Estimadores robustos y eficientes para el modelo de Regresión Lineal
En esta Tesis presentamos una nueva clase de estimadores (que llamaremos REWLS) para el modelo de Regresión Lineal. Son estimadores de mínimoscuadrados pesados, con pesos que se calculan de manera adaptiva a partir dela distribución empírica de los residuos de un estimador robusto inicial. Se demues...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis Doctoral |
| Lenguaje: | Español |
| Publicado: |
1999
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.12110/tesis_n3163_Gervini |
| Aporte de: |
| Sumario: | En esta Tesis presentamos una nueva clase de estimadores (que llamaremos REWLS) para el modelo de Regresión Lineal. Son estimadores de mínimoscuadrados pesados, con pesos que se calculan de manera adaptiva a partir dela distribución empírica de los residuos de un estimador robusto inicial. Se demuestraque el punto de ruptura de los REWLS no es menor que el del estimadorinicial, de modo que pueden alcanzar el punto de ruptura máximo 1/2. Para elcaso particular del estimador de mínima mediana de cuadrados (LMS) como estimadorinicial y pesos “hard rejection”, se muestra numéricamente que los sesgosmáximos del REWLS para contaminaciones puntuales son prácticamente igualeslos del LMS. Pero además, y esto constituye el aporte original de la Tesis, sedemuestra que bajo el modelo los REWLS son asintóticamente equivalentes alestimador de mínimos cuadrados y entonca alcanzan la máxima eficiencia asintóticapara el modelo de errores normales En conclusión, los estimadores queproponemos logran alcanzar la máxima eficiencia asintótica bajo el modelo sinafectar las cualidades de robustez del estimador inicial. |
|---|