En el modelo de regresión lineal y = E(Y/X = x) = θx, donde (X,Y) es un vector aleatorio bidimensional, del que se dispone de una muestra {(X1, Y1), ..., (Xn, Yn)}, se han introducido recientemente una clase general de estimadores para θ definida como aquellos valores que minimizan el funcional:
ψ(θ) = ∫ (αn(x) - θx)2 dΩn(x)
donde α
En este trabajo se introduce un nuevo estimador de la recta de regresión cuando la varianza de los errores aleatorios no es homogénea. La consideración de que la función varianza sea suave nos permite estimarla mediante métodos de estimación no paramétrica para luego a través de tales estimaciones definir un estimador mínimo cuadrático ponderado. Se prueba que tal estimador es asintóticamente optimal en el sentido de la mínima varianza.
Sea {Xt}t ∈ Z+ una serie de tiempo estacionaria que sigue el modelo autorregresivo de orden 1: Xt = λ + ρXt-1 + et, siendo {et} variables aleatorias i.i.d. de media cero y varianza σ2; a partir de una muestra del proceso {X1, ..., Xn} se calcula en una primera etapa τ'n, estimador...
En este trabajo consideramos estimaciones no paramétricas de las funciones de razón de fallo y supervivencia en fiabilidad haciendo uso de suavizaciones no paramétricas de la función de distribución empírica (datos no censurados) y de la distribución de Kaplan-Meier (datos censurados). Se obtienen sesgos, varianzas y distribuciones asintóticas de los estimadores aquí propuestos probándose mediante técnicas de expansiones de segundo orden la eficiencia de éstos respecto de otras estimaciones introducidas...
En este trabajo se obtienen propiedades de consistencia y normalidad asintótica para el estimador no paramétrico de la función de regresión (m(x)) resultante de la extensión de la metodología de mínima distancia de Cramer-von Mises al contexto de la estimación de curvas. Se hacen algunas consideraciones acerca de la robustez del estimador resultante en base a la función de influencia local (LIF) y se realiza un estudio de Monte Carlo comparativo con otros métodos de estimación.
Dado el siguiente modelo de regresión de diseño fijo, con correlación serial en los errores: Yi = m(xi) + εi, donde xi ∈ C, i = 1,..., n, siendo C un conjunto compacto de R, con error aleatorio εi siguiendo una estructura lineal de tipo MA(∞), se propone un nuevo método para contrastar la hipótesis de que la función de regresión siga un modelo lineal, de la forma mθ(-) = A
Page 1