Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica

Mostrar todas las versiones(3)

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...

Descripción completa

Detalles Bibliográficos
Autor principal: Fragalá, Marina
Otros Autores: Yohai, Víctor
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:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-tesis_n6104_Fragala_oai
record_format dspace
spelling I28-R145-tesis_n6104_Fragala_oai2024-09-02 Yohai, Víctor Fragalá, Marina 2016-11-04 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). Fil: Fragalá, Marina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf https://hdl.handle.net/20.500.12110/tesis_n6104_Fragala spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/publishedVersion https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n6104_Fragala_oai
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
description 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).
author2 Yohai, Víctor
author_facet Yohai, Víctor
Fragalá, Marina
format Tesis de maestría
Tesis de maestría
publishedVersion
author Fragalá, Marina
spellingShingle Fragalá, Marina
Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
author_sort Fragalá, Marina
title Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
title_short Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
title_full Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
title_fullStr Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
title_full_unstemmed Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
title_sort un s-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2016
url 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
work_keys_str_mv AT fragalamarina unsestimadoralternativoparaelmodeloderegresionlinealcondatoscensuradosydistribucionposiblementeasimetrica
_version_ 1824355214116782080

Ejemplares similares