Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
En esta tesis comenzamos haciendo una revisión detallada de resultados sobre los Sestimadores para el modelo de regresión lineal con datos no censurados y errores quepueden tener distribución simétrica o asimétrica. Para estos estimadores aportamos unaprueba diferente de la propiedad de consistencia...
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de maestría publishedVersion |
| Lenguaje: | Español |
| Publicado: |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
2016
|
| Acceso en línea: | https://hdl.handle.net/20.500.12110/tesis_n6104_Fragala https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n6104_Fragala_oai |
| Aporte de: |
| Sumario: | En esta tesis comenzamos haciendo una revisión detallada de resultados sobre los Sestimadores para el modelo de regresión lineal con datos no censurados y errores quepueden tener distribución simétrica o asimétrica. Para estos estimadores aportamos unaprueba diferente de la propiedad de consistencia de Fisher y estudiamos la consistencia fuerte a partir del concepto de funcionales de regresión. Locatelli, Marazzi y Yohai (2010) desarrollaron S-estimadores para el modelo de regresión lineal con datos censurados y errores cuya distribución pertence a una familiaparamétrica de posición y escala que también puede ser simétrica o asimétrica. En estatesis proponemos y analizamos un nuevo procedimiento de estimación de tipo S parael mismo problema. Estos estimadores son altamente robustos pero ineficientes. Paramejorar la eficiencia, a partir de ellos definimos un estimador final utilizando un procedimientode máxima verosimilitud truncada. Este estimador resulta altamente robustoy con una eficiencia asintótica alta si se compara con la del estimador de máxima verosimilitudpara datos censurados. Las ventajas de este nuevo S-estimador para datoscensurados sobre el propuesto en Locatelli et al. (2010) son las siguientes: (a) gracias asu estructura, podemos probar que el nuevo S-estimador tiene la propiedad de consistenciade Fisher y (b) el cálculo del nuevo S-estimador requiere un algoritmo de menorcomplejidad del que se usa para el S-estimador propuesto en Locatelli et al. (2010). |
|---|