Modelación probabilística y dinámica de la ansiedad mediante técnicas de clustering y modelos ocultos de Márkov

Giraldo Tirado, Diego Alexander

Publicación:
Modelación probabilística y dinámica de la ansiedad mediante técnicas de clustering y modelos ocultos de Márkov

dc.contributor.advisor	Peña Palacio, Juan Alejadro
dc.contributor.author	Giraldo Tirado, Diego Alexander
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.creator.email	dagiraldt1@eafit.edu.cp
dc.date.accessioned	2026-05-12T20:15:48Z
dc.date.available	2026-05-12T20:15:48Z
dc.date.issued	2026-01-30
dc.description	La ansiedad se ha consolidado como un problema creciente a nivel global, con impactos significativos en el bienestar, la productividad y los costos asociados a la incapacidad. A pesar de los avances recientes en el monitoreo psicológico, persiste la necesidad de enfoques analíticos que capturen su naturaleza fluctuante y dinámica en el tiempo. En respuesta a este desafío, se propone un marco probabilístico para caracterizar el comportamiento dinámico de la ansiedad a partir de variables psicológicas y conductuales. Con el fin de identificar perfiles diferenciados y comprender las transiciones entre estados emocionales, se integran técnicas de aprendizaje no supervisado, modelos de probabilidad no normales y Modelos Ocultos de Márkov (HMM). Indicadores como el nivel de estrés percibido, las horas de sueño, la actividad física y el consumo de estimulantes se emplean para construir agrupaciones conductuales que alimentan el modelo estocástico. Esto permitió modelar la estructura estadística del indicador transformado de ansiedad a través de distribuciones continuas, con el objetivo de derivar una representación parsimoniosa de su comportamiento marginal. Los resultados evidencian una dinámica marcada por la persistencia en estados de riesgo moderado y alto, así como una distribución asimétrica que concentra los episodios más críticos en niveles bajos del indicador de bienestar. El marco resultante ofrece una base técnica para modelar la ansiedad como un proceso dinámico y estocástico, y constituye un insumo potencial para sistemas de monitoreo emocional y para la toma de decisiones en salud mental ocupacional.
dc.description.abstract	Anxiety constitutes a growing mental health issue with significant impacts on individual well-being, workplace productivity, and the costs associ-ated with disability. Despite advances in analytics applied to mental health, most existing approaches address anxiety from a static perspective, limiting themselves to detection or one-time classification tasks. This work proposes a probabilistic framework to model anxiety as a dynamic and stochastic process, integrating unsupervised learning techniques, Hidden Markov Models (HMM), and analysis of non-normal distributions. Based on psychological and behavior-al variables, observable profiles are identified through clustering, and latent anxiety states are inferred, along with their transition probabilities and long-term behavior. Additionally, a continuous distribution is fitted to the trans-formed psychological well-being indicator, and Value at Risk (VaR)-type met-rics are used to characterize extreme risk. The results show a dynamic dominat-ed by moderate and high anxiety states, with low well-being stability, and demonstrate the usefulness of the proposed approach for understanding and managing psychological risk in workplace contexts
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magíster en Ciencias de Datos y Analítica	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad EAFIT
dc.identifier.reponame	reponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourl	repourl:https://repository.eafit.edu.co
dc.identifier.uri	https://hdl.handle.net/10784/37575
dc.language.iso	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Área Computación y Analítica	spa
dc.publisher.faculty	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín
dc.publisher.program	Maestría en Ciencias de los Datos y Analítica	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto
dc.subject	Ansiedad
dc.subject	Distribuciones no normales
dc.subject	Clustering
dc.subject	Salud mental
dc.subject	Análisis probabilístico
dc.subject	Valor en Riesgo (VaR)
dc.subject	Modelos Ocultos de Márkov (HMM)
dc.subject.keyword	Anxiety
dc.subject.keyword	Hidden Markov Models, Clustering
dc.subject.keyword	Probabilistic Model-ing
dc.subject.keyword	Risk Analysis
dc.subject.keyword	Value at Risk
dc.subject.lemb	ANSIEDAD - INVESTIGACIONES
dc.subject.lemb	SALUD MENTAL - PREVENCIÓN Y CONTROL - COLOMBIA
dc.subject.lemb	APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) - ASPECTOS SOCIALES
dc.subject.lemb	PRODUCTIVIDAD INDUSTRIAL - COLOMBIA
dc.subject.lemb	ESTRÉS (PSICOLOGÍA)
dc.title	Modelación probabilística y dinámica de la ansiedad mediante técnicas de clustering y modelos ocultos de Márkov
dc.type	info:eu-repo/semantics/masterThesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis de Maestría	spa
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.spa	Artículo
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication