Cálculo del número mínimo de datos necesarios para estimar el vector de observaciones faltantes en una serie temporal generada por un modelo ar(p) Reportar como inadecuado




Cálculo del número mínimo de datos necesarios para estimar el vector de observaciones faltantes en una serie temporal generada por un modelo ar(p) - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.



La determinación del número mínimo de datos que se deben utilizar para estimar el valor de observaciones faltantes en una serie temporal univariada, es importante porque permite optimizar el tiempo de computación en el sentido en que sí se utilizara un número mayor de datos, el proceso de estimación resultaría redundante. En este trabajo se determina cuál es número mínimo y cuáles son los datos que se deben utiUzar para estimar el vector de observaciones faltantes, cuando el proceso estocástico obedece un modelo autoregresivo de orden p, ARp. Se utiliza para ello el método de estimación de Peña-Maravall 1991 y el proceso recurrente de Nieto-Martínez 1994. Se presentan adicionalmente algunos ejemplos teóricos en los cuales se aplican los resultados obtenidos.

Tipo de documento: Artículo - Article

Palabras clave: Estadística matemática, Análisis de series de tiempo, Procesos estocásticos, Toería de la estimación, Serie temporal univariada, Vector de observaciones, Modelo Arp, Estadística matemática, Análisis de series de tiempo, Procesos estocásticos, Toería de la estimación





Fuente: http://www.bdigital.unal.edu.co


Introducción



Revista Colombiana de Estadística No.33 y No.34 C Á L C U L O DEL N Ú M E R O M Í N I M O D E D A T O S N E C E S A R I O S P A R A E S T I M A R EL V E C T O R D E OBSERVACIONES F A L T A N T E S EN U N A S E R I E T E M P O R A L G E N E R A D A P O R U N M O D E L O A R ( p ) HENRY GALLARDO PÉREZ UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FABIO NIETO UNIVERSIDAD NACIONAL DE COLOMBIA RESUMEN. La determinación del número nunimo de datos que se deben utilizar para estimar el valor de observaciones faltantes en nna serie temporal univariada, es importante porque permite optimizar el tiempo de computación en el sentido en que sí se utihzara un número mayor de datos, el proceso de estimación resultaría redundante.
En este trabajo se determina cuál es número mínimo y cuáles son los datos que se deben utiUzar para estimar el vector de observaciones faltantes, cuando el proceso estocástico obedece un modelo autoregresivo de orden p, AR(p).
Se utiliza para ello el método de estimación de Peña-Maravall (1991) y el proceso recurrente de Nieto-Martínez (1994).
Se presentan adicionalmente algunos ejemplos teóricos en los cuales se aplican los resultados obtenidos. PALABRAS CLAVES:Datos faltantes, Función de autocorrelación dual. Modelo AR(p). l.INTRODUCCION El problema de estimación de datos faltantes en una serie temporal univariada que obedece un modelo ARIMA lineal e invertible, puede ser resuelto utilizando diferentes enfoques.
Uno, el de Kohn y Ansley (1986) y Gómez y Maravall (1994), quienes usan el algoritmo de suavizador de punto fijo (basado en el filtro de Kalman).
Otro, el 58 Henry Gallardo Pérez y Fabio Nieto de Peña y Maravall (1991) y Maravall y Peña (1992), quienes usan básicamente los coeficientes de autocorrelación dual para obtener los estimadores de los datos faltantes y sus errores cuadráticos medios.
Otra posibilidad está dada por el método recurrente de Nieto y Martínez (1994), el cual parte de una estimaci...






Documentos relacionados