Mostrar el registro sencillo del ítem
Ingeniería analítica para la predicción de fracaso de las microempresas en Colombia
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.identifier.local | 280175 | |
dc.identifier.local | TE11069 | |
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 |