Estimación robusta en modelos parcialmente lineales generalizados

Mostrar todas las versiones(3)

En esta tesis, introducimos una nueva clase de estimadores robustos para las componentes paramétricas y noparamétricas bajo dos modelos parcialmente lineales generalizados. En el primero, las observaciones independientes (yi, xi, ti), 1 = i = n satisfacen yi| (xi, ti) ~ F (·, µi) con µi = H (n(ti) +...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Rodríguez, Daniela A.
Otros Autores:	Boente Boente, Graciela
Formato:	Tesis doctoral publishedVersion
Lenguaje:	Español
Publicado:	Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2007
Materias:	ESTIMADORES DE NUCLEOS ESTIMADORES ROBUSTOS MODELOS PARCIALMENTE LINEALES SUAVIZADORES TASA DE CONVERGENCIA KERNEL WEIGHTS PARTLY LINEAR MODELS RATE OF CONVERGENCE ROBUST ESTIMATION SMOOTHING
Acceso en línea:	https://hdl.handle.net/20.500.12110/tesis_n4240_Rodriguez
Aporte de:	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires

id	tesis:tesis_n4240_Rodriguez
record_format	dspace
spelling	tesis:tesis_n4240_Rodriguez2023-10-02T19:57:23Z Estimación robusta en modelos parcialmente lineales generalizados Robust estimation in generalized partially linear models Rodríguez, Daniela A. Boente Boente, Graciela ESTIMADORES DE NUCLEOS ESTIMADORES ROBUSTOS MODELOS PARCIALMENTE LINEALES SUAVIZADORES TASA DE CONVERGENCIA KERNEL WEIGHTS PARTLY LINEAR MODELS RATE OF CONVERGENCE ROBUST ESTIMATION SMOOTHING En esta tesis, introducimos una nueva clase de estimadores robustos para las componentes paramétricas y noparamétricas bajo dos modelos parcialmente lineales generalizados. En el primero, las observaciones independientes (yi, xi, ti), 1 = i = n satisfacen yi\| (xi, ti) ~ F (·, µi) con µi = H (n(ti) + xti ß), para una función de distribución F y una función de vínculo H conocidas, donde ti e IR, xi e IR^p. La función n : IR --IR y el parámetro ß son las cantidades a estimar. Los estimadores robustos se basan en un procedimiento en dos pasos en el que valores grandes de la deviance o de los residuos de Pearson se controlan a través de una función de escores acotada. Los estimadores robustos de ß resultan ser n^1/2-consistentes y asintóticamente normales. El comportamiento de estos estimadores se compara con el de los estimadores clásicamente usados, a través de un estudio de Monte Carlo. Por otra parte, la función de influencia empírica permite estudiar la sensibilidad de los estimadores. El modelo generalizado parcialmente lineal de índice simple, generaliza el anterior pues las observaciones independientes son tales que yi\| (xi, ti) ~ F (·, µi) con µi = H (n(a tti) + xtiß), donde ahora ti e IR^q, xi e IR^p y la función ß : IR -- IR y los parámetros ß y a (\|\| a\|\| =1) son desconocidos y se desean estimar. Introducimos dos familias de estimadores robustos que resultan ser consistentes y asintóticamente normales. Calculamos también su función de influencia empírica. Todas las propuestas dadas mejoran el comportamiento de los estimadores clásicos en presencia de observaciones atípicas. In this thesis, we introduce a new class of robust estimates for the parametric and nonparametric components under two generalized partially linear model. In the first one, the data (yi, xi, ti), (yi, xi, ti), 1 = i = n, are modeled by yi\| (xi, ti) ~ F (·, µi) con µi = H (n(ti) + xti ß), for some known distribution function F and link function H, where ti e IR, xi e IR^p. The function n : IR--IR and the parameter ß are unknown and to be estimated. The robust estimators are based on a two step procedure, where large values of the deviance or Pearson residuals are bounded through a score function. It is shown that the estimates of ß are root-n consistent and asymptotically normal. Through a Monte Carlo study, we compare the performance of these estimators with that of the classical ones. Besides, through their empirical influence function we study the sensitivity of the estimators. The generalized partially linear single index model generalizes the previous one since the independent observations are such that yi\| (xi, ti) ~ F (·, µi) con µi = H (n(a tti) + xtiß), where now ti e IR^q, xi e IR^p and ß : IR -- IR, ß y a (\|\| a\|\| =1) are the unknown parameters to be estimated. Two families of robust estimators are introduced which turn out to be consistent and asymptotically normally distributed. Their empirical influence function is also computed. The robust proposals improve the behavior of the classical ones when outliers are present. Fil: Rodríguez, Daniela A.. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2007 info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n4240_Rodriguez
institution	Universidad de Buenos Aires
institution_str	I-28
repository_str	R-134
collection	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language	Español
orig_language_str_mv	spa
topic	ESTIMADORES DE NUCLEOS ESTIMADORES ROBUSTOS MODELOS PARCIALMENTE LINEALES SUAVIZADORES TASA DE CONVERGENCIA KERNEL WEIGHTS PARTLY LINEAR MODELS RATE OF CONVERGENCE ROBUST ESTIMATION SMOOTHING
spellingShingle	ESTIMADORES DE NUCLEOS ESTIMADORES ROBUSTOS MODELOS PARCIALMENTE LINEALES SUAVIZADORES TASA DE CONVERGENCIA KERNEL WEIGHTS PARTLY LINEAR MODELS RATE OF CONVERGENCE ROBUST ESTIMATION SMOOTHING Rodríguez, Daniela A. Estimación robusta en modelos parcialmente lineales generalizados
topic_facet	ESTIMADORES DE NUCLEOS ESTIMADORES ROBUSTOS MODELOS PARCIALMENTE LINEALES SUAVIZADORES TASA DE CONVERGENCIA KERNEL WEIGHTS PARTLY LINEAR MODELS RATE OF CONVERGENCE ROBUST ESTIMATION SMOOTHING
description	En esta tesis, introducimos una nueva clase de estimadores robustos para las componentes paramétricas y noparamétricas bajo dos modelos parcialmente lineales generalizados. En el primero, las observaciones independientes (yi, xi, ti), 1 = i = n satisfacen yi\| (xi, ti) ~ F (·, µi) con µi = H (n(ti) + xti ß), para una función de distribución F y una función de vínculo H conocidas, donde ti e IR, xi e IR^p. La función n : IR --IR y el parámetro ß son las cantidades a estimar. Los estimadores robustos se basan en un procedimiento en dos pasos en el que valores grandes de la deviance o de los residuos de Pearson se controlan a través de una función de escores acotada. Los estimadores robustos de ß resultan ser n^1/2-consistentes y asintóticamente normales. El comportamiento de estos estimadores se compara con el de los estimadores clásicamente usados, a través de un estudio de Monte Carlo. Por otra parte, la función de influencia empírica permite estudiar la sensibilidad de los estimadores. El modelo generalizado parcialmente lineal de índice simple, generaliza el anterior pues las observaciones independientes son tales que yi\| (xi, ti) ~ F (·, µi) con µi = H (n(a tti) + xtiß), donde ahora ti e IR^q, xi e IR^p y la función ß : IR -- IR y los parámetros ß y a (\|\| a\|\| =1) son desconocidos y se desean estimar. Introducimos dos familias de estimadores robustos que resultan ser consistentes y asintóticamente normales. Calculamos también su función de influencia empírica. Todas las propuestas dadas mejoran el comportamiento de los estimadores clásicos en presencia de observaciones atípicas.
author2	Boente Boente, Graciela
author_facet	Boente Boente, Graciela Rodríguez, Daniela A.
format	Tesis doctoral Tesis doctoral publishedVersion
author	Rodríguez, Daniela A.
author_sort	Rodríguez, Daniela A.
title	Estimación robusta en modelos parcialmente lineales generalizados
title_short	Estimación robusta en modelos parcialmente lineales generalizados
title_full	Estimación robusta en modelos parcialmente lineales generalizados
title_fullStr	Estimación robusta en modelos parcialmente lineales generalizados
title_full_unstemmed	Estimación robusta en modelos parcialmente lineales generalizados
title_sort	estimación robusta en modelos parcialmente lineales generalizados
publisher	Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate	2007
url	https://hdl.handle.net/20.500.12110/tesis_n4240_Rodriguez
work_keys_str_mv	AT rodriguezdanielaa estimacionrobustaenmodelosparcialmentelinealesgeneralizados AT rodriguezdanielaa robustestimationingeneralizedpartiallylinearmodels
_version_	1782022560597147648

Estimación robusta en modelos parcialmente lineales generalizados

Ejemplares similares