Estimación robusta en modelos arma multivariados
- Autores
- Martínez, Elena Julia
- Año de publicación
- 1999
- Idioma
- español castellano
- Tipo de recurso
- tesis doctoral
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Yohai, Víctor J.
- Descripción
- En este trabajo se proponen estimadores robustos para modelos autoregresivospromedios móviles multivariados (VARMA), que son una generalización afínequivariante de los RA-estimadores para modelos ARMA univariados (Bustos & Yohai (1986)). Los estimadores propuestos tienen distribución asintótica normal y, cuandolas innovaciones tienen distribución elíptica, su matriz de covarianza asintótica difierede la de los estimadores de máxima verosimilitud en un factor escalar. Un estudio de Monte Carlo confirma que son eficientes bajo innovaciones normales y robustos enpresencia de outliers aditivos. Se deriva asimismo un test de bondad de ajustemultivariado robusto basado en los estimadores propuestos.
Bustos & Yohai (1986) proposed a class of robust estimates for ARMA models based onresidual autocovariances (RA-estimates). In this work an affine equivariant generalizationof the RA-estimates for vector autoregressive moving average processes (VARMA) ispresented. These estimates are asymptotically normal and in the case that the innovationshave elliptical distribution, their asymptotic covariance matrix differs only by a scalarfactor from the one corresponding to the maximum likelihood estimate. A Monte Carlostudy confirms that the RA-estimates are efficient under normal errors and robust whenthe sample contains additive outliers. A robustified multivariate goodness-of-fit test isalso obtained.
Fil: Martínez, Elena Julia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. - Materia
-
PROCESOS ARMA VECTORIALES
ESTIMACION ROBUSTA
TEST DE BONDAD DE AJUSTE
VECTOR ARMA MODELS
ROBUST ESTIMATION
GOODNES OF FIT TEST - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar
- Repositorio
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- tesis:tesis_n3178_Martinez
Ver los metadatos del registro completo
id |
BDUBAFCEN_7dc38b060f66e151eb71a2d98141fd9f |
---|---|
oai_identifier_str |
tesis:tesis_n3178_Martinez |
network_acronym_str |
BDUBAFCEN |
repository_id_str |
1896 |
network_name_str |
Biblioteca Digital (UBA-FCEN) |
spelling |
Estimación robusta en modelos arma multivariadosMartínez, Elena JuliaPROCESOS ARMA VECTORIALESESTIMACION ROBUSTATEST DE BONDAD DE AJUSTEVECTOR ARMA MODELSROBUST ESTIMATIONGOODNES OF FIT TESTEn este trabajo se proponen estimadores robustos para modelos autoregresivospromedios móviles multivariados (VARMA), que son una generalización afínequivariante de los RA-estimadores para modelos ARMA univariados (Bustos & Yohai (1986)). Los estimadores propuestos tienen distribución asintótica normal y, cuandolas innovaciones tienen distribución elíptica, su matriz de covarianza asintótica difierede la de los estimadores de máxima verosimilitud en un factor escalar. Un estudio de Monte Carlo confirma que son eficientes bajo innovaciones normales y robustos enpresencia de outliers aditivos. Se deriva asimismo un test de bondad de ajustemultivariado robusto basado en los estimadores propuestos.Bustos & Yohai (1986) proposed a class of robust estimates for ARMA models based onresidual autocovariances (RA-estimates). In this work an affine equivariant generalizationof the RA-estimates for vector autoregressive moving average processes (VARMA) ispresented. These estimates are asymptotically normal and in the case that the innovationshave elliptical distribution, their asymptotic covariance matrix differs only by a scalarfactor from the one corresponding to the maximum likelihood estimate. A Monte Carlostudy confirms that the RA-estimates are efficient under normal errors and robust whenthe sample contains additive outliers. A robustified multivariate goodness-of-fit test isalso obtained.Fil: Martínez, Elena Julia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesYohai, Víctor J.1999info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://hdl.handle.net/20.500.12110/tesis_n3178_Martinezspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:40:55Ztesis:tesis_n3178_MartinezInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:40:56.416Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse |
dc.title.none.fl_str_mv |
Estimación robusta en modelos arma multivariados |
title |
Estimación robusta en modelos arma multivariados |
spellingShingle |
Estimación robusta en modelos arma multivariados Martínez, Elena Julia PROCESOS ARMA VECTORIALES ESTIMACION ROBUSTA TEST DE BONDAD DE AJUSTE VECTOR ARMA MODELS ROBUST ESTIMATION GOODNES OF FIT TEST |
title_short |
Estimación robusta en modelos arma multivariados |
title_full |
Estimación robusta en modelos arma multivariados |
title_fullStr |
Estimación robusta en modelos arma multivariados |
title_full_unstemmed |
Estimación robusta en modelos arma multivariados |
title_sort |
Estimación robusta en modelos arma multivariados |
dc.creator.none.fl_str_mv |
Martínez, Elena Julia |
author |
Martínez, Elena Julia |
author_facet |
Martínez, Elena Julia |
author_role |
author |
dc.contributor.none.fl_str_mv |
Yohai, Víctor J. |
dc.subject.none.fl_str_mv |
PROCESOS ARMA VECTORIALES ESTIMACION ROBUSTA TEST DE BONDAD DE AJUSTE VECTOR ARMA MODELS ROBUST ESTIMATION GOODNES OF FIT TEST |
topic |
PROCESOS ARMA VECTORIALES ESTIMACION ROBUSTA TEST DE BONDAD DE AJUSTE VECTOR ARMA MODELS ROBUST ESTIMATION GOODNES OF FIT TEST |
dc.description.none.fl_txt_mv |
En este trabajo se proponen estimadores robustos para modelos autoregresivospromedios móviles multivariados (VARMA), que son una generalización afínequivariante de los RA-estimadores para modelos ARMA univariados (Bustos & Yohai (1986)). Los estimadores propuestos tienen distribución asintótica normal y, cuandolas innovaciones tienen distribución elíptica, su matriz de covarianza asintótica difierede la de los estimadores de máxima verosimilitud en un factor escalar. Un estudio de Monte Carlo confirma que son eficientes bajo innovaciones normales y robustos enpresencia de outliers aditivos. Se deriva asimismo un test de bondad de ajustemultivariado robusto basado en los estimadores propuestos. Bustos & Yohai (1986) proposed a class of robust estimates for ARMA models based onresidual autocovariances (RA-estimates). In this work an affine equivariant generalizationof the RA-estimates for vector autoregressive moving average processes (VARMA) ispresented. These estimates are asymptotically normal and in the case that the innovationshave elliptical distribution, their asymptotic covariance matrix differs only by a scalarfactor from the one corresponding to the maximum likelihood estimate. A Monte Carlostudy confirms that the RA-estimates are efficient under normal errors and robust whenthe sample contains additive outliers. A robustified multivariate goodness-of-fit test isalso obtained. Fil: Martínez, Elena Julia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. |
description |
En este trabajo se proponen estimadores robustos para modelos autoregresivospromedios móviles multivariados (VARMA), que son una generalización afínequivariante de los RA-estimadores para modelos ARMA univariados (Bustos & Yohai (1986)). Los estimadores propuestos tienen distribución asintótica normal y, cuandolas innovaciones tienen distribución elíptica, su matriz de covarianza asintótica difierede la de los estimadores de máxima verosimilitud en un factor escalar. Un estudio de Monte Carlo confirma que son eficientes bajo innovaciones normales y robustos enpresencia de outliers aditivos. Se deriva asimismo un test de bondad de ajustemultivariado robusto basado en los estimadores propuestos. |
publishDate |
1999 |
dc.date.none.fl_str_mv |
1999 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_db06 info:ar-repo/semantics/tesisDoctoral |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12110/tesis_n3178_Martinez |
url |
https://hdl.handle.net/20.500.12110/tesis_n3178_Martinez |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital (UBA-FCEN) instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales instacron:UBA-FCEN |
reponame_str |
Biblioteca Digital (UBA-FCEN) |
collection |
Biblioteca Digital (UBA-FCEN) |
instname_str |
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
instacron_str |
UBA-FCEN |
institution |
UBA-FCEN |
repository.name.fl_str_mv |
Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
repository.mail.fl_str_mv |
ana@bl.fcen.uba.ar |
_version_ |
1844618696211824640 |
score |
13.070432 |