Resumen

Este artículo propone el uso de las estadísticas de valores de similitud para evaluar la clusterización o estructuración asociada con un problema de formación de celdas (CF). Típicamente, la estructuración de una solución de CF no puede ser conocida hasta que se resuelva el problema de CF. En este contexto, este artículo investiga las estadísticas de similitud de pares de máquinas para estimar la estructuración potencial de un problema de CF dado sin resolverlo. Una observación clave es que una matriz de solución de CF bien estructurada tiene un porcentaje relativamente alto de pares de máquinas con alta similitud. Luego, se utilizan histogramas como herramienta estadística para estudiar las distribuciones estadísticas de los valores de similitud. Este estudio lleva al desarrollo de los criterios de forma de U y el criterio basado en la prueba de Kolmogorov-Smirnov. En consecuencia, se desarrolla un procedimiento para clasificar si un problema de CF de entrada puede potencialmente llevar a una matriz de CF bien estructurada o mal estructurada. En el estudio num

• Materias:Modelar datos Estimadores sesgados Muestreo doble sintético Razón de verosimilitud empírica Diseño adaptativo bayesiano
• Subjects:Modeling data Biased estimators Synthetic double sampling Empirical likelihood ratio Bayesian adaptive design
• Palabras claves:Propone; Estadísticas; Valores de similitud; Clusterización; Estructuración; Problema de CF
• Keywords:Proposes; Statistics; Similarity values; Clusterability; Structuredness; CF problem