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
Formato: Tesis de Maestría
Lenguaje:Español
Publicado: 2016
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n6104_Fragala
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id todo:tesis_n6104_Fragala
record_format dspace
spelling todo:tesis_n6104_Fragala2023-10-03T13:04:58Z Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica Fragalá, Marina 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. 2016 Tesis de Maestría 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_n6104_Fragala
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
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).
format Tesis de Maestría
author Fragalá, Marina
spellingShingle Fragalá, Marina
Un S-estimador alternativo para el modelo de regresión lineal con datos censurados y distribución posiblemente asimétrica
author_facet Fragalá, Marina
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
publishDate 2016
url https://hdl.handle.net/20.500.12110/tesis_n6104_Fragala
work_keys_str_mv AT fragalamarina unsestimadoralternativoparaelmodeloderegresionlinealcondatoscensuradosydistribucionposiblementeasimetrica
_version_ 1807314927940009984

Ejemplares similares