Estadística de procesos estocásticos aplicados a redes sociales de alta volatilidad

Abstract

Las redes sociales virtuales como Facebook y Twitter están muy difundidas en nuestras vidas cotidianas y generan un montón de datos de intercambios. Planteamos un modelo estocástico para Twitter que nos permite estudiar la dinámica de la red y el comportamiento de los usuarios sobre su saturación. Para estudiar este modelo estocástico se utiliza la herramienta estadística de cópulas que analiza la dependencia de variables aleatorias. Este trabajo de tesis proponemos una generalización del estimador por núcleos de cópulas para serie de tiempos presentado por Fermanian y Scaillet en 2002. Dicha generalización se extiende a procesos estocásticos de difusión. A partir de éste estimador, se puede analizar la probabilidad de saturación de un usuario de Twitter y otras medidas vinculadas con esta saturación.

Virtual social networks like Facebook and Twitter are very spread in daily life. Using it generates an incredible amount of exchange information. In this work we propose an stochastic model for Twitter that allows the study of network dynamics and users behavior specially concern with saturation. To study this model we use a statistical tool named as copulas that analices dependence between random variables. In this thesis we propose a generalization of the non-parametric copula estimator presented by Fermanian and Scaillet in 2002. This generalization reaches continuos process as diffusion. From this estimator we can analize profile saturation probability and other measures related with saturation.