Thin-plate spline varying-coefficient mixed model under elliptical distributions : estimation and influence diagnostic /
Moraga Cárdenas, Magaly Sofía.
Thin-plate spline varying-coefficient mixed model under elliptical distributions : estimation and influence diagnostic / Magaly Moraga Cárdenas. - 53 hojas.
La idea principal de este trabajo es proponer un modelo semiparamétrico bajo la hipótesis de distribuciones elípticas, denominado thin-plate spline varying coecients mixed model (TPSVCMM). El modelo puede considerarse una extensión del modelo semiparam étrico elíptico al incorporar una característica dinámica no paramétrica a los coe- cientes de regresión y una función de suavizado de thin-plate spline. Además, desarrollaremos la inferencia estadística apropiada basada en la función de verosimilitud penalizada para obtener estimaciones robustas en el sentido de la distancia de Mahalanobis. Además, presentaremos un proceso de maximizaciones sucesivas y un algoritmo de ajuste posterior para alcanzar las estimaciones mediante el uso de splines suavizados. Luego, propondremos curvaturas de inuencia local y grácos de diagnóstico para estudiar la sensibilidad de las estimaciones penalizadas bajo algunos esquemas de perturbación habituales en el modelo o los datos. Finalmente, se presentarán discusiones sobre grados de libertad y una estimaci ón de parámetros de suavizado.
ESTADISTICA
MODELOS ESTADISTICOS NO PARAMETRICOS
ESTADISTICA
Thin-plate spline varying-coefficient mixed model under elliptical distributions : estimation and influence diagnostic / Magaly Moraga Cárdenas. - 53 hojas.
La idea principal de este trabajo es proponer un modelo semiparamétrico bajo la hipótesis de distribuciones elípticas, denominado thin-plate spline varying coecients mixed model (TPSVCMM). El modelo puede considerarse una extensión del modelo semiparam étrico elíptico al incorporar una característica dinámica no paramétrica a los coe- cientes de regresión y una función de suavizado de thin-plate spline. Además, desarrollaremos la inferencia estadística apropiada basada en la función de verosimilitud penalizada para obtener estimaciones robustas en el sentido de la distancia de Mahalanobis. Además, presentaremos un proceso de maximizaciones sucesivas y un algoritmo de ajuste posterior para alcanzar las estimaciones mediante el uso de splines suavizados. Luego, propondremos curvaturas de inuencia local y grácos de diagnóstico para estudiar la sensibilidad de las estimaciones penalizadas bajo algunos esquemas de perturbación habituales en el modelo o los datos. Finalmente, se presentarán discusiones sobre grados de libertad y una estimaci ón de parámetros de suavizado.
ESTADISTICA
MODELOS ESTADISTICOS NO PARAMETRICOS
ESTADISTICA