Estimación robusta de la función de autocorrelación
En este trabajo se aborda el problema de la robustez de la función de autocorrelación muestral, y se proponen dos estimadores: uno basado en un estimador robusto de escala y la función de autocorrelación truncada. Se realiza un estudio de simulaciones para investigar y comparar el comportamiento del...
Guardado en:
Autores principales: | , |
---|---|
Otros Autores: | |
Formato: | conferenceObject documento de conferencia acceptedVersion |
Lenguaje: | Español |
Publicado: |
2017
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/2133/7505 http://hdl.handle.net/2133/7505 |
Aporte de: |
id |
I15-R121-2133-7505 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de Rosario |
institution_str |
I-15 |
repository_str |
R-121 |
collection |
Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) |
language |
Español |
orig_language_str_mv |
spa |
topic |
n.d. n.d. n.d. |
spellingShingle |
n.d. n.d. n.d. Bonifazi, Fernanda Méndez, Fernanda Estimación robusta de la función de autocorrelación |
topic_facet |
n.d. n.d. n.d. |
description |
En este trabajo se aborda el problema de la robustez de la función de autocorrelación muestral, y se proponen dos estimadores: uno basado en un estimador robusto de escala y la función de autocorrelación truncada. Se realiza un estudio de simulaciones para investigar y comparar el comportamiento del estimador clásico -FACM- y estos dos nuevos estimadores en procesos contaminados con valores atípicos. Se observa que la FACM no es resistente a la presencia de observaciones extremas y se confirma la robustez de la FACMR en situaciones con outliers de diferentes magnitudes. Por lo tanto, dado que en la práctica se suele desconocer la existencia de valores extremos, se aconseja calcular conjuntamente el estimador clásico y los estimadores robustos de la función de autocorrelación. Si dichas estimaciones son similares, se puede asumir que el efecto de los valores atípicos es insignificante. Por el contrario, si son significativamente diferentes, se debe actuar con cuidado. Queda pendiente el análisis del desempeño de estos estimadores en presencia de múltiples datos atípicos en la serie y en el caso de procesos con estacionalidad. |
author2 |
Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario |
author_facet |
Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario Bonifazi, Fernanda Méndez, Fernanda |
format |
conferenceObject documento de conferencia acceptedVersion |
author |
Bonifazi, Fernanda Méndez, Fernanda |
author_sort |
Bonifazi, Fernanda |
title |
Estimación robusta de la función de autocorrelación |
title_short |
Estimación robusta de la función de autocorrelación |
title_full |
Estimación robusta de la función de autocorrelación |
title_fullStr |
Estimación robusta de la función de autocorrelación |
title_full_unstemmed |
Estimación robusta de la función de autocorrelación |
title_sort |
estimación robusta de la función de autocorrelación |
publishDate |
2017 |
url |
http://hdl.handle.net/2133/7505 http://hdl.handle.net/2133/7505 |
work_keys_str_mv |
AT bonifazifernanda estimacionrobustadelafunciondeautocorrelacion AT mendezfernanda estimacionrobustadelafunciondeautocorrelacion |
bdutipo_str |
Repositorios |
_version_ |
1764820413175562241 |