Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes

Mostrar todas las versiones(5)

La mayoría de los procedimientos estadísticos clásicos están basados en modelos con hipótesis rígidas, tales como errores normales, observaciones equidistribuidas, etc. Bajo estas hipótesis se deducen procedimientos óptimos. Por ejemplo, para el caso de regresión el procedimiento optimo es el de mín...

Descripción completa

Detalles Bibliográficos
Autor principal: Marfia, Martín
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2020
Materias:
Matemática
Datos faltantes
Estimador robusto
Alta eficiencia
Missing values
Robust estimator
High efficiency
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/114055
https://congresos.unlp.edu.ar/ebec2020/martin-marfia
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-114055
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Matemática
Datos faltantes
Estimador robusto
Alta eficiencia
Missing values
Robust estimator
High efficiency
spellingShingle Matemática
Datos faltantes
Estimador robusto
Alta eficiencia
Missing values
Robust estimator
High efficiency
Marfia, Martín
Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
topic_facet Matemática
Datos faltantes
Estimador robusto
Alta eficiencia
Missing values
Robust estimator
High efficiency
description La mayoría de los procedimientos estadísticos clásicos están basados en modelos con hipótesis rígidas, tales como errores normales, observaciones equidistribuidas, etc. Bajo estas hipótesis se deducen procedimientos óptimos. Por ejemplo, para el caso de regresión el procedimiento optimo es el de mínimos cuadrados; para modelos paramétricos en general, los procedimientos óptimos clásicos son los estimadores de máxima verosimilitud. Sin embargo, estos métodos son muy sensibles al incumplimiento de las hipótesis que los generaron, tales como la presencia en la muestra de observaciones atípicas. En efecto, pequeñas desviaciones a la normalidad manifestadas por unas pocas desviaciones atípicas pueden invalidar las conclusiones basadas en estos procedimientos. Los procedimientos estadísticos robustos tienen como objetivo permitir inferencias válidas cuando el modelo no se cumple exactamente y al mismo tiempo ser altamente eficientes bajo el modelo. A la falta de robustez de los métodos de estimación clásicos se le suma otro problema común como son los datos faltantes. La presencia de datos faltantes, es la situación a la que permanentemente se enfrentan investigadores, ingenieros, analistas, etc. El objetivo es disponer de un archivo de datos completos, pero aplicar métodos de imputación inapropiados para lograrlo, puede generar más problemas de los que resuelve. La solución más simple es restringir la atención a los casos completos, pero esto no haría un uso eficiente de los datos y en el caso de muestras pequeñas no resulta viable. Durante las ultimas décadas se han desarrollado procedimientos que tienen mejores propiedades estadísticas que las opciones tradicionales. Asumimos que nuestros datos están completamente perdidos al azar (MCAR), lo que quiere decir que las componentes de una observación se pierdan no depende de los valores que tome esa observación. Nuestro objetivo es proponer una generalización del estimador de tipo MM para el modelo de posición y escala multivariado que sea capaz de enfrentar ambos problemas. Para ello, nuestro enfoque es considerar como estimador de escala inicial la escala de las distancias de Mahalanobis parciales del S-estimador generalizado , y usarlo como punto de partida para calcular un M-estimador cuya función rho tiene un parámetro para controlar la eficiencia.
format Objeto de conferencia
Objeto de conferencia
author Marfia, Martín
author_facet Marfia, Martín
author_sort Marfia, Martín
title Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
title_short Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
title_full Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
title_fullStr Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
title_full_unstemmed Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
title_sort estimadores de posición y escala multivariados de tipo mm en presencia de datos faltantes
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/114055
https://congresos.unlp.edu.ar/ebec2020/martin-marfia
work_keys_str_mv AT marfiamartin estimadoresdeposicionyescalamultivariadosdetipommenpresenciadedatosfaltantes
AT marfiamartin mmtypelocationandscalemultivariateestimatorsinpresenceofmissingdata
bdutipo_str Repositorios
_version_ 1764820445651009537

Ejemplares similares