Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers

Los métodos de replicaciones para la estimación de la FAC de un modelo de serie de tiempo AR(1) presentaron resultados diversos cuando se presentan ciertos porcentajes de contaminación. El estimador basado en el método FRB parece ser una buena alternativa al estimador altamente robusto MG ya que res...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Bussi, Javier, Marí, Gonzalo Pablo Domingo, Méndez, Fernanda
Otros Autores: Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
Formato: conferenceObject documento de conferencia acceptedVersion
Lenguaje:Español
Publicado: 2017
Materias:
Acceso en línea:http://hdl.handle.net/2133/7612
http://hdl.handle.net/2133/7612
Aporte de:
id I15-R121-2133-7612
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 Función de autocorrelación
Estimadores robustos
jackknife fast robust bootstrap
spellingShingle Función de autocorrelación
Estimadores robustos
jackknife fast robust bootstrap
Bussi, Javier
Marí, Gonzalo Pablo Domingo
Méndez, Fernanda
Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
topic_facet Función de autocorrelación
Estimadores robustos
jackknife fast robust bootstrap
description Los métodos de replicaciones para la estimación de la FAC de un modelo de serie de tiempo AR(1) presentaron resultados diversos cuando se presentan ciertos porcentajes de contaminación. El estimador basado en el método FRB parece ser una buena alternativa al estimador altamente robusto MG ya que resulta tener un comportamiento similar en los casos simulados. Los restantes estimadores parecieran ser inferiores tanto en sesgo como en error cuadrático medio y mediano, en particular los estimadores Jackknife.
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
Bussi, Javier
Marí, Gonzalo Pablo Domingo
Méndez, Fernanda
format conferenceObject
documento de conferencia
acceptedVersion
author Bussi, Javier
Marí, Gonzalo Pablo Domingo
Méndez, Fernanda
author_sort Bussi, Javier
title Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
title_short Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
title_full Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
title_fullStr Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
title_full_unstemmed Bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
title_sort bootstrap rápido y robusto para datos dependientes: estimador de la función de autocorrelación en modelos ar(1) con múltiples outliers
publishDate 2017
url http://hdl.handle.net/2133/7612
http://hdl.handle.net/2133/7612
work_keys_str_mv AT bussijavier bootstraprapidoyrobustoparadatosdependientesestimadordelafunciondeautocorrelacionenmodelosar1conmultiplesoutliers
AT marigonzalopablodomingo bootstraprapidoyrobustoparadatosdependientesestimadordelafunciondeautocorrelacionenmodelosar1conmultiplesoutliers
AT mendezfernanda bootstraprapidoyrobustoparadatosdependientesestimadordelafunciondeautocorrelacionenmodelosar1conmultiplesoutliers
bdutipo_str Repositorios
_version_ 1764820413358014464