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: 2023
Materias:
Ingeniería
robustez
datos faltantes
datos multivariados
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/170649
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-170649
record_format dspace
spelling I19-R120-10915-1706492024-09-25T20:04:48Z http://sedici.unlp.edu.ar/handle/10915/170649 Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes Position and scale multivariate mm type estimators in presence of missing data Marfia, Martín Álvarez, Enrique Ernesto 2023-09-27 2024-09-25T17:04:32Z es Ingeniería robustez datos faltantes datos multivariados 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 atpicas. En efecto, pequeñas desviaciones a la normalidad manifestadas por unas pocas desviaciones atpicas pueden invalidar las conclusiones basadas en estos procedimientos. Los procedimientos estadísticos robustos tienen como objetivopermitir inferencias validas 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.A pesar de que la presencia de valores atpicos y datos faltantes han sido individualmente muy estudiados, son pocos los trabajos que estudian ambos problemas en conjunto.Recientemente, Danilov y otros (2012) propusieron dos estimadores robustos para datos faltantes: un S-estimador generalizado (GSE) y un S-estimador extendido (ESE). Ambos estimadores coinciden con los S-estimadores propuestos por Davies (1987) para muestras sin datos faltantes.Nuestra propuesta consiste en un estimador de posición y escala donde en la primera etapa utilizamos el estimador propuesto por Danilov. Nuestro objetivo es estudiar condiciones de existencia, consitencia, punto de ruptura y normalidad asíntotica. Además, queremos proponer un algoritmo para el cálculo numerico del estimador para poder realizar simulaciones y poder compararlo con otros ya existentes. Facultad de Ciencias Agrarias y Forestales Articulo Comunicacion http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 468-469
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
robustez
datos faltantes
datos multivariados
spellingShingle Ingeniería
robustez
datos faltantes
datos multivariados
Marfia, Martín
Álvarez, Enrique Ernesto
Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes
topic_facet Ingeniería
robustez
datos faltantes
datos multivariados
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 atpicas. En efecto, pequeñas desviaciones a la normalidad manifestadas por unas pocas desviaciones atpicas pueden invalidar las conclusiones basadas en estos procedimientos. Los procedimientos estadísticos robustos tienen como objetivopermitir inferencias validas 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.A pesar de que la presencia de valores atpicos y datos faltantes han sido individualmente muy estudiados, son pocos los trabajos que estudian ambos problemas en conjunto.Recientemente, Danilov y otros (2012) propusieron dos estimadores robustos para datos faltantes: un S-estimador generalizado (GSE) y un S-estimador extendido (ESE). Ambos estimadores coinciden con los S-estimadores propuestos por Davies (1987) para muestras sin datos faltantes.Nuestra propuesta consiste en un estimador de posición y escala donde en la primera etapa utilizamos el estimador propuesto por Danilov. Nuestro objetivo es estudiar condiciones de existencia, consitencia, punto de ruptura y normalidad asíntotica. Además, queremos proponer un algoritmo para el cálculo numerico del estimador para poder realizar simulaciones y poder compararlo con otros ya existentes.
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 2023
url http://sedici.unlp.edu.ar/handle/10915/170649
work_keys_str_mv AT marfiamartin estimadoresdeposicionyescalamultivariadosdetipommenpresenciadedatosfaltantes
AT alvarezenriqueernesto estimadoresdeposicionyescalamultivariadosdetipommenpresenciadedatosfaltantes
AT marfiamartin positionandscalemultivariatemmtypeestimatorsinpresenceofmissingdata
AT alvarezenriqueernesto positionandscalemultivariatemmtypeestimatorsinpresenceofmissingdata
_version_ 1824075772465250304

Ejemplares similares