Regresión Lineal con Errores no Normales: Secante Hiperbólica Generalizada
DOI:
https://doi.org/10.17230/ingciencia.11.21.2Palabras clave:
distribución secante hiperbólica generalizada, modelo li- neal clásico, máxima verosimilitud modificada, mínimos cuadradosResumen
En este trabajo se presenta un estudio del modelo de regresión lineal del tipo y = Θx+e, donde el error tiene distribución Secante Hiperbólica Generalizada (SHG). El método para estimar los parámetros se obtienen mediante una configuración de máxima verosimilitud expresando las ecuaciones no lineales en forma lineal (Verosimilitud Modificada). Los estimadores resultantes son expresiones analíticas en términos de valores de la muestra y, por lo tanto, son fácilmente calculables. Mediante la aplicación de varios tipos de datos, se muestra la metodología descripta anterior, y se obtienen modelos plausibles frente a las verdaderas distribuciones subyacentes de los datos.
MSC: 60E05, 62E10
Descargas
Referencias
D. C. Vaughan, "The Generalized Secant Hyperbolic Distribution And ItsProperties," Communications in statistics, vol. 31, no. 2, pp. 219–238, 2002.
V. D. Barnett, "Evaluation of the maximum likelihood estimator when thelikelihood equation has multiple roots," Biometrika, vol. 53, pp. 151–165,1996a.
http://dx.doi.org/10.1093/biomet/53.1-2.151
D. C. Vaughan, "On the Tiku-Suresh method of estimation," Communicationsin statistics, vol. 21, pp. 451–469, 1992.
M. L. Tiku, D. Aysen, and Akkaya, Robust Estimation and Hypothesis Testing,2nd ed. New York: New Age, 2004.
S. Puthenpura and N. K. Sinha, "Modified maximum likelihood method forthe robust estimation of system parametrs from very noisy data," Automatica,vol. 22, pp. 231–235, 1986.
http://dx.doi.org/10.1016/0005-1098(86)90085-3
M. L. Tiku and R. P. Suresh, "A new method of estimation for location andscale parameters," J. Stat. Plann, vol. 30, pp. 281–292, 1992.
http://dx.doi.org/10.1016/0378-3758(92)90088-A
M. L. Tiku, "Estimating the mean and Standard Deviation from a censoredNormal Sample," Biometrika, vol. 54, no. 1, pp. 155–165, 1967a.
http://dx.doi.org/10.1093/biomet/54.1-2.155
M. L. Tiku, "Monte Carlo Study of Some Simple Estimators in Censored NormalSamples," Biometrika, vol. 57, pp. 207–211, 1970.
http://dx.doi.org/10.1093/biomet/57.1.207
G. K. Bhattacharyya, "The Asymptotics of Maximum Likelihood and RelatedEstimators Based on Type II Censored data," Journal of the AmericanStatistical Association, vol. 80, no. 390, pp. 398–404, 1970.
http://dx.doi.org/10.1080/01621459.1985.10478130
R. L. Smith, "Maximum likelihood estimation in a class of nonregular cases,"Biometrika, no. 72, pp. 67–90, 1985.
http://dx.doi.org/10.1093/biomet/72.1.67
M. L. Tiku, W. K. Wong, D. C. Vaughan, and G. Bian, "Time series modelsin non-normal situations: symmetric innovations," J. Time Series Analysis,vol. 21, pp. 571–596, 2000.
http://dx.doi.org/10.1111/1467-9892.00199
M. Alejandro and B. Alexander, "Secante hiperbolica generalizada y un metodode estimacion de sus parametros: maxima verosimilitud modificada,"Ingenieria y Ciencia, vol. 9, no. 18, pp. 93–106, 2013.
L. Hamilton, Regression With Graphics, 1st ed. Brooks/Cole PublishingCompany, 1992.
D. Hand, F. Daly, A. Lunn, K. McConway, and E. Ostrowski, Small DataSets, 1st ed. Springer-Science Business, 1994.
Publicado
Número
Sección
Licencia
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
Plagiarism Detection