Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Bayesian Analysis of Multivariate Threshold Autoregressive Models with Missing Data

Calderón Villanueva, Sergio Alejandro (2014) Bayesian Analysis of Multivariate Threshold Autoregressive Models with Missing Data. Doctorado thesis, Universidad Nacional de Colombia.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

2MB

Resumen

In some fields, we are forced to work with missing data in multivariate time series, unfortunately the analysis in this context cannot be done as in the case of complete data. Bayesian analysis of multivariate thresholds autoregressive models(MTAR) with exogenous inputs and missing data is carried out. MCMC methods are used to obtain samples from the marginal posterior distributions, including threshold values and missing data. In order to identify autoregressive orders, we adapt the Bayesian variable selection method to the MTAR models. The number of regimes is estimated using marginal likelihood and product space strategies. The forecasting of the output vector is implemented finding its predictive distributions. Simulation experiments and real data examples are presented., Resumen. En algunos campos, nos vemos forzados a trabajar con datos faltantes en series de tiempo multivaridas, desafortunadamente el análisis en este contexto no puede ser hecho como en caso completo. El análisis de modelos multivaridos autoregresivos de umbrales(MTAR) con entradas exógenas y datos faltantes es llevado a cabo vía el enfoque Bayesiano. Los métodos MCMC son usados para obtener muestras de las distribuciones marginales aposteriori, incluyendo los valores de los umbrales y los datos faltantes. Con el objetivo de identificar los órdenes autoregresivos, el método Bayesiano de selección de variables es adaptado para modelos MTAR. El número de regímenes es estimado usando la versimilitud marginal y las estrategias de espacio producto. El pronóstico para el vector de salida es implementado encontrando sus densidades predictivas. Experimentos de simulación y ejemplos con datos reales son presentados.

Tipo de documento:Tesis/trabajos de grado - Thesis (Doctorado)
Colaborador / Asesor:Nieto Sánchez, Fabio Humberto
Información adicional:Doctorade in Statistics. Research line: Time Series
Palabras clave:Bayesian Analysis, Bayesian variable selection, Monte Carlo Markov Chain, Missing data, Multivariate threshold autoregressive model, Análisis Bayesiano, Selección Bayesiana de variables, Cadenas de Markov Monte Carlo, Datos Faltantes, Modelos multivariados autoregressivos de umbrales
Temática:5 Ciencias naturales y matemáticas / Science > 51 Matemáticas / Mathematics
Unidad administrativa:Sede Bogotá > Facultad de Ciencias > Departamento de Estadística
Código ID:46427
Enviado por : bdigital4_ bog
Enviado el día :22 Enero 2015 09:29
Ultima modificación:22 Enero 2015 09:29
Ultima modificación:22 Enero 2015 09:29
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox