Francisco José Cano Sevilla, M.ª Pilar Lasala Calleja (1984)
Trabajos de Estadística e Investigación Operativa
Similarity:
Se introducen los funcionales de mínima g-divergencia y sus estimadores asociados. Se prueba la existencia y robustez del funcional y la convergencia del estimador asociado.
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. ...
Miquel Salicrú, Antoni Arcas Pons (1985)
Qüestiió
Similarity:
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) ...
Miquel Salicrú Pagés (1990)
Trabajos de Estadística
Similarity:
En este trabajo se caracteriza la simetría de la J-divergencia generalizada en términos del parámetro y de la función que la determina. Se plantea seguidamente la convexidad y la simetrización en función del parámetro, atendiendo a la forma de la función φ(t) que la determina. Finalmente, se revisa la convexidad en función de las variables atendiendo a la concavidad y convexidad de las funciones φ(t) y 1/φ''(t).
Domingo Morales González (1986)
Trabajos de Estadística
Similarity:
In this paper the Kagan divergence measure is extended in order to establish a measure of the information that a random sample gives about a Dirichlet process as a whole. After studying some of its properties, the expression obtained in sampling from the step n to the step n+1 is given, and its Bayesian properties are studied. We finish proving the good behaviour of a stopping rule defined on the basis of the information obtained in sampling when passing from a step to the following. ...
Mariano Ruiz Espejo (1988)
Stochastica
Similarity:
A class of infinite linear invariant estimators is proposed in the context of sampling theory. Desirable properties of accuracy of the class are also studied. The usual regression estimator is the best of the class introduced for a certain criterion.
Alex Costa, Albert Satorra, Eva Ventura (2002)
Qüestiió
Similarity:
Este trabajo es parte de un proyecto que estudia la aplicación de estimadores compuestos (combinación de estimadores directos e indirectos) para áreas pequeñas en estadística regional. Comparamos tres estimadores: uno directo basado en datos muestrales de cada Comunidad Autónoma (CA), otro sintético (indirecto) que combina los datos estatales con información específica de las CCAA, y un tercer estimador, el compuesto, basado en un modelo estadístico que se concreta en una combinación...
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.
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...