Ingeniería analítica para la predicción de fracaso de las microempresas en Colombia

Gómez Barrera, Mónica Andrea

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