Estimadores robustos y eficientes para el modelo de Regresión Lineal

Mostrar todas las versiones(3)

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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Gervini, Daniel
Formato: Tesis Doctoral
Lenguaje:Español
Publicado: 1999
Materias:
ROBUSTEZ
REGRESION LINEAL
ESTIMACION EFICIENTE
MINIMOS CUADRADOS PESADOS
ROBUSTNESS
LINEAR REGRESSION
EFFICIENT ESTIMATION
WEIGHTED LEAST SQUARES
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n3163_Gervini
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id todo:tesis_n3163_Gervini
record_format dspace
spelling todo:tesis_n3163_Gervini2023-10-03T12:37:08Z Estimadores robustos y eficientes para el modelo de Regresión Lineal Robust and efficient estimators for the Linear Regression model Gervini, Daniel ROBUSTEZ REGRESION LINEAL ESTIMACION EFICIENTE MINIMOS CUADRADOS PESADOS ROBUSTNESS LINEAR REGRESSION EFFICIENT ESTIMATION WEIGHTED LEAST SQUARES 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. In this Thesis we introduce a new class of estimators (that we will call REWLS)for the Linear Regession model. They are weighted least squares estimators, withweights adaptively computed from the empirical distribution of the residuals ofsome initial robust estimator. It is shown that the breakdown point of the REWLSis not smaller than the breakdown point of the initial estimator, so that they canattain the maximum 1/2 breakdown point. For the particular case of the leastmedian of squares (LMS) as the initial estimator and hard rejection weights, it isshown that the maximum biases of the REWLS for point mass contaminations arepractically equal to those of the LMS. Moreover —and this is the original contributionof this Thesis- it is shown that the REWLS are asymptotically equivalent tothe least squares estimator under the model and hence they attain the maximumasymptotic efficiency for the normal error model. To summarize, the estimatorswe propose attain the maximum asymptotic efficiency under the model with nodamage to the robust qualities of the initial estimator. Fil: Gervini, Daniel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 1999 Tesis Doctoral PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n3163_Gervini
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv Español
topic ROBUSTEZ
REGRESION LINEAL
ESTIMACION EFICIENTE
MINIMOS CUADRADOS PESADOS
ROBUSTNESS
LINEAR REGRESSION
EFFICIENT ESTIMATION
WEIGHTED LEAST SQUARES
spellingShingle ROBUSTEZ
REGRESION LINEAL
ESTIMACION EFICIENTE
MINIMOS CUADRADOS PESADOS
ROBUSTNESS
LINEAR REGRESSION
EFFICIENT ESTIMATION
WEIGHTED LEAST SQUARES
Gervini, Daniel
Estimadores robustos y eficientes para el modelo de Regresión Lineal
topic_facet ROBUSTEZ
REGRESION LINEAL
ESTIMACION EFICIENTE
MINIMOS CUADRADOS PESADOS
ROBUSTNESS
LINEAR REGRESSION
EFFICIENT ESTIMATION
WEIGHTED LEAST SQUARES
description 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.
format Tesis Doctoral
author Gervini, Daniel
author_facet Gervini, Daniel
author_sort Gervini, Daniel
title Estimadores robustos y eficientes para el modelo de Regresión Lineal
title_short Estimadores robustos y eficientes para el modelo de Regresión Lineal
title_full Estimadores robustos y eficientes para el modelo de Regresión Lineal
title_fullStr Estimadores robustos y eficientes para el modelo de Regresión Lineal
title_full_unstemmed Estimadores robustos y eficientes para el modelo de Regresión Lineal
title_sort estimadores robustos y eficientes para el modelo de regresión lineal
publishDate 1999
url https://hdl.handle.net/20.500.12110/tesis_n3163_Gervini
work_keys_str_mv AT gervinidaniel estimadoresrobustosyeficientesparaelmodeloderegresionlineal
AT gervinidaniel robustandefficientestimatorsforthelinearregressionmodel
_version_ 1807323855565357056

Ejemplares similares