Estimación robusta de la función de autocorrelación

Vista sencilla de ítem
dc.citation.titleDecimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadísticaes
dc.contributor.organizerSecretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarioes
dc.creatorBonifazi, Fernanda
dc.creatorMéndez, Fernanda
dc.date.accessioned2017-07-06T12:54:12Z
dc.date.available2017-07-06T12:54:12Z
dc.date.issued2014-11
dc.description.abstractEn este trabajo se aborda el problema de la robustez de la función de autocorrelación muestral, y se proponen dos estimadores: uno basado en un estimador robusto de escala y la función de autocorrelación truncada. Se realiza un estudio de simulaciones para investigar y comparar el comportamiento del estimador clásico -FACM- y estos dos nuevos estimadores en procesos contaminados con valores atípicos. Se observa que la FACM no es resistente a la presencia de observaciones extremas y se confirma la robustez de la FACMR en situaciones con outliers de diferentes magnitudes. Por lo tanto, dado que en la práctica se suele desconocer la existencia de valores extremos, se aconseja calcular conjuntamente el estimador clásico y los estimadores robustos de la función de autocorrelación. Si dichas estimaciones son similares, se puede asumir que el efecto de los valores atípicos es insignificante. Por el contrario, si son significativamente diferentes, se debe actuar con cuidado. Queda pendiente el análisis del desempeño de estos estimadores en presencia de múltiples datos atípicos en la serie y en el caso de procesos con estacionalidad.es
dc.description.abstractThe autocorrelation function plays an important role in time series analysis. It is often used to study the underlying dependence structure of the process (Wei, 2006; Brockwell and Davis, 1991). This is an important step in constructing an appropriate mathematical model for the data. Therefore, it is important to have a sample autocorrelation function which remains close to the true underlying autocorrelation function, even when outliers are present in the data. Otherwise, important goals of the time series analysis, such as inference and forecasting, can be non-informative. Unfortunately, widely used sample autocorrelation function based on the method of moments (SACF) is not robust. The presence of outliers can greatly distort the whole picture of SACF and lead to an erroneous identification of the underlying process. In this paper we propose to study two new estimators: one based on a robust estimator of scale (Ma & Genton, 1998) and the trimmed sample autocorrelation function (Chan & Wei, 1992). The performance of the new estimators and the classical estimator -FACM/SACF - are compared in a simulation study
dc.description.filFil: Bonifazi, Fernanda Facultad Ciencias Económicas y Estadística; Universidad Nacional de Rosario; Argentinaes
dc.formatapplication/pdf
dc.identifier.issn1668-5008es
dc.identifier.urihttp://hdl.handle.net/2133/7505
dc.language.isospaes
dc.rightsopenAccesses
dc.rights.holderFacultad Ciencias Económicas y Estadística, Universidad Nacional de Rosario; Argentinaes
dc.rights.textAtribución – No Comercial – Compartir Igual (by-nc-sa)es
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/*
dc.subjectn.d.es
dc.subjectn.d.es
dc.subjectn.d.es
dc.titleEstimación robusta de la función de autocorrelaciónes
dc.typeconferenceObject
dc.typedocumento de conferencia
dc.typeacceptedVersion
dc.type.collectioncomunicaciones
dc.type.versionacceptedVersiones

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Bonifazi_Mendez_estimación robuta.pdf
Tamaño:
514.79 KB
Formato:
Adobe Portable Document Format
Descripción:
La función de autocorrelación juega un rol importante en el análisis de series de tiempo. Dicha función se utiliza para estudiar la estructura de dependencia subyacente del proceso (Wei, 2006; Brockwell and Davis, 1991). Este es un paso primordial en la construcción de un modelo matemático apropiado para los datos. Por lo tanto, es importante que la función de autocorrelación muestral presente un comportamiento similar o cercano al de la verdadera autocorrelación subyacente, incluso cuando los datos contengan outliers o valores extremos. De lo contrario, los principales objetivos del análisis de series de tiempo, tales como inferencias y pronósticos, pueden no ser informativos. Desafortunadamente, la ampliamente utilizada función de autocorrelación muestral (FACM) basada en el método de los momentos no es robusta. La presencia de valores atípicos puede distorsionar en gran medida la imagen completa de la FACM y conducir a una identificación errónea del proceso subyacente. En este trabajo se propone estudiar dos nuevos estimadores: uno basado en un estimador robusto de escala (Ma & Genton; 1998) y la función de autocorrelación muestral truncada (Chan & Wei; 1992). El desempeño de los nuevos estimadores y del estimador clásico -FACM- se compara mediante un estudio de simulaciones.
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Nombre:
license.txt
Tamaño:
3.14 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

FCEyE 2014 - Actas Jornadas Anuales - Decimonovenas: 27 y 28-11-2014