Modelo con error de medición two-piece normal.
Loading...
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión
multivariada, donde se considera principalmente el modelo estructual, suponiendo que
el error de la regresión de respuesta sigue una distribución de dos piezas. Después
de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos
en el caso donde la densidad base es una distribución normal. Lo interesante de usar
como densidad base la distribución normal, es que el desarrollo entrega una mezcla
de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita
la construcción de un algoritmo tipo EM para realizar la estimación de máxima
verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se
puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los
parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico
existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología,
utilizando datos simulados y reales.
Description
Tesis (Doctor en Estadística)--Pontificia Universidad Católica de Chile, 2019