Estimadores de tipo MM para el modelo lineal multivariado
En esta tesis, proponemos una clase de estimadores robustos para modelos lineales multivariados. Basados en el enfoque de la MM estimación (Yohai 1987, [36]), calculamos los coeficientes de regresión y la matriz de covarianzas de los errores de forma simultánea. Estos estimadores tienen alto punto d...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis Tesis de doctorado |
| Lenguaje: | Español |
| Publicado: |
2010
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/2668 https://doi.org/10.35537/10915/2668 |
| Aporte de: |
| Sumario: | En esta tesis, proponemos una clase de estimadores robustos para modelos lineales multivariados. Basados en el enfoque de la MM estimación (Yohai 1987, [36]), calculamos los coeficientes de regresión y la matriz de covarianzas de los errores de forma simultánea. Estos estimadores tienen alto punto de ruptura y alta eficiencia asintótica bajo errores normales. Probamos la consistencia y normalidad asintótica asumiendo que los errores tienen una distribución elíptica. Describimos un algoritmo iterativo para el cálculo numérico de estos estimadores. Las ventajas de los estimadores propuestos sobre sus competidores se evidencian tanto en los datos simulados como en los reales. Finalmente, damos una aplicación de los MM-estimadores al análisis de correlación canónico mediante la definición de estimadores robustos para las coordenadas y correlaciones canónicas, y comparamos el desempeño de estos estimadores con el de otros estimadores robustos mediante un estudio de simulación. |
|---|