DESARROLLO DE UNA BIBLIOTECA PYTHON PARA EN AJUSTE DE MODELOS OCULTOS DE MARKOV

Abstract

El desarrollo de modelos que replican situaciones del mundo real es fundamental para comprenderlo. Gracias al avance tecnológico, cada vez se crean modelos más sofisticados que permiten realizar razonamientos más precisos. En este trabajo, se aborda la teoría necesaria para la creación de modelos ocultos de Markov y se presenta una aplicación práctica de estos, en la que se tratan de identificar los estados de recesión de la economía estadounidense.

Al final del trabajo se ofrece una comparativa entre la biblioteca implementada y la biblioteca \texttt{TensorFlowProbability}, demostrando la versatilidad y exhaustividad del desarrollo.