- -

Desarrollo de un modelo predictivo estacional con segmentación por cliente para la estimación de la demanda

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Desarrollo de un modelo predictivo estacional con segmentación por cliente para la estimación de la demanda

Show full item record

Campos Castello, FJ. (2020). Desarrollo de un modelo predictivo estacional con segmentación por cliente para la estimación de la demanda. Universitat Politècnica de València. http://hdl.handle.net/10251/162516

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/162516

Files in this item

Item Metadata

Title: Desarrollo de un modelo predictivo estacional con segmentación por cliente para la estimación de la demanda
Author: Campos Castello, Francisco Javier
Director(s): Fuster Estruch, María Vicenta Kumiega, Andrew Arditi, David
UPV Unit: Universitat Politècnica de València. Departamento de Organización de Empresas - Departament d'Organització d'Empreses
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Read date / Event date:
2020-09-30
Issued date:
Abstract:
[ES] Este informe corresponde al estudio realizado sobre la precisión y la eficacia de los modelos de predicción para estimar la demanda en el mercado del reparto de bicicletas. El estudio revisa el enfoque tradicional de ...[+]


[EN] This report corresponds to the study carried out on the accuracy and effectiveness of predictive models to estimate the demand in the bike sharing market. The study revises the traditional approach to predicting the ...[+]
Subjects: Modelo , Predictivo , Estacional , Cliente , Demanda , Bikesharing , Model , Predictive , Seasonal , Client , Demand
Copyrigths: Cerrado
Publisher:
Universitat Politècnica de València
degree: Máster Universitario en Ingeniería Industrial-Màster Universitari en Enginyeria Industrial
Type: Tesis de máster

Location


 

recommendations

 

This item appears in the following Collection(s)

Show full item record