Displaying similar documents to “Test de bondad de ajuste del modelo lineal general bajo correlación serial de los errores.”

Selección de la ventana en suavización tipo núcleo de la parte no paramétrica de un modelo parcialmente lineal con errores autorregresivos.

Germán Aneiros Pérez (2000)

Qüestiió

Similarity:

Supongamos que y = ζ β + m(t) + ε, i = 1, ..., n, donde el vector (p x 1) β y la función m(·) son desconocidos, y los errores ε provienen de un proceso autorregresivo de orden uno (AR(1)) estacionario. Discutimos aquí el problema de la selección del parámetro ventana de un estimador tipo núcleo de la función m(·) basado en un estimador Generalizado de Mínimos Cuadrados de β. Obtenemos la expresión asintótica de una ventana óptima y proponemos un método para estimarla,...

Propiedades asintóticas de los estimadores de mínima distancia con covariables.

Wenceslao González Manteiga, Manuel A. Presedo Quindimil (1991)

Qüestiió

Similarity:

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. ...

Una aplicación de la estimación no paramétrica al modelo lineal general con varianza no homógenea.

Wenceslao González Manteiga (1985)

Trabajos de Estadística e Investigación Operativa

Similarity:

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.

Aplicación de la suavización no paramétrica del tipo "K-puntos próximos" a modelos de regresión lineal.

Wenceslao González Manteiga (1990)

Trabajos de Estadística

Similarity:

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) ...

Estimación no paramétrica de la función de distribución.

Juan Manuel Vilar Fernández (1991)

Qüestiió

Similarity:

Sea X una variable aleatoria con función de distribución F(x) y función de densidad f(x) y X1, X2,..., Xn un conjunto de observaciones de la variable que pueden ser dependientes. Se definen dos estimadores no paramétricos generales (uno recursivo y el otro no recursivo) de la función de distribución. Bajo condiciones aceptables se obtiene el sesgo y la varianza y covarianza asintótica de los estimadores definidos....

Técnicas de validación cruzada en la estimación de la densidad bajo condiciones de dependencia.

Alejandro Quintela del Río, Juan Manuel Vilar Fernández (1991)

Qüestiió

Similarity:

Se estudian modificaciones de las técnicas de validación cruzada de Kullback-Leibler y mínimos cuadrados para obtener el parámetro de suavización asociado a un estimador general no paramétrico de la función de densidad, a partir de la muestra, en el supuesto de que los datos verifican alguna condición débil de dependencia. Se demuestra que los parámetros obtenidos por estas dos técnicas son asintóticamente óptimos. Y se realiza un estudio de simulación.

Estimación no paramétrica de curvas notables para datos dependientes.

Juan Manuel Vilar Fernández (1989)

Trabajos de Estadística

Similarity:

Sea {Xt: t ∈ Z} una serie de tiempo estacionaria, con valores en Rp, verificando la condición de ser α-mixing o L2-estable. A partir de una muestra de tamaño n se define una amplia clase de estimadores no paramétricos de la función de densidad f(x) asociada al proceso, y de la función de autorregresión de orden k: r(y) = E(g(Xt+1)/(Xt-k+1 ... Xt) = y), y...

Una clase de estimadores para los parámetros de un proceso AR(1), obtenidos a partir de estimaciones no paramétricas previas.

Wenceslao Gonzalez Manteiga, Juan Manuel Vilar Fernández (1987)

Trabajos de Estadística

Similarity:

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...

Consistencia de un estimador no paramétrico, recursivo, de la regresión bajo condiciones generales.

Juan Manuel Vilar Fernández (1991)

Trabajos de Estadística

Similarity:

Se define un estimador no paramétrico, recursivo, de la función de regresión r(x) = E(Y/X = x), que se calcula a partir de un conjunto de n observaciones {(X1,Yi): i = 1, ..., n} del vector aleatorio (X,Y). Bajo la hipótesis de que los datos son idénticamente distribuidos pero no necesariamente independientes, lo que permite utilizar el estimador definido para estimar la función de autorregresión de una serie de tiempo, se obtienen resultados...

Estimación de la función de densidad con observaciones obtenidas en instantes aleatorios.

José A. Vilar Fernández, Juan Manuel Vilar Fernández (1993)

Qüestiió

Similarity:

Sea X(t) un proceso estacionario en tiempo continuo con función de densidad marginal univariante f(x). A partir de un conjunto de n observaciones; X(τ1), X(τ2), ..., X(τn) recogidas en instantes muestrales τi, espaciados irregularmente o aletorios, se estudia la estimación no paramétrica de f(x), utilizando un estimador recursivo tipo núcleo. Asumiendo condiciones débiles de dependencia (α-mixing)...

Análisis comparativo de estimadores pretest de heterocedasticidad en modelos econométricos. Un estudio Monte Carlo.

Rafaela Dios Palomares, C. Rodríguez Fonseca (1999)

Qüestiió

Similarity:

En el presente artículo se recogen los resultados de una investigación llevada a cabo sobre el comportamiento de pretest de heterocedasticidad. Con este fin se ha diseñado un experimento Monte Carlo, introduciendo como proceso generador de datos un modelo con tres supuestos sobre la estructura de la varianza del error y con distintos niveles de heteroscedasticidad para cada uno de ellos. Asimismo, se analiza la potencia de los diferentes contrastes de heterocedasticidad bajo los distintos...

Criterios de selección de modelos ARIMA.

Daniel Peña Sánchez de Rivera, Gonzalo Arnáiz Tovar (1981)

Trabajos de Estadística e Investigación Operativa

Similarity:

Este trabajo compara la eficiencia de algunos contrastes diagnósticos para discriminar entre modelos ARIMA, y discute la utilización en este contexto del criterio de Información de Akaike (MAIC). Hemos demostrado que el MAIC equivale a un contraste F para probar si la reducción de varianza aportada por la introducción de nuevos parámetros es significativa. El nivel crítico de este contraste es variable en función del número incremental de parámetros introducidos. Los resultados...