Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada

Mostrar todas las versiones(3)

En los últimos años, los métodos de estimación doble protegidos dieron lugar al desarrollode propuestas múltiple protegidas. Diversos autores han presentado estimadoresconsistentes en más escenarios que los contemplados por los estimadores doble protegidos. Estas propuestas de estimación, lejos de c...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Molina, Fernanda Julieta
Formato: Tesis Doctoral
Lenguaje:Español
Publicado: 2013
Materias:
ESTIMACION MULTIPLE PROTEGIDA
VEROSIMILITUD FACTORIZADA
ESTADISTICA SEMIPARAMETRICA
DATOS FALTANTES
MODELOS PARCIALMENTE LINEALES
MULTIPLE ROBUST ESTIMATION
FACTORIZED LIKELIHOOD
SEMIPARAMETRIC STATISTICS
MISSING DATA
PARTIALLY LINEAR REGRESSION MODEL WITH MISSING OUTCOMES
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n5546_Molina
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id todo:tesis_n5546_Molina
record_format dspace
spelling todo:tesis_n5546_Molina2023-10-03T12:58:23Z Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada Constructing multiple robust estimating functions in factorized likelihood models Molina, Fernanda Julieta ESTIMACION MULTIPLE PROTEGIDA VEROSIMILITUD FACTORIZADA ESTADISTICA SEMIPARAMETRICA DATOS FALTANTES MODELOS PARCIALMENTE LINEALES MULTIPLE ROBUST ESTIMATION FACTORIZED LIKELIHOOD SEMIPARAMETRIC STATISTICS MISSING DATA PARTIALLY LINEAR REGRESSION MODEL WITH MISSING OUTCOMES En los últimos años, los métodos de estimación doble protegidos dieron lugar al desarrollode propuestas múltiple protegidas. Diversos autores han presentado estimadoresconsistentes en más escenarios que los contemplados por los estimadores doble protegidos. Estas propuestas de estimación, lejos de construirse bajo una teoría general, sonel resultado de procedimientos ad-hoc creados para cada modelo considerado. En este trabajo, desarrollamos un marco teórico que explica la existencia de estimadoresmúltiple protegidos en varias de las propuestas de estimación múltiple protegidas yaexistentes, en modelos donde la verosimilitud se factoriza. Dicha teoría provee condicionessuficientes bajo las cuales es posible la construcción de ecuaciones de estimaciónque, bajo condiciones de regularidad, tienen soluciones que constituyen estimadoresmúltiple protegidos. Presentamos también condiciones suficientes bajo las cuales estimarde manera múltiple protegida ciertos parámetros de ruido, cuya estimación esnecesaria para poder estimar de manera múltiple protegida al parámetro de interés. Además, aplicamos los métodos desarrollados para estimar en forma cuádruple protegidala componente lineal bajo un modelo de regresión parcialmente lineal con datosfaltantes, ya que dicho modelo se inscribe en el marco de la teoría desarrollada. Incluimostambién, los resultados de un estudio de Monte Carlo realizado bajo el modelomencionado. In recent years, double robust procedures have led to the development of multiplerobust approaches. Different authors have shown consistent estimators that confer evenmore protection than double robust estimators. These estimation proposals, far frombeing constructed under a general theory, are the result of ad-hoc procedures createdfor each model considered. In this work, we develop a theoretical framework that explains the existence of multiplerobust estimators in many of the multiple robust procedures existing in factorized likelihoodmodels. This theory provides sufficient conditions for the construction of multiplerobust estimating equations for the parameter of interest. We also provide sufficientconditions under which it is possible to construct multiple robust estimators for certainparameters needed for the estimation of the parameter of interest. We apply this procedure to obtain a multiple robust estimator for the linear componentunder a partial lineal regression model with missing outcomes, since this model fits inthe framework of the developed theory. Also, we present the results of a Monte Carlosimulation study performed under the same model. Fil: Molina, Fernanda Julieta. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 2013-11 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_n5546_Molina
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 ESTIMACION MULTIPLE PROTEGIDA
VEROSIMILITUD FACTORIZADA
ESTADISTICA SEMIPARAMETRICA
DATOS FALTANTES
MODELOS PARCIALMENTE LINEALES
MULTIPLE ROBUST ESTIMATION
FACTORIZED LIKELIHOOD
SEMIPARAMETRIC STATISTICS
MISSING DATA
PARTIALLY LINEAR REGRESSION MODEL WITH MISSING OUTCOMES
spellingShingle ESTIMACION MULTIPLE PROTEGIDA
VEROSIMILITUD FACTORIZADA
ESTADISTICA SEMIPARAMETRICA
DATOS FALTANTES
MODELOS PARCIALMENTE LINEALES
MULTIPLE ROBUST ESTIMATION
FACTORIZED LIKELIHOOD
SEMIPARAMETRIC STATISTICS
MISSING DATA
PARTIALLY LINEAR REGRESSION MODEL WITH MISSING OUTCOMES
Molina, Fernanda Julieta
Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
topic_facet ESTIMACION MULTIPLE PROTEGIDA
VEROSIMILITUD FACTORIZADA
ESTADISTICA SEMIPARAMETRICA
DATOS FALTANTES
MODELOS PARCIALMENTE LINEALES
MULTIPLE ROBUST ESTIMATION
FACTORIZED LIKELIHOOD
SEMIPARAMETRIC STATISTICS
MISSING DATA
PARTIALLY LINEAR REGRESSION MODEL WITH MISSING OUTCOMES
description En los últimos años, los métodos de estimación doble protegidos dieron lugar al desarrollode propuestas múltiple protegidas. Diversos autores han presentado estimadoresconsistentes en más escenarios que los contemplados por los estimadores doble protegidos. Estas propuestas de estimación, lejos de construirse bajo una teoría general, sonel resultado de procedimientos ad-hoc creados para cada modelo considerado. En este trabajo, desarrollamos un marco teórico que explica la existencia de estimadoresmúltiple protegidos en varias de las propuestas de estimación múltiple protegidas yaexistentes, en modelos donde la verosimilitud se factoriza. Dicha teoría provee condicionessuficientes bajo las cuales es posible la construcción de ecuaciones de estimaciónque, bajo condiciones de regularidad, tienen soluciones que constituyen estimadoresmúltiple protegidos. Presentamos también condiciones suficientes bajo las cuales estimarde manera múltiple protegida ciertos parámetros de ruido, cuya estimación esnecesaria para poder estimar de manera múltiple protegida al parámetro de interés. Además, aplicamos los métodos desarrollados para estimar en forma cuádruple protegidala componente lineal bajo un modelo de regresión parcialmente lineal con datosfaltantes, ya que dicho modelo se inscribe en el marco de la teoría desarrollada. Incluimostambién, los resultados de un estudio de Monte Carlo realizado bajo el modelomencionado.
format Tesis Doctoral
author Molina, Fernanda Julieta
author_facet Molina, Fernanda Julieta
author_sort Molina, Fernanda Julieta
title Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
title_short Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
title_full Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
title_fullStr Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
title_full_unstemmed Construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
title_sort construcción de funciones de estimación múltiple protegidas en modelos con verosimilitud factorizada
publishDate 2013
url https://hdl.handle.net/20.500.12110/tesis_n5546_Molina
work_keys_str_mv AT molinafernandajulieta construcciondefuncionesdeestimacionmultipleprotegidasenmodelosconverosimilitudfactorizada
AT molinafernandajulieta constructingmultiplerobustestimatingfunctionsinfactorizedlikelihoodmodels
_version_ 1807319134449434624

Ejemplares similares