Modelo mixto vector spline bajo distribuciones elípticas / Isaac Esteban Cortés Olmos.

Por:

Cortés Olmos. Isaac Esteban [author.]

Colaborador(es):

Tipo de material: Texto

TextoIdioma: Español Editor: Valparaíso, Chile : Universidad de Valparaíso, 2016Descripción: 69 hojasTema(s):

Otra clasificación:

Nota de disertación: Magister en Estadística. Resumen: En este trabajo de tesis se estudian los modelos mixtos vector spline bajo distribuciones de contornos elpticos, que son una extension del modelo propuesto por Ibacache et al. (2012). Este enfoque permite exibilizar la curtosis de la distribucion de los errores, posibilitando la eleccion de distribuciones con colas mas pesada y livianas que la distribución normal. La funcion de verosimilitud penalizada es introducida para obtener los estimadores de maxima verosimilitud penalizada, que en el caso de las distribuciones con colas pesadas son mas robustos contra observaciones aberrantes, en el sentido de la distancia de Mahalanobis. Finalmente, se presenta un ejemplo ilustrativo en que los ajustes estan basados sobre errores normal y t-Student multivariados.

Existencias ( 1 )
Notas de título ( 2 )

Existencias
Tipo de ítem	Biblioteca actual	Colección	Signatura topográfica	Estado	Fecha de vencimiento	Código de barras	Reserva de ítems
Tesis Postgrado	Ciencias Tesis	Tesis	M C828m 2016	Disponible		00178172

Total de reservas: 0

Magister en Estadística.

En este trabajo de tesis se estudian los modelos mixtos vector spline bajo distribuciones de contornos elpticos, que son una extension del modelo propuesto por Ibacache et al. (2012). Este enfoque permite exibilizar la curtosis de la distribucion de los errores, posibilitando la eleccion de distribuciones con colas mas pesada y livianas que la distribución normal. La funcion de verosimilitud penalizada es introducida para obtener los estimadores de maxima verosimilitud penalizada, que en el caso de las distribuciones con colas pesadas son mas robustos contra observaciones aberrantes, en el sentido de la distancia de Mahalanobis. Finalmente, se presenta un ejemplo ilustrativo en que los ajustes estan basados sobre errores normal y t-Student multivariados.