Catálogo de publicaciones - tesis
Título de Acceso Abierto
Estimadores robustos y eficientes para el modelo de Regresión Lineal
Daniel Gervini Víctor J. Yohai
publishedVersion.
Resumen/Descripción – provisto por el repositorio digital
En esta Tesis presentamos una nueva clase de estimadores (que llamaremos REWLS) para el modelo de Regresión Lineal. Son estimadores de mínimos cuadrados pesados, con pesos que se calculan de manera adaptiva a partir de la distribución empírica de los residuos de un estimador robusto inicial. Se demuestra que el punto de ruptura de los REWLS no es menor que el del estimador inicial, de modo que pueden alcanzar el punto de ruptura máximo 1/2. Para el caso particular del estimador de mínima mediana de cuadrados (LMS) como estimador inicial y pesos “hard rejection”, se muestra numéricamente que los sesgos máximos del REWLS para contaminaciones puntuales son prácticamente iguales los del LMS. Pero además, y esto constituye el aporte original de la Tesis, se demuestra que bajo el modelo los REWLS son asintóticamente equivalentes al estimador de mínimos cuadrados y entonca alcanzan la máxima eficiencia asintótica para el modelo de errores normales En conclusión, los estimadores que proponemos logran alcanzar la máxima eficiencia asintótica bajo el modelo sin afectar las cualidades de robustez del estimador inicial.Palabras clave – provistas por el repositorio digital
ROBUSTEZ; REGRESION LINEAL; ESTIMACION EFICIENTE; MINIMOS CUADRADOS PESADOS; ROBUSTNESS; LINEAR REGRESSION; EFFICIENT ESTIMATION; WEIGHTED LEAST SQUARES
Disponibilidad
| Institución detectada | Año de publicación | Navegá | Descargá | Solicitá |
|---|---|---|---|---|
| No requiere | 1999 | Biblioteca Digital (FCEN-UBA) (SNRD) |
|
Información
Tipo de recurso:
tesis
Idiomas de la publicación
- español castellano
País de edición
Argentina
Fecha de publicación
1999
Información sobre licencias CC
