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

Guardado en:
Detalles Bibliográficos
Autores principales: Marfia, Martín, Álvarez, Enrique Ernesto
Formato: Articulo Comunicacion
Lenguaje:Español
Publicado: 2021
Materias:
Ingeniería
Datos Faltantes
Estimador Robusto
Alta Eficiencia
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/117419
https://revistas.unlp.edu.ar/InvJov/article/view/11689
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-117419
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
Datos Faltantes
Estimador Robusto
Alta Eficiencia
spellingShingle Ingeniería
Datos Faltantes
Estimador Robusto
Alta Eficiencia
Marfia, Martín
Álvarez, Enrique Ernesto
Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
topic_facet Ingeniería
Datos Faltantes
Estimador Robusto
Alta Eficiencia
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, losprocedimientos óptimos clásicos son los estimadores de máxima verosimilitud. Sin embargo, estos métodos son muysensibles 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 bajoel 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.
format Articulo
Comunicacion
author Marfia, Martín
Álvarez, Enrique Ernesto
author_facet Marfia, Martín
Álvarez, Enrique Ernesto
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 2021
url http://sedici.unlp.edu.ar/handle/10915/117419
https://revistas.unlp.edu.ar/InvJov/article/view/11689
work_keys_str_mv AT marfiamartin estimadoresdeposicionyescalamultivariadosdetipommenpresenciadedatosfaltantes
AT alvarezenriqueernesto estimadoresdeposicionyescalamultivariadosdetipommenpresenciadedatosfaltantes
AT marfiamartin mmtypelocationandscalemultivariateestimatorsinpresenceofmissingdata
AT alvarezenriqueernesto mmtypelocationandscalemultivariateestimatorsinpresenceofmissingdata
bdutipo_str Repositorios
_version_ 1764820447343411203

Ejemplares similares