Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.12104/92384
Title: | Big five Personality Traits y Machine learning para determinar el comportamiento de compra |
Author: | Ríos Reynoso, Juan Carlos |
metadata.dc.contributor.director: | Preciado Serrano, María De Lourdes |
Advisor/Thesis Advisor: | Jiménez Meza, Ana Rosa De La Fuente Acosta, Eduardo Franco Ramírez, Joel Alejandro |
Keywords: | Machine Learning;Ciencia De Datos;Arboles De Desicion |
Issue Date: | 26-May-2022 |
Publisher: | Biblioteca Digital wdg.biblio Universidad de Guadalajara |
Abstract: | Cómo se comportan realmente las personas cuando toman decisiones de consumo basándonos en rasgos psicológicos de personalidad es una de las premisas del presente análisis. En otras palabras, como los aspectos conductuales de la psicología (big five personality traits) se relacionan la toma de decisiones de las personas en cuanto al consumo. Podemos entender la distinción en esa toma de decisiones a través de los rasgos de la personalidad abordando un ejemplo simple: si alguien desea adquirir determinado bien de consumo con el fin de satisfacer sus necesidades, ¿cómo abordar la toma de esta decisión? Un economista pensaría que esta persona maximizará su utilidad esperada y elegiría dicho bien o servicio que sea mejor para él. Por medio del análisis de los rasgos de personalidad nos centraremos en el proceso de decisión. Por ejemplo, ¿Cómo surgió esa elección?, ¿Qué características psicológicas presenta ese individuo?, ¿Cómo se relacionan esas características con su decisión final de compra? A lo largo de esta tesis lo que se pretende es determinar mediante la técnica de machine learning de aprendizaje supervisado (árboles de decisión) los rasgos personalidad asociados al comportamiento de compra. |
URI: | https://wdg.biblio.udg.mx https://hdl.handle.net/20.500.12104/92384 |
metadata.dc.degree.name: | MAESTRIA EN CIENCIA DE LOS DATOS |
Appears in Collections: | CUCEA |
Files in This Item:
File | Size | Format | |
---|---|---|---|
MCUCEA10911FT.pdf | 2.23 MB | Adobe PDF | View/Open |
Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.