_CO |
| dc.type | masterThesis | es_CO |
| dc.type.hasVersion | publishedVersion | es_CO |
| dc.rights.accessRights | openAccess | es_CO |
| dc.subject.armarc | Microempresas -- Administración -- Colombia | spa |
| dc.subject.armarc | Competencia económica | spa |
| dc.subject.armarc | Planificación empresarial | spa |
| dc.subject.armarc | Finanzas | spa |
| dcterms.references | Alifiah, M. N. (2014). Prediction of Financial Distress Companies in the Trading and Services Sector in
Malaysia Using Macroeconomic Variables. Procedia - Social and Behavioral Sciences, 129, 90-98.
https://doi.org/https://doi.org/10.1016/j.sbspro.2014.03.652 | eng |
| dcterms.references | Altman, E. (1968). Financial Ratios, Discriminan Analysis and the prediction of Corporate Bankruptcy. The
journal of Finance, 23(4), 568-609. Recuperado de http://www.jstor.org/stable/pdf/2978933.pdf | eng |
| dcterms.references | Altman, E. I. (2000). PREDICTING FINANCIAL DISTRESS OF COMPANIES: REVISITING THE Z-SCORE AND ZETA ® MODELS Predicting Financial Distress of Companies: Revisiting the Z-Score and ZETA ® Models
Background. Recuperado de http://pages.stern.nyu.edu/~ealtman/Zscores.pdf | eng |
| dcterms.references | Altman, E., Iwanicz-Drozdowska, M., Laitinen, E. K., & Suvas, A. (2017). Financial Distress Prediction in an
International Context: A Review and Empirical Analysis of Altman’s Z-Score Model. Journal of
International Financial Management and Accounting, 28(2), 131-171.
https://doi.org/10.1111/jifm.12053 | eng |
| dcterms.references | ANIF. (2019). La inclusión financiera de las MIPYME en Colombia | Anif. Recuperado 29 de febrero de
2020, de http://www.anif.co/Biblioteca/politica-fiscal/la-inclusion-financiera-de-las-mipyme-encolombia | spa |
| dcterms.references | Au, T. C. (2018). Random Forests, Decision Trees, and Categorical Predictors: The «Absent Levels» Problem.
Journal of Machine Learning Research (Vol. 19). Recuperado de https://www.stat.berkeley.edu/ | eng |
| dcterms.references | Bae, J. K. (2012). Predicting financial distress of the South Korean manufacturing industries. Expert Systems
With Applications, 39(10), 9159-9165. https://doi.org/10.1016/j.eswa.2012.02.058 | eng |
| dcterms.references | BANREP. (2018). Salarios | Banco de la República (banco central de Colombia). Recuperado 20 de abril de
2018, de http://www.banrep.gov.co/es/mercado-laboral/salarios | spa |
| dcterms.references | Beaver, W. H. (1966). Financial Ratios As Predictors of Failure. Source Journal of Accounting Research
Empirical Research in Accounting: Selected Studies, 4, 71-111. Recuperado de
http://www.jstor.org/stable/2490171 | eng |
| dcterms.references | Breiman, L. (2001). RANDOM FOREST. Scimago Journal & Country Rank. Recuperado de
https://www.stat.berkeley.edu/~breiman/randomforest2001.pdf | eng |
| dcterms.references | Calvo, D. (2017). Clasificación de redes neuronales artificiales. Recuperado 31 de mayo de 2020, de
http://www.diegocalvo.es/clasificacion-de-redes-neuronales-artificiales | spa |
| dcterms.references | Caro, N. P. (2016). Predicción del Fracaso Empresarial en empresas de Argentina, Chile y Perú a través de
indicadores contables., 130-147. | spa |
| dcterms.references | Castaño, Horacio, Perez, F. (2007). Las Redes Neuronales y la Evaluación del Riesgo de Crédito. Revista
Ingenierias Universidad de Medellin, 6(10) | spa |
| dcterms.references | CEPAL. (2015). Reflexiones acerca del desarrollo de las Mipyme. | spa |
| dcterms.references | Chauhan, N., Ravi, V., & Karthik Chandra, D. (2009). Differential evolution trained wavelet neural networks:
Application to bankruptcy prediction in banks. Expert Systems With Applications, 36, 7659-7665.
Recuperado de http://10.0.3.248/j.eswa.2008.09.019 | eng |
| dcterms.references | Colombia, C. de la R. de. (2000). Ley 590 de 2000. | spa |
| dcterms.references | Confecamaras. (2016). Nacimiento y supervivencia de las empresas en Colombia. Recuperado de http://www.confecamaras.org.co/phocadownload/Cuadernos_de_analisis_economico/Cuaderno_
de_Anаlisis_Economico_N_11.pdf | spa |
| dcterms.references | Confecamaras. (2017). Determinantes del crecimiento acelerado de las empresas. Red de cámaras de
comercio, 5-21. Recuperado de
http://www.confecamaras.org.co/phocadownload/Cuadernos_de_analisis_economico/Cuaderno_
de_Anаlisis_Economico_N_13.pdf | spa |
| dcterms.references | Consejo privado de Competitividad. (2017). Competitividad del sector agropecuario colombiano.
Recuperado de https://compite.com.co/wp-content/uploads/2017/05/208Agro.pdf | spa |
| dcterms.references | Creus, T. (2000). CENTRE METAL·LÚRGIC EL ANÁLISIS DE LA EMPRESA A TRAVÉS DE LOS RATIOS.
Recuperado de http://www.centrem.cat/ecomu/upfiles/publicacions/analisi.pdf | spa |
| dcterms.references | Cruz, E. A., Espinosa, J., & Aristizabal, S. (2014). Modelo para la medicion del riesgo de insolvencia
empresarial: PYME de Colombia, un caso de estudio. Entre Ciencia e Ingenieria, 16. Recuperado de
https://login.ez.unisabana.edu.co/login?url=https://search.ebscohost.com/login.aspx?direct=true&
db=edsgii&AN=edsgcl.455782852&lang=es&scope=site | spa |
| dcterms.references | DANE. (2012). Clasificaciòn Industrial Internacional Uniforme de todas las actividades Econòmicas.
Recuperado de https://www.dane.gov.co/files/nomenclaturas/CIIU_Rev4ac.pdf | spa |
| dcterms.references | DANE. (2016). Gran Encuesta Integrada de Hogares 2016. | spa |
| dcterms.references | DANE, D. N. de E. (2009). Encuesta Anual Manufacturera 2009. | spa |
| dcterms.references | De Llano Monelos, P., Piñeiro Sanchez, C., & Rodriguez Lopez, M. (2016). Predicción del fracaso
empresarial . Una contribución a la síntesis de una teoría mediante el análisis comparativo de
distintas técnicas de predicción * Resumen, 43, 163-199. | spa |
| dcterms.references | Dirección de Gestión y Transformación del Conocimiento. (2019). Causa de liquidación de las empresas
2018. Recuperado de https://bibliotecadigital.ccb.org.co/bitstream/handle/11520/22862/Causas de
liquidación de las empresas en Bogotá 2018.pdf?sequence=1&isAllowed=y | spa |
| dcterms.references | Duarte, M. (2019). Indicadores Financieros que denotan el Fracaso Empresarial en las Mipymes Bogotanas
del sector Servicios. Recuperado de http://bdigital.unal.edu.co/73631/1/1032433125.2019.pdf | spa |
| dcterms.references | Edmister, R. O. (1972). An Empirical Test of Financial Ratio Analysis for Small Business Failure Prediction.
Source: The Journal of Financial and Quantitative Analysis, 7(2), 1477-1493. Recuperado de
http://www.jstor.org/stable/2329929 | eng |
| dcterms.references | El pais. (2019). «Informalidad supera el 86% en el campo»: Presidente de la SAC. Recuperado 1 de febrero
de 2020, de https://www.elpais.com.co/economia/informalidad-supera-el-86-en-el-campopresidente-de-la-sac.html | spa |
| dcterms.references | Escandon, Diana, Hurtado, A. (2017). El compromiso exportador en Colombia : un análisis de redes
neuronales Export Commitment in Colombia : An Analysis of Neural Networks, (24), 362-388. | spa |
| dcterms.references | Espinosa, F. R., Molina, Z. A. M., & Vera-Colina, M. A. (2015). Fracaso empresarial de las pequeñas y
medianas empresas (pymes) en Colombia. Suma de Negocios, 6(13), 29-41.
https://doi.org/https://doi.org/10.1016/j.sumneg.2015.08.003 | spa |
| dcterms.references | Fedorova, E., Gilenko, E., & Dovzhenko, S. (2013). Bankruptcy prediction for Russian companies:
Application of combined classifiers. Expert Systems with Applications, 40, 7285-7293.
https://doi.org/10.1016/j.eswa.2013.07.032 | eng |
| dcterms.references | Finishtya, F. C. (2019). THE ROLE OF CASH FLOW OF OPERATIONAL, PROFITABILITY, AND FINANCIAL
LEVERAGE IN PREDICTING FINANCIAL DISTRESS ON MANUFACTURING COMPANY IN INDONESIA.
JURNAL APLIKASI MANAJEMEN, 17(1), 110-117. https://doi.org/10.21776/ub.jam.2019.017.01.12 | eng |
| dcterms.references | Franco Sepúlveda, G., Velilla, D. A., & Velez, I. E. (2014). ANÁLISIS DEL PRECIO DEL CARBÓN MEDIANTE
REDES NEURONALES ARTIFICIALES (RNA). Boletín de Ciencias de la Tierra, (35), 31-35.
https://doi.org/10.15446/rbct.n35.39682 | spa |
| dcterms.references | García Salgado, O., & Morales Castro, A. (2016). DESEMPEÑO FINANCIERO DE LAS EMPRESAS: UNA
PROPUESTA DE CLASIFICACIÓN POR RNA. (Spanish). DESEMPENHO FINANCEIRO DAS EMPRESAS:
UMA PROPOSTA DE CLASSIFICAÇÃO POR RNA. (Portuguese), 14(2), 11. Recuperado de
https://login.ez.unisabana.edu.co/login?url=https://search.ebscohost.com/login.aspx?direct=true&
db=edb&AN=118359063&lang=es&scope=site | spa |
| dcterms.references | Gil, J., Cruz, J., & Yaelt, A. (2018). Desempeño financiero empresarial del sector agropecuario: un analisis
comparativo entre Colombia y Brasil 2011 - 2015. Revista EAN. Recuperado de
http://www.scielo.org.co/pdf/ean/n84/0120-8160-ean-84-00109.pdf | spa |
| dcterms.references | Gil Ospina, Armando A, Jimenez Sepulveda, J. J. (2015). El contexto económico global de la Pyme. Revista
Académia e Institucional, 95, 155-179. | spa |
| dcterms.references | Giner, B. (2013). Predicción del fracaso empresarial en los sectores de construcción e inmobiliario:
Modelos generales versus especícos* Corporate failure prediction in the construction and real estate
industries: General versus industry-focused models, 1698-5117. Recuperado de
http://repositori.uji.es/xmlui/bitstream/handle/10234/84531/61113.pdf?sequence=1 | spa |
| dcterms.references | Heo, J., & Yang, J. Y. (2014). AdaBoost based bankruptcy forecasting of Korean construction companies.
Applied Soft Computing, 24, 494-499. https://doi.org/10.1016/J.ASOC.2014.08.009 | eng |
| dcterms.references | Hurtado, C. (2012). Arboles de Decisión, (I), 51. | spa |
| dcterms.references | Igel, C., & Hüsken, M. (2002). Empirical evaluation of the improved Rprop learning. Neurocomputing, 50, 105-123. https://doi.org/10.1016/S0925-2312(01)00700-7 | eng |
| dcterms.references | IISE. (2019). Introduction to Engineering Analytics. Recuperado 17 de marzo de 2020, de
https://www.iise.org/TrainingCenter/CourseDetail.aspx?EventCode=EAS | eng |
| dcterms.references | Kalra, M., Kumar, S., & Das, B. (2020). Seismic Signal Analysis Using Empirical Wavelet Transform for
Moving Ground Target Detection and Classification. IEEE sensors journal. Recuperado de
http://explore.bl.uk/primo_library/libweb/action/display.do?tabs=detailsTab&gathStatTab=true&ct
=display&fn=search&doc=ETOCvdc_100102805435.0x000001&indx=1&recIds=ETOCvdc_10010280
5435.0x000001 | eng |
| dcterms.references | Ke-Lin Du, M. N. S. S. (2019). Neural Networks and Statistical Learning. Recuperado de
https://books.google.com.co/books?id=IUmvDwAAQBAJ&printsec=frontcover#v=onepage&q&f=fal
se | eng |
| dcterms.references | KNIME. (2020). DDA Node Description. | eng |
| dcterms.references | Kotane, I., & Kuzmina-Merlino, I. (2017). Analysis of Small and Medium Sized Enterprises’ Business
Performance Evaluation Practice at Transportation and Storage Services Sector in Latvia. En Procedia
Engineering (Vol. 178, pp. 182-191). Elsevier Ltd. https://doi.org/10.1016/j.proeng.2017.01.093 | eng |
| dcterms.references | La Republica. (2018). La Ley 1116 ha acogido a más de 3.600 firmas con problemas financieros.
Recuperado 21 de marzo de 2020, de https://www.larepublica.co/especiales/proteccionpatrimonial/cual-es-el-balance-de-la-ley-de-insolvencia-en-colombia-2719926 | spa |
| dcterms.references | LA REPUBLICA. (2018). Resultados de la Gran Encuesta a las Microempresas 2018. Recuperado 11 de
octubre de 2019, de https://www.larepublica.co/analisis/sergio-clavijo-500041/resultados-de-lagran-encuesta-a-las-microempresas-2018-2718177 | spa |
| dcterms.references | Lee Sangjae, Sung Choi, W. (2013). A multi-industry bankruptcy prediction model using back-propagation
neuronal network and multivariate discriminant analysis. Expert Systems with Applications, 40, 2941-
2946. Recuperado de https://ac.els-cdn.com/S095741741201250X/1-s2.0-S095741741201250Xmain.pdf?_tid=cdca43df-7b81-4126-821f3b79ace12d56&acdnat=1524435711_5d6c9f3bc777e467a0d94eff3e0551fa | eng |
| dcterms.references | Leon Valdes, C. (2002). El análisis financiero como herramienta en la predicción de quiebra e insolvencia
financiera. Recuperado de
https://revistas.uexternado.edu.co/index.php/contad/article/view/1295/1232 | spa |
| dcterms.references | Leyes desde 1992 - Vigencia expresa y control de constitucionalidad [LEY_1116_2006]. (2019).
Recuperado 21 de marzo de 2020, de
http://www.secretariasenado.gov.co/senado/basedoc/ley_1116_2006.html | spa |
| dcterms.references | Liaw, A., & Wiener, M. (2001). Classification and Regression by RandomForest. Recuperado de
https://www.researchgate.net/publication/228451484 | eng |
| dcterms.references | Lukason, Oliver, Laitinen, E. (2017). Firm failure processes and components of failure risk: An analysis of
European bankrup firms. Journal of Business Research. Recuperado de
https://pdf.sciencedirectassets.com/271680/1-s2.0-S0148296319X00028/1-s2.0-
S0148296318303126/main.pdf?X-Amz-SecurityToken=AgoJb3JpZ2luX2VjED8aCXVzLWVhc3QtMSJHMEUCIDJ4f7n1mI%2BR7KPrV5%2FsKHzQuQqd
RMfNj0WZHKPi%2Fa88AiEAwfa1JKXzW5pItUxVPv94lxeYlOm2fRrBRclxbV | eng |
| dcterms.references | Lukason, O., & Laitinen, E. K. (2018). Failure of exporting and non-exporting firms: do the financial
predictors vary? Review of International Business and Strategy, 28(3/4), 317-330.
https://doi.org/10.1108/RIBS-02-2018-0015 | eng |
| dcterms.references | Lukason, O., Laitinen, E. K., & Suvas, A. (2016). Failure processes of young manufacturing micro firms in
Europe. Management Decision, 54(8), 1966-1985. https://doi.org/10.1108/MD-07-2015-0294 | eng |
| dcterms.references | Macias, M. T. (2020). Comentario Tesis. | spa |
| dcterms.references | Marek, Durika, Jaroslav, Frnda, Svabova, L. (2019). View of Decision tree based model of business failure
prediction for Polish companies. Recuperado 21 de diciembre de 2019, de http://economicresearch.pl/Journals/index.php/oc/article/view/1718/1607 | eng |
| dcterms.references | Medina Hurtado, Santiago, M. J. (2011). Pronóstico de la demanda de energía eléctrica horaria en
Colombia. Revista factultad de Ingeniería U. Antioquia, 59, 98-107. | spa |
| dcterms.references | Ministerio de Agricultura. (2016). Marco Nacional Cualificaciones Sector Agropecuario. Recuperado de
https://www.mineducacion.gov.co/1759/articles-362822_recurso.pdf | spa |
| dcterms.references | Ministerio de Agricultura. (2018). Estrategia de política publica para la gestión integral de riesgos
agropecuarios en Colombia. Recuperado de https://www.minagricultura.gov.co/Documents/LIBRO
ESTRATEGIA VERSION FINAL.pdf | spa |
| dcterms.references | Moody, J., & Utans, J. (1995). Principled Architecture Selection for Neural Networks: Application to
Corporate Bond Rating Prediction. International Journal of Forecasting, 11(4), 602-603.
https://doi.org/10.1016/s0169-2070(95)90007-1 | eng |
| dcterms.references | Mures Quintana, Ma Jesus, Garcia Gallego, Ana, Vallejo Pascual, M. E. (2012). Análisis del fracaso
empresarial por sectores: Factores diferenciadores. | spa |
| dcterms.references | Niels, M. (1995). The Dynamic Decay Adjustment Algorithm. Recuperado 31 de mayo de 2020, de
http://www.ra.cs.uni-tuebingen.de/SNNS/UserManual/node193.html | eng |
| dcterms.references | Ohlson, J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109. https://doi.org/10.2307/2490395 | eng |
| dcterms.references | Ortiz Arango, F. (2017). Pronóstico de precios de petróleo: una comparación entre modelos garch y redes
neuronales diferenciales. Investigación Económica, 76(300), 105-126.
https://doi.org/10.1016/J.INVECO.2017.06.002 | spa |
| dcterms.references | Ortíz, D., Villa, F., & Velásquez, J. (2007). Una Comparación entre Estrategias Evolutivas y RPROP para la
Estimación de Redes Neuronales. Revista Avances en Sistemas e Informática (Vol. 4). | spa |
| dcterms.references | Ortiz Medina, M. (2013). El fracaso de la microempresa relacionado con las características individuales del
propietario: un estudio empírico en Republica Dominicana. FAEDPYME INTERNATIONAL REVIEW,
2(3). https://doi.org/10.15558/fir.v2i3.34 | spa |
| dcterms.references | Perez G, J. I., Lorena, G. C. K., & Mauricio, L. C. (2013). 8. Modelos De Prediccion De La Fragilidad
Empresarial: Aplicacion Al Caso Colombiano Para El Año 2011. Red de Revistas Cientificas de America
Latina, el Caribe, España y Portugal, (22), 205-228. Recuperado de
http://www.redalyc.org/pdf/861/86131758010.pdf | spa |
| dcterms.references | Platt, Harlan, Platt, M. (1990). DEVELOPMENT OF A CLASS OF STABLE PREDICTIVE VARIABLES: THE CASE
OF BANKRUPT...: Biblioteca Octavio Arizmendi Posada. Journal of Business Finance and Accounting,
17, 31-50. Recuperado de https://eds-a-ebscohostcom.ez.unisabana.edu.co/eds/pdfviewer/pdfviewer?vid=4&sid=c6754dc8-0fdb-41c5-803b6d0501524b83%40sessionmgr4010 | eng |
| dcterms.references | Plazas, J. E., López, I. D., & Corrales, J. C. (2017). A Tool for Classification of Cacao Production in Colombia
Based on Multiple Classifier Systems. Lecture notes in computer science. Recuperado de
http://explore.bl.uk/primo_library/libweb/action/display.do?tabs=detailsTab&gathStatTab=true&ct
=display&fn=search&doc=ETOCCN602558834&indx=1&recIds=ETOCCN602558834 | eng |
| dcterms.references | Politechnic, T. (2020). Engineering Analytics and Machine Learning | Temasek Polytechnic. Recuperado 17
de marzo de 2020, de https://www.tp.edu.sg/courses/part-time-courses/skillsfuture/stackablemodular-courses/engineering-analytics-and-machine-learning | eng |
| dcterms.references | Revista Semana. (2020). ¿Por qué los bancos no saben satisfacer las necesidades de las PYMEs?
Recuperado 23 de marzo de 2020, de https://www.semana.com/hablan-las-marcas/articulo/porque-los-bancos-no-saben-satisfacer-las-necesidades-de-las-pymes/654795 | spa |
| dcterms.references | Romero Espinosa, F. (2013). Variables financieras determinantes del fracaso empresarial para la
pequeña...: Biblioteca Octavio Arizmendi Posada. Pensamiento & Gestión, 34, 235-277. Recuperado
de https://eds-b-ebscohostcom.ez.unisabana.edu.co/eds/pdfviewer/pdfviewer?vid=18&sid=9969ccc5-9248-4878-b675-25e3e0f45449%40sessionmgr4009 | spa |
| dcterms.references | Ruiz, C., & Basualdo, M. S. (2001). Redes Neuronales: Conceptos Básicos y Aplicaiones. Recuperado de
ftp://decsai.ugr.es/pub/usuarios/castro/Material-Redes-Neuronales/Libros/matichredesneuronales.pdf | spa |
| dcterms.references | Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating
errors. Nature, 323(6088), 533-536. https://doi.org/10.1038/323533a0 | eng |
| dcterms.references | Santana, L. (2017). Determinantes de la supervivencia de microempresas en Bogotá: un análisis con
modelos de duración. Revista INNOVAR Journal, 27(64), 50-61.
https://doi.org/10.15446/innovar.v27n64.62368 | spa |
| dcterms.references | Siemens. (2020). Predictive Engineering Analytics. Recuperado 17 de marzo de 2020, de
https://www.plm.automation.siemens.com/global/en/our-story/glossary/predictive-engineeringanalytics/13222 | eng |
| dcterms.references | Thomas Ng, S., Wong, J. M. W., & Zhang, J. (2011). Applying Z-score model to distinguish insolvent
construction companies in China. Habitat International, 35(4), 599-607.
https://doi.org/https://doi.org/10.1016/j.habitatint.2011.03.008 | eng |
| dcterms.references | Turetsky, Howard, McEwen, R. (2001). An Empirical Investigation of Firm Longevity: A Model of the Ex Ante
Predic...: Biblioteca Octavio Arizmendi Posada. Review of Quantitive and Accounting , 16, 323-342.
Recuperado de https://eds-a-ebscohostcom.ez.unisabana.edu.co/eds/pdfviewer/pdfviewer?vid=3&sid=eaeaf7ae-d4b5-4d6a-b906-
774369b24d40@sessionmgr4008 | eng |
| dcterms.references | Tya, Restianti, Agustina, L. (2018). The Effect of Financial Ratios on Financial Distress Conditions in Sub
Industrial Sector Company. Accounting Analysis Journal. Recuperado de
https://journal.unnes.ac.id/sju/index.php/aaj/article/view/18996/11200 | eng |
| dcterms.references | Universidad Católica de Oriente. (2013). Sectores productivos en Colombia. Recuperado de
http://www.uco.edu.co/ova/OVA Economia Colombiana/Objetos informativos/Unidad 1/2.
SECTORES PRODUCTIVOS EN COLOMBIA.pdf | spa |
| dcterms.references | Uribe, C., Fonseca, S., Bernal, G., Contreras, C., & Castellanos, O. (2010). Sembrando Innovaciòn para la
competitividad del sector agropecuario Colombiano. Recuperado de
http://www.bdigital.unal.edu.co/3567/1/Diagramacion_Libro_MADR_V2.pdf | spa |
| dcterms.references | Villada, F., Muñoz, N., & García-Quintero, E. (2016). Redes Neuronales Artificiales aplicadas a la Predicción
del Precio del Oro. Información tecnológica, 27(5), 143-150. https://doi.org/10.4067/S0718-
07642016000500016 | spa |
| dcterms.references | Villanueva Mejia, D. (2018). Estudio sobre Bioecnomìa como fuente de nuevas industrias basadas en el
capital natural de Colombia Fase II. Estudios sobre Bioeconomìa. Recuperado de
https://www.dnp.gov.co/Crecimiento-Verde/Documents/ejes-tematicos/Bioeconomia/Informe
2/ANEXO 1_Análisis sector agrícola.pdf | spa |
| dcterms.references | Wang, X., & Liu, F. (2020). Data-driven relay selection for physical-layer security: A decision tree approach.
IEEE Access, 8, 12105-12116. https://doi.org/10.1109/ACCESS.2020.2965963 | eng |
| dcterms.references | Wooldridge, J. (2010). Introducción a la Econometría. | spa |
| dcterms.references | Yiu, T. (2019). Understanding Random Forest - Towards Data Science. Recuperado 22 de febrero de 2020,
de https://towardsdatascience.com/understanding-random-forest-58381e0602d2 | eng |
| dcterms.references | Zeng, P., Sun, X., & Farnham, D. J. (2020). Skillful statistical models to predict seasonal wind speed and
solar radiation in a Yangtze River estuary case study. Scientific Reports, 10(1).
https://doi.org/10.1038/s41598-020-65281-w | eng |
| thesis.degree.discipline | Facultad de Ingeniería | es_CO |
| thesis.degree.level | Maestría en Gerencia de Ingeniería | es_CO |
| thesis.degree.name | Magíster en Gerencia de Ingeniería | es_CO |
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 International