Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos
Resumen:
Exponemos un procedimiento no paramétrico de estimación del rasgo y de las curvas características del ítem dependientes de un rasgo latente multidimensional, utilizando para ello el método de regresión no paramétrica con núcleos. Se consideran N sujetos que responden n ítems (dicotómicos, politómicos o de respuesta continua), donde la respuesta a cada uno depende de un rasgo latente multidimensional.
| 2014 | |
| Comisión Sectorial de Investigación Científica (CSIC) | |
|
Salud Modelo no paramétrico Multidimensionalidad TEORIA DE RESPUESTA AL ITEM PSICOMETRIA |
|
| Español | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/50675 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| _version_ | 1875693257819684864 |
|---|---|
| author | Luzardo, Mario |
| author2 | Forteza, Diego |
| author2_role | author |
| author_facet | Luzardo, Mario Forteza, Diego |
| author_role | author |
| bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 a006180e3f5b2ad0b88185d14284c0e0 0feedbc93c9013cb52b8473c08f41376 3b50ae24bd8bd076d49a70878a8a2d2c 9bfaa0a3e6dbce8871b273c9669391e1 |
| bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
| bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/50675/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/50675/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/50675/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/50675/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/50675/1/Luzardo+y+Forteza_Modelo+no+parametrico+multidimensional_PSICO.pdf |
| collection | COLIBRI |
| dc.contributor.filiacion.none.fl_str_mv | Luzardo Mario, Universidad de la República (Uruguay). Facultad de Psicología Forteza Diego, Universidad de la República (Uruguay). Facultad de Psicología |
| dc.creator.none.fl_str_mv | Luzardo, Mario Forteza, Diego |
| dc.date.accessioned.none.fl_str_mv | 2025-07-17T18:49:01Z |
| dc.date.available.none.fl_str_mv | 2025-07-17T18:49:01Z |
| dc.date.issued.none.fl_str_mv | 2014 |
| dc.description.abstract.none.fl_txt_mv | Exponemos un procedimiento no paramétrico de estimación del rasgo y de las curvas características del ítem dependientes de un rasgo latente multidimensional, utilizando para ello el método de regresión no paramétrica con núcleos. Se consideran N sujetos que responden n ítems (dicotómicos, politómicos o de respuesta continua), donde la respuesta a cada uno depende de un rasgo latente multidimensional. |
| dc.description.es.fl_txt_mv | Punto de venta de la versión impresa: Servicio de Atención Central, Hall de la Facultad de Derecho (Avda. 18 de Julio 1824). Tel.: (+598) 2400 1918, 2408 2566, 2408 9574. Correo electrónico: ucur@udelar.edu.uy |
| dc.description.sponsorship.none.fl_txt_mv | Comisión Sectorial de Investigación Científica (CSIC) |
| dc.description.tableofcontents.es.fl_txt_mv | 1. Estimación no paramétrica de densidades -- 1.1 Introducción -- 1.2 Distribución asintótica del estimador -- 1.3 Convergencia completa de los estimadores basados en núcleos -- 1.4 Regresión no paramétrica -- 1.5 Distribución asintótica -- 2. Teoría de respuesta al ítem -- 2.1 Introducción -- 2.2 Dimensionalidad del espacio latente -- 2.3 Independencia local -- 2.4 Ausencia de factores de velocidad -- 2.5 Curva característica del ítem -- 2.6 Clasificación de los modelos -- 2.7 Modelos para ítems dicotómicos -- 2.7.1 Modelo de ojiva normal-- 2.8 Modelos logísticos -- 2.8.1 Logits -- 2.9.Escala de θ -- 2.9.1 Modelo logístico de un parámetro -- 2.9.2 Modelo logístico de dos parámetros -- 2.9.3 Modelo logístico de tres parámetros -- 2.10 Modelo de Rasch -- 2.11 Función de información -- 2.12 Estimación -- 2.12.1 Método de New Raphson -- 2.12.2 Estimación por máxima verosimilitud -- 2.12.3 Algoritmo EM -- 2.12.4 Revisión de los procedimientos -- 2.13 Estimación de los parámetros de la curva característica del ítem conocida la habilidad -- 2.13.1 Estimación del modelo de ojiva normal por máxima verosimilitud -- 2.13.2 Estimación del modelo logístico de dos parámetros por máxima verosimilitud -- 2.13.3 Estimación del modelo logístico de tres parámetros por máxima verosimilitud -- 2.13.4 Estimación por mínimo X2 -- 2.14 Estimación de la habilidad cuando se conocen los parámetros de los ítems -- 2.14.1Estimación de la habilidad por máxima verosimilitud -- 2.14.2 Modelo de ojiva normal -- 2.14.3 Modelo logístico de dos parámetros -- 2.14.4 Modelo logístico de tres parámetros -- 2.15 Estimación conjunta de parámetros del ítem y habilidad mediante máxima verosimilitud -- 2.16 Estimación del modelo de Rasch por máxima verosimilitud condicional -- 2.17 Estimación del modelo de Rasch por máxima verosimilitud conjunta -- 2.18. Estimación vía máxima verosimilitud marginal -- 2.18.1 La solución de Bock y Lieberman -- 2.18.2 La solución de Bock y Aitkin -- 2.19 Estimación bayesiana -- 2.19.1 Estimación marginal bayesiana de los parámetros del ítem en Pc-Bilog -- 2.19.2 Estimación bayesiana del rasgo -- 2.20 Comprobación de los modelos -- 2.20.1 Pruebas basadas en chi-cuadrado -- 2.20.2 Pruebas basadas en la verosimilitud -- 2.20.3 Análisis de residuos -- 2.20.4 Bondad de ajuste del modelo -- 2.21 Modelos no paramétricos clásicos -- 2.21.1 Modelo monótono homogéneo -- 2.21.2 Modelo de doble monoticidad -- 2.21.3 Estimación de la habilidad -- 2.22 Modelo no paramétrico unidimensional usando regresión no paramétrica -- 2.22.1 Hipótesis -- 2.22.2 Consistencia -- 2.23 Modelos paramétricos multidimensionales -- 3.Modelo no paramétrico multidimensional -- 3.1 Introducción -- 3.2 Estimación monótona -- 3.3.Aplicación al funcionamiento diferencial del ítem -- 3.3.1 Definiciones básicas -- 3.3.2 Técnicas estadísticas para la detección -- 3.3.3 Procesos iterativos -- 3.3.4 Implementación de decisiones -- 3.3.5 Método propuesto -- 4. Simulaciones -- 4.1 Distancia entre curvas características del ítem -- 4.2 Generación de datos -- 4.3 Ajuste de la regresión no paramétrica unidimensional a modelos conocidos y rasgos conocidos -- 4.3.1 Método -- 4.3.2 Resultados -- 4.4 Estudio del modelo unidimensional no paramétrico para rasgo conocido -- 4.4.1 Método -- 4.4.2 Código de las funciones utilizadas -- 4.4.3 Resultados -- 5.5 Modelo no paramétrico unidimensional con CCI y rasgo desconocido -- 4.5.1 Tamaño muestral -- 4.5.2 Efecto de distintos valores de ancho para la ventana -- 4.5.3 Distintas distribuciones para el parámetro habilidad -- 4.5.4 Efecto de distintos núcleos en la regresión no paramétrica -- 4.5.5 Comparación entre distintos modelos y métodos de estimación -- 4.5.6 Otros resultados -- 4.6 Simulaciones en dos dimensiones, ítems dependientes de una sola habilidad -- 4.6.1 Efecto del tamaño muestral -- 4.6.2 Efecto de distintos valores de ancho de ventana -- 4.6.3 Efectos de distintas cópulas para el parámetro habilidad -- 4.6.4 Distintos niveles de correlación entre las habilidades -- 4.6.5 Efecto de distintos núcleos en la regresión no paramétrica -- 4.6.6 Comparación entre valores estimados y reales del parámetro habilidad -- 4.7 Simulaciones en dos dimensiones con habilidades dependientes -- 4.7.1 Efecto del tamaño muestral -- 4.7.2 Efecto de distintos anchos de ventana -- 4.7.3 Efecto de distintas distribuciones de θ -- 4.7.4 Efecto de distintos grados de correlación entre las habilidades -- 4.7.5 Efecto de distintos núcleos -- 4.7.6 Comparación entre valores estimados y valores reales del parámetro habilidad -- 4.8 Estimación monótona -- 4.8.1 Tamaño muestral --4.8.2 Efecto de distintos valores de ancho para la ventana --4.9 Aplicación a datos reales: test CDI -- 4.9.1 Estimación de las CCI diferenciando por rasgo -- 4.9.2 Estudio diferencial del ítem -- 4.9.3 Análisis factorial -- 4.10 Funciones -- 4.10.1 Funciones para calcular las distancias -- 4.10.2 Funciones para la generación de datos -- 4.10.3 Funciones para la estimación de la CCI -- 4.10.4 Distintos núcleos para la regresión no paramétrica -- 4.10.5 Función para transformar el rango -- 4.10.6 Funciones utilizadas para el análisis del test CDI -- 4.10.7 Función para transformación monótona creciente -- Apéndice A -- A.1 Modelo de un parámetro -- A.1.1 Distribución normal -- A.1.2 Distribución uniforme -- A.1.3 Distribución t -- A.1.4 Distribución Beta -- A.1.5 Distribución Gamma -- A.2 Modelo de dos parámetros -- A.3 Modelo de tres parámetros -- A.4 Modelo Logit cúbico -- Referencias. |
| dc.format.mimetype.es.fl_str_mv | application/pdf |
| dc.identifier.citation.es.fl_str_mv | Luzardo, M y Forteza, D. Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos [en línea] Montevideo : Ediciones Universitarias, 2014 |
| dc.identifier.isbn.none.fl_str_mv | 978-9974-0-1065-9 |
| dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/50675 |
| dc.language.iso.none.fl_str_mv | es spa |
| dc.publisher.es.fl_str_mv | Ediciones Universitarias |
| dc.relation.none.fl_str_mv | Biblioteca Plural; |
| dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.es.fl_str_mv | Salud Modelo no paramétrico Multidimensionalidad |
| dc.subject.other.es.fl_str_mv | TEORIA DE RESPUESTA AL ITEM PSICOMETRIA |
| dc.title.none.fl_str_mv | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| dc.type.es.fl_str_mv | Libro |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/book |
| dc.type.version.none.fl_str_mv | info:eu-repo/semantics/publishedVersion |
| description | Punto de venta de la versión impresa: Servicio de Atención Central, Hall de la Facultad de Derecho (Avda. 18 de Julio 1824). Tel.: (+598) 2400 1918, 2408 2566, 2408 9574. Correo electrónico: ucur@udelar.edu.uy |
| eu_rights_str_mv | openAccess |
| format | book |
| id | COLIBRI_1982a3d3afe71c550b6d66459ffbb973 |
| identifier_str_mv | Luzardo, M y Forteza, D. Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos [en línea] Montevideo : Ediciones Universitarias, 2014 978-9974-0-1065-9 |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | COLIBRI |
| network_name_str | COLIBRI |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/50675 |
| publishDate | 2014 |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | karina.camps@seciu.edu.uy |
| repository.name.fl_str_mv | COLIBRI - Universidad de la República |
| repository_id_str | 4771 |
| rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| spelling | Luzardo Mario, Universidad de la República (Uruguay). Facultad de PsicologíaForteza Diego, Universidad de la República (Uruguay). Facultad de Psicología2025-07-17T18:49:01Z2025-07-17T18:49:01Z2014Luzardo, M y Forteza, D. Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos [en línea] Montevideo : Ediciones Universitarias, 2014978-9974-0-1065-9https://hdl.handle.net/20.500.12008/50675Punto de venta de la versión impresa: Servicio de Atención Central, Hall de la Facultad de Derecho (Avda. 18 de Julio 1824). Tel.: (+598) 2400 1918, 2408 2566, 2408 9574. Correo electrónico: ucur@udelar.edu.uyExponemos un procedimiento no paramétrico de estimación del rasgo y de las curvas características del ítem dependientes de un rasgo latente multidimensional, utilizando para ello el método de regresión no paramétrica con núcleos. Se consideran N sujetos que responden n ítems (dicotómicos, politómicos o de respuesta continua), donde la respuesta a cada uno depende de un rasgo latente multidimensional.Submitted by Petroccelli Patricia (patricia.petroccelli@fic.edu.uy) on 2025-07-17T17:24:33Z No. of bitstreams: 2 license_rdf: 26539 bytes, checksum: 3b50ae24bd8bd076d49a70878a8a2d2c (MD5) Luzardo y Forteza_Modelo no parametrico multidimensional_PSICO.pdf: 3550814 bytes, checksum: 9bfaa0a3e6dbce8871b273c9669391e1 (MD5)Made available in DSpace by Camps Karina (karina.camps@seciu.edu.uy) on 2025-07-17T18:49:01Z (GMT). No. of bitstreams: 2 license_rdf: 26539 bytes, checksum: 3b50ae24bd8bd076d49a70878a8a2d2c (MD5) Luzardo y Forteza_Modelo no parametrico multidimensional_PSICO.pdf: 3550814 bytes, checksum: 9bfaa0a3e6dbce8871b273c9669391e1 (MD5) Previous issue date: 2014Comisión Sectorial de Investigación Científica (CSIC)1. Estimación no paramétrica de densidades -- 1.1 Introducción -- 1.2 Distribución asintótica del estimador -- 1.3 Convergencia completa de los estimadores basados en núcleos -- 1.4 Regresión no paramétrica -- 1.5 Distribución asintótica -- 2. Teoría de respuesta al ítem -- 2.1 Introducción -- 2.2 Dimensionalidad del espacio latente -- 2.3 Independencia local -- 2.4 Ausencia de factores de velocidad -- 2.5 Curva característica del ítem -- 2.6 Clasificación de los modelos -- 2.7 Modelos para ítems dicotómicos -- 2.7.1 Modelo de ojiva normal-- 2.8 Modelos logísticos -- 2.8.1 Logits -- 2.9.Escala de θ -- 2.9.1 Modelo logístico de un parámetro -- 2.9.2 Modelo logístico de dos parámetros -- 2.9.3 Modelo logístico de tres parámetros -- 2.10 Modelo de Rasch -- 2.11 Función de información -- 2.12 Estimación -- 2.12.1 Método de New Raphson -- 2.12.2 Estimación por máxima verosimilitud -- 2.12.3 Algoritmo EM -- 2.12.4 Revisión de los procedimientos -- 2.13 Estimación de los parámetros de la curva característica del ítem conocida la habilidad -- 2.13.1 Estimación del modelo de ojiva normal por máxima verosimilitud -- 2.13.2 Estimación del modelo logístico de dos parámetros por máxima verosimilitud -- 2.13.3 Estimación del modelo logístico de tres parámetros por máxima verosimilitud -- 2.13.4 Estimación por mínimo X2 -- 2.14 Estimación de la habilidad cuando se conocen los parámetros de los ítems -- 2.14.1Estimación de la habilidad por máxima verosimilitud -- 2.14.2 Modelo de ojiva normal -- 2.14.3 Modelo logístico de dos parámetros -- 2.14.4 Modelo logístico de tres parámetros -- 2.15 Estimación conjunta de parámetros del ítem y habilidad mediante máxima verosimilitud -- 2.16 Estimación del modelo de Rasch por máxima verosimilitud condicional -- 2.17 Estimación del modelo de Rasch por máxima verosimilitud conjunta -- 2.18. Estimación vía máxima verosimilitud marginal -- 2.18.1 La solución de Bock y Lieberman -- 2.18.2 La solución de Bock y Aitkin -- 2.19 Estimación bayesiana -- 2.19.1 Estimación marginal bayesiana de los parámetros del ítem en Pc-Bilog -- 2.19.2 Estimación bayesiana del rasgo -- 2.20 Comprobación de los modelos -- 2.20.1 Pruebas basadas en chi-cuadrado -- 2.20.2 Pruebas basadas en la verosimilitud -- 2.20.3 Análisis de residuos -- 2.20.4 Bondad de ajuste del modelo -- 2.21 Modelos no paramétricos clásicos -- 2.21.1 Modelo monótono homogéneo -- 2.21.2 Modelo de doble monoticidad -- 2.21.3 Estimación de la habilidad -- 2.22 Modelo no paramétrico unidimensional usando regresión no paramétrica -- 2.22.1 Hipótesis -- 2.22.2 Consistencia -- 2.23 Modelos paramétricos multidimensionales -- 3.Modelo no paramétrico multidimensional -- 3.1 Introducción -- 3.2 Estimación monótona -- 3.3.Aplicación al funcionamiento diferencial del ítem -- 3.3.1 Definiciones básicas -- 3.3.2 Técnicas estadísticas para la detección -- 3.3.3 Procesos iterativos -- 3.3.4 Implementación de decisiones -- 3.3.5 Método propuesto -- 4. Simulaciones -- 4.1 Distancia entre curvas características del ítem -- 4.2 Generación de datos -- 4.3 Ajuste de la regresión no paramétrica unidimensional a modelos conocidos y rasgos conocidos -- 4.3.1 Método -- 4.3.2 Resultados -- 4.4 Estudio del modelo unidimensional no paramétrico para rasgo conocido -- 4.4.1 Método -- 4.4.2 Código de las funciones utilizadas -- 4.4.3 Resultados -- 5.5 Modelo no paramétrico unidimensional con CCI y rasgo desconocido -- 4.5.1 Tamaño muestral -- 4.5.2 Efecto de distintos valores de ancho para la ventana -- 4.5.3 Distintas distribuciones para el parámetro habilidad -- 4.5.4 Efecto de distintos núcleos en la regresión no paramétrica -- 4.5.5 Comparación entre distintos modelos y métodos de estimación -- 4.5.6 Otros resultados -- 4.6 Simulaciones en dos dimensiones, ítems dependientes de una sola habilidad -- 4.6.1 Efecto del tamaño muestral -- 4.6.2 Efecto de distintos valores de ancho de ventana -- 4.6.3 Efectos de distintas cópulas para el parámetro habilidad -- 4.6.4 Distintos niveles de correlación entre las habilidades -- 4.6.5 Efecto de distintos núcleos en la regresión no paramétrica -- 4.6.6 Comparación entre valores estimados y reales del parámetro habilidad -- 4.7 Simulaciones en dos dimensiones con habilidades dependientes -- 4.7.1 Efecto del tamaño muestral -- 4.7.2 Efecto de distintos anchos de ventana -- 4.7.3 Efecto de distintas distribuciones de θ -- 4.7.4 Efecto de distintos grados de correlación entre las habilidades -- 4.7.5 Efecto de distintos núcleos -- 4.7.6 Comparación entre valores estimados y valores reales del parámetro habilidad -- 4.8 Estimación monótona -- 4.8.1 Tamaño muestral --4.8.2 Efecto de distintos valores de ancho para la ventana --4.9 Aplicación a datos reales: test CDI -- 4.9.1 Estimación de las CCI diferenciando por rasgo -- 4.9.2 Estudio diferencial del ítem -- 4.9.3 Análisis factorial -- 4.10 Funciones -- 4.10.1 Funciones para calcular las distancias -- 4.10.2 Funciones para la generación de datos -- 4.10.3 Funciones para la estimación de la CCI -- 4.10.4 Distintos núcleos para la regresión no paramétrica -- 4.10.5 Función para transformar el rango -- 4.10.6 Funciones utilizadas para el análisis del test CDI -- 4.10.7 Función para transformación monótona creciente -- Apéndice A -- A.1 Modelo de un parámetro -- A.1.1 Distribución normal -- A.1.2 Distribución uniforme -- A.1.3 Distribución t -- A.1.4 Distribución Beta -- A.1.5 Distribución Gamma -- A.2 Modelo de dos parámetros -- A.3 Modelo de tres parámetros -- A.4 Modelo Logit cúbico -- Referencias.application/pdfesspaEdiciones UniversitariasBiblioteca Plural;Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)SaludModelo no paramétricoMultidimensionalidadTEORIA DE RESPUESTA AL ITEMPSICOMETRIAModelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleosLibroinfo:eu-repo/semantics/bookinfo:eu-repo/semantics/publishedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaLuzardo, MarioForteza, DiegoLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/50675/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/50675/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-829438http://localhost:8080/xmlui/bitstream/20.500.12008/50675/3/license_text0feedbc93c9013cb52b8473c08f41376MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-826539http://localhost:8080/xmlui/bitstream/20.500.12008/50675/4/license_rdf3b50ae24bd8bd076d49a70878a8a2d2cMD54ORIGINALLuzardo y Forteza_Modelo no parametrico multidimensional_PSICO.pdfLuzardo y Forteza_Modelo no parametrico multidimensional_PSICO.pdfapplication/pdf3550814http://localhost:8080/xmlui/bitstream/20.500.12008/50675/1/Luzardo+y+Forteza_Modelo+no+parametrico+multidimensional_PSICO.pdf9bfaa0a3e6dbce8871b273c9669391e1MD5120.500.12008/506752025-07-29 17:31:01.807oai:colibri.udelar.edu.uy:20.500.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Institucionalhttps://www.colibri.udelar.edu.uyUniversidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestkarina.camps@seciu.edu.uyUruguayopendoar:47712025-07-29T20:31:01COLIBRI - Universidad de la Repúblicafalse |
| spellingShingle | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos Luzardo, Mario Salud Modelo no paramétrico Multidimensionalidad TEORIA DE RESPUESTA AL ITEM PSICOMETRIA |
| status_str | publishedVersion |
| title | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| title_full | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| title_fullStr | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| title_full_unstemmed | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| title_short | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| title_sort | Modelo no paramétrico multidimensional para la estimación de los rasgos y de las curvas características del ítem mediante regresión no paramétrica con núcleos |
| topic | Salud Modelo no paramétrico Multidimensionalidad TEORIA DE RESPUESTA AL ITEM PSICOMETRIA |
| url | https://hdl.handle.net/20.500.12008/50675 |
