FCEyE - Maestría en Estadística Aplicada
URI permanente para esta colección
Examinar
Envíos recientes
Ítem Acceso Abierto Predicción no paramétrica para datos espaciales univariados(Universidad Nacional de Rosario, 2022-12-14) Lovatto, Mariel; Lovatto, MarielPredecir una variable de interés en determinado punto geográfico a partir de mediciones de dicha variable en otras localizaciones, es comúnmente llamado predicción espacial y es, en geoestadística, una de las aplicaciones más recurrentes. Para esta tarea son necesarios datos indexados en el espacio, que siguen un modelo determinado del cual se asume que tienen cierta estructura de covarianza. Dicha estructura, debe poder captada por los modelos para predicción espacial para que la predicción sea eficiente. En esta dirección, uno de los métodos más utilizados para tal fin es el clásico método kriging que consiste en un promedio ponderado del valor de la variable de interés cuyos pesos son estimados a partir de una función paramétrica, la cual surge con el objetivo de modelar la variabilidad de los datos mediante el concepto de variograma. En esta tesis presentamos una propuesta que flexibiliza el calculo paramétrico de dichos pesos, siguiendo el espíritu de kriging pero donde los pesos son estimados de forma no paramétrica, es decir, sin imponer restricciones sobre la estructura de covarianza. Bajo diferentes hipótesis de existencia del fenómeno de interés, propusimos cinco predictores que logran captar no solo la hipótesis de que valores cercanos presentan mayor correlación, sino que también tienen en cuenta que pueden existir estructuras de covarianza diferentes y vecinas, provocando valores cercanos pero disimiles. Cuatro de esas cinco versiones propuestas revelaron buen desempeños en términos de error de predicción, bajo diferentes escenarios. Los predictores propuestos también fueron aplicados sobre datos reales donde revelan ventajas predictivas frente a los predictores clásicos, siendo en algunos casos más significativas que en otros donde los métodos paramétricos muestran ser una buena estrategia para predecir a pesar de su menor flexibilidad.Ítem Acceso Abierto Comparación de los Métodos Directo e Indirecto de Ajuste Estacional, con aplicaciones en series económicas de Argentina(Universidad Nacional de Rosario, 2022-06-30) Sigal, Facundo; Blaconá, María TeresaEn las series de tiempo, la presencia de estacionalidad requiere atención del investigador, ya que puede ser considerada como una contaminación de los datos. En este trabajo se aborda la problemática del ajuste estacional de series agregadas, comparando dos enfoques para realizarlo. El Método Directo (MD) consiste en desestacionalizar la serie agregada, mientras que en el Método Indirecto (MI) primero se desestacionalizan las series de manera desagregada y luego se agregan las series ajustadas. Para realizar dicha comparación, se aplican ambos métodos de ajuste a diez series económicas de la Región Centro de Argentina (Córdoba, Entre Rios, Santa Fe), utilizando como herramientas de ajuste los programa X13-ARIMA-SEATS y TRAMO- SEATS. Se enumera una serie de herramientas diagnósticas que se utilizan para definir el enfoque recomendado en cada caso. En las aplicaciones no se puede determinar un método que se comporte mejor según todos los criterios de diagnóstico utilizados. En algunos casos, los resultados similares conducen a la elección “por defecto” del método directo, debido a su menor costo en relación a los cálculos y a que genera procesos más parsimoniosos. Por otro lado, en algunas series los resultados son muy diferentes, lo que muestra una necesidad de análisis más profundo de los mismos, en busca del mejor escenario de ajuste estacional. En esta tesis no se encuentran evidencias de un mejor funcionamiento de un enfoque según la forma de agregación de las series, mientras que la extensión de las series tampoco influye en el enfoque elegido. En varias series de agregación vertical, el enfoque recomendado depende del programa de ajuste utilizado. Finalmente, los resultados muestran que la selección del método de ajuste estacional debe ser un proceso dinámico de selección y que debe ser revisado en tanto y en cuanto se incorporen nuevas observaciones, nuevas series desagregadas o nuevas metodologías.Ítem Acceso Abierto Evaluación de pronósticos para la volatilidad empleando modelos autoregresivos con heterocedasticidad condicional generalizados aplicados a precios diarios de acciones en Argentina(Universidad Nacional de Rosario, 2017-10-27) Damiano, Luis; Blaconá, María TeresaEsta tesis trata sobre los hechos estilizados de los retornos y la volatilidad, los modelos de heterocedasticidad condicional, las funciones de densidad habitualmente empleadas junto a ellos, el diagnóstico de residuos y la evaluación de pronósticos fuera de la muestra. El abordaje no es sólo teórico, sino que además propone una aplicación para la serie de precios de las once acciones más líquidas de Argentina y el Índice MERVAL (2009-2016). La leptocurtosis se impone como la característica más determinante y la principal falla al supuesto de densidad gaussiana. La asimetría juega un rol más acotado y sólo atenta contra la aproximación normal en determinados casos. El efecto apalancamiento, muy difundido en investigaciones para otros mercados, es observado sólo en circunstancias muy particulares. Partiendo de un modelo ARCH(1, 1) − GARCH(1, 1) con densidad gaussiana, se diagnostican los residuos y se proponen variantes según las falencias detectadas. Los criterios de información tienden a seleccionar la especificación GARCH y la distribución generalizada del error, tanto simétrica como asimétrica. Si bien estos nuevos modelos resuelven algunas de las limitaciones identificadas, no presentan necesariamente un mayor poder predictivo fuera de la muestra. Los estadísticos direccionales y las medidas de error medio de pronóstico resultan muy similares, aunque la cantidad de excesos al VaR mejora en la mitad de los casos. La penalización de los criterios de información no siempre es suficiente para evitar el sobreajuste.Ítem Acceso Abierto Estadística espacial. Muestreo y modelización para la aplicación en estudios socioeconómicos.(2015-12-09) Borra, Virginia Laura; Pagura, José AlbertoLos enfoque de modelos y asistido por modelos, en planes de muestro para poblaciones finitas amplían las posibilidades de aprovechamiento de la información auxiliar. En esta tesis se presentan propuestas que evidencian las mejoras obtenidas en la precisión de los estimadores en muestras de poblaciones en las que las unidades presentan correlación espacial. En particular se estudia la estimación del total de hogares con Necesidades Básicas Insatisfechas en Rosario en el año 2001, a partir de una muestra de radios censales, pudiendo generalizar la metodología para otros estudios socioeconómicos. Se realiza una reseña de los procedimientos usuales para detectar, caracterizar y modelar la variabilidad espacial, pasos necesarios como fundamento de las siguientes etapas. Se presentan métodos de estimación basados en modelos con uso de información de variabilidad espacial, para obtener predicciones de totales y sus Errores Cuadráticos Medios. Para apreciar las mejoras que pueden lograrse con los métodos planteados, se realizan estudios comparativos en los que se contrastan los resultados obtenidos con procedimientos de estimación usuales que no emplean información de la variabilidad espacial, con un método basado en modelos que incluye esa información mediante el semivariograma poblacional o muestral. La comparación se hace por medio del Error Cuadrático Medio obtenido en la distribución en el muestreo de la población finita. Se concluye acerca de la conveniencia de utilizar los procedimientos que tienen en cuenta la variabilidad espacial y se plantea la necesidad de desarrollar métodos de estimación para las variancias, así como considerar modelos que sean específicos para variables de conteo y ampliar los procedimientos a los casos de muestreo multietápico.